El 40% de los proyectos de IA con agentes fracasará antes de 2027: por qué (y cómo evitar ser parte de esa estadística)
Gartner predice que el 40% de los proyectos de agentic AI se cancelará antes de 2027: coste descontrolado, ROI difuso y riesgo mal gestionado. Cómo evitarlo.
Elaborado con apoyo de IA y revisado manualmente antes de publicarse — más en nuestro proceso editorial.
Gartner lo dice sin rodeos: más del 40% de los proyectos de agentic AI se cancelará antes de que acabe 2027, "debido a la escalada de costes, un valor de negocio poco claro o controles de riesgo inadecuados". No es un fallo técnico de los agentes de IA — es un fallo de gestión de proyecto, y es predecible con antelación. Este artículo desglosa esas tres causas con los datos que hay detrás, contrasta el perfil de las empresas que sí obtienen ROI, y termina en una herramienta para que puntúes el riesgo real del proyecto que tienes entre manos.
El dato que nadie repite en las notas de prensa de agentic AI
La misma Gartner que en agosto de 2025 predijo que "el 40% de las aplicaciones empresariales estarán integradas con agentes de IA específicos para cada tarea a finales de 2026, frente a menos del 5% hoy" publicó, apenas dos meses antes, una advertencia mucho menos citada: "Over 40% of agentic AI projects will be canceled by the end of 2027, due to escalating costs, unclear business value or inadequate risk controls" (nota de prensa, 25 de junio de 2025). Las dos cifras conviven porque no son contradictorias: la adopción crece deprisa y, al mismo tiempo, buena parte de esos proyectos se monta sin la disciplina necesaria para sobrevivir dos años.
Las tres causas reales de cancelación
Gartner no habla de "la IA no funciona": habla de tres fallos de gestión concretos. El primero es coste que se escala sin control — el consumo de tokens y cómputo crece con el uso real del agente, y sin un tope o una alerta de gasto, la factura mensual puede multiplicarse antes de que nadie se dé cuenta. El segundo es valor de negocio poco claro: proyectos que arrancan por entusiasmo tecnológico, sin un KPI de negocio definido de antemano que permita decir si están funcionando o no. El tercero son controles de riesgo inadecuados — el mismo problema de gobernanza que ya analizamos en detalle al cubrir el sprawl de agentes sin gobernar: nadie define qué puede hacer el agente sin supervisión ni quién audita sus acciones.
Los early adopters disciplinados sí ven ROI
El contraste importa: no es que la agentic AI no dé retorno, es que el retorno depende de cómo se gestione. Según el informe "ROI of AI 2025" de Google Cloud, elaborado por National Research Group sobre una encuesta a 3.466 líderes en 24 países, el 88% de los "early adopters" de agentic AI reporta ROI en al menos un caso de uso, frente al 74% en IA generativa general. Ese grupo de early adopters disciplinados —el 13% de las empresas encuestadas que dedica al menos el 50% de su presupuesto de IA a agentes— no tiene menos riesgo técnico que el resto: tiene más KPI, más gobernanza y más criterio a la hora de decidir qué escalar y qué no.
El presupuesto se agota en 3 meses: el "token maxing"
Uno de los datos más citados en el debate sobre coste de IA empresarial, recogido en CXOTalk a partir de un análisis de Goldman Sachs, es que muchas empresas agotan su presupuesto anual de IA en apenas 3 meses. A este fenómeno se le llama "token maxing": el consumo real de tokens supera con creces la estimación inicial en cuanto el agente pasa de piloto a producción con volumen real. Si quieres calcular cuánto te costaría escalar un agente concreto según tu volumen de tokens, nuestra comparativa de precios de las principales APIs de IA tiene una calculadora para eso; aquí nos centramos en por qué ese coste, sin control, es una de las tres causas que acaban en cancelación.
Cómo evitar ser parte del 40%
El framework que se deriva de las tres causas de Gartner es simple de enunciar, aunque exige disciplina para sostenerlo: define un KPI de negocio concreto antes de escribir la primera línea de código o el primer prompt del agente; consigue un patrocinador ejecutivo con autoridad real sobre el presupuesto, no un comité difuso; pon un tope de gasto en tokens/cómputo con alertas automáticas antes de escalar; despliega en fases con criterios de salida explícitos, no directo a producción; y aplica el mismo rigor de gobernanza de riesgo que exige cualquier agente con permisos sobre datos reales. Si además te estás planteando construir el agente internamente en vez de comprarlo, revisa antes nuestro framework de build vs buy con IA: el mismo patrón de "coste de mantenimiento subestimado" que ahí describimos es una de las formas más habituales en que el coste de un proyecto de agentes se escala sin control.
Empieza acotado, no por ambición
La recomendación práctica coincide con la que ya dábamos en nuestra guía completa de agentes de IA: empezar por una tarea acotada, repetitiva y de bajo riesgo, con aprobación humana durante las primeras semanas, antes de ampliar la autonomía. Es la misma lógica que aplicamos a la automatización de procesos en general en nuestra guía práctica de automatización con IA: pequeñas victorias medibles, no un despliegue ambicioso sin fase de aprendizaje. Los proyectos que se cancelan casi nunca fracasan en el primer mes — fracasan cuando escalan demasiado rápido sin haber validado el KPI, el coste y el riesgo del primer caso de uso.
Evalúa tu propio proyecto
Las ocho señales de la herramienta de más abajo resumen las tres causas de cancelación que cita Gartner en un checklist puntuable: márcalas si las reconoces en tu proyecto y obtén un porcentaje de riesgo con qué hacer para corregir cada una.
Metodología
La cifra del 40% de proyectos cancelados y sus tres causas proceden de la nota de prensa de Gartner del 25 de junio de 2025. La cifra del 40% de aplicaciones empresariales integradas con agentes a finales de 2026 es de la nota de prensa de Gartner del 26 de agosto de 2025 (Anushree Verma). Los datos de ROI por tipo de adopter son del informe "ROI of AI 2025" de Google Cloud, elaborado por National Research Group sobre 3.466 líderes en 24 países. El dato de agotamiento de presupuesto en 3 meses procede de un análisis de Goldman Sachs citado en CXOTalk. Tratamos las proyecciones de Gartner como forecasts, no como resultados consumados, y revisamos este artículo con cada informe relevante nuevo sobre gobernanza y ROI de agentic AI.
¿Tu proyecto de agentic AI está en riesgo de cancelación?
Marca las señales que reconoces en tu proyecto —sin KPI de negocio, sin patrocinador, sin control de gasto en tokens, sin piloto por fases— y la herramienta calcula tu porcentaje de riesgo de acabar entre el 40% de proyectos cancelados que predice Gartner.
| Característica | Sin gobernanza | Piloto sin KPI | Piloto con gobernanza | Programa maduro |
|---|---|---|---|---|
| KPI de negocio definido antes de empezar | No existe | Informal, sin métrica | Sí, con caso de uso concreto | Sí, con OKR de negocio y revisión trimestral |
| Patrocinador ejecutivo con autoridad de presupuesto | ✗ | Informal | Sí, designado | Sí, con comité de gobernanza |
| Control de gasto en tokens/cómputo | Ninguno | Se revisa a posteriori | Alertas de presupuesto | Topes automáticos |
| Piloto por fases con criterios de salida | No, directo a producción | Piloto, sin criterios de salida | Piloto con criterios claros | Fases con decisión go/no-go documentada |
| Riesgo de cancelación (patrón Gartner) | Muy alto | Alto | Medio | Bajo |
Herramientas recomendadas
Preguntas frecuentes
Es la predicción de Gartner en su nota de prensa del 25 de junio de 2025: más del 40% de los proyectos de agentic AI se cancelará antes de que acabe 2027, por escalada de costes, valor de negocio poco claro o controles de riesgo inadecuados. Es un forecast, no un resultado ya consumado, pero coincide con el patrón que describimos en este artículo.
Por tres causas que suelen combinarse: coste que se escala sin control (el "token maxing" que agota presupuestos en meses), un KPI de negocio que nunca se definió con claridad, y controles de riesgo inadecuados sobre lo que el agente puede hacer sin supervisión. Ninguna de las tres es un problema técnico del modelo de IA en sí.
Según un análisis de Goldman Sachs citado en CXOTalk, muchas empresas agotan su presupuesto anual de IA en apenas 3 meses en cuanto un proyecto pasa de piloto a producción con volumen real. Puedes estimar el coste según tu propio volumen de tokens en nuestra comparativa de precios de APIs de IA.
Según el informe "ROI of AI 2025" de Google Cloud, el 88% de los early adopters disciplinados de agentic AI reporta ROI en al menos un caso de uso, frente al 74% en IA generativa general. La diferencia no es el modelo que usan: es que definen KPI, tienen patrocinador ejecutivo y controlan el gasto antes de escalar.
Marca las señales que reconoces en la herramienta de este artículo: sin KPI de negocio, sin patrocinador, sin control de gasto, sin piloto por fases y sin gobernanza de riesgo son las que más peso tienen. La herramienta calcula tu porcentaje de riesgo y qué corregir primero.