Primer semestre tech 2025: las tendencias que se cumplieron y las que no

La prueba de la realidad

Hace seis meses, los informes de tendencias para 2025 coincidian en una narrativa clara: IA generativa en todas partes, agentes autonomos como la siguiente gran cosa, cloud costs bajo control gracias a FinOps, y regulacion europea (AI Act, DORA, NIS2) transformando las operaciones. Ahora que ha pasado medio ano, toca revisar que ocurrio realmente.

No todo fue como se predijo. Algunas tendencias se aceleraron mas de lo esperado. Otras siguen siendo PowerPoints.

Lo que se cumplio

La IA generativa se normalizo (pero no como se esperaba)

La prediccion era correcta: la IA generativa se ha integrado en los flujos de trabajo de la mayoria de las empresas tecnologicas. Pero la forma no fue la prevista. Los “copilotos de IA” integrados en herramientas existentes (GitHub Copilot, Notion AI, Salesforce Einstein GPT) ganaron, no las aplicaciones de IA standalone.

El patron que observamos: las empresas que mas valor extraen de la IA generativa son las que la aplican a problemas especificos y acotados (generacion de borradores de email, resumen de documentos, asistencia en codigo) en lugar de las que intentaron proyectos ambiciosos de “transformacion con IA.” Los chatbots genericos para atencion al cliente siguen teniendo tasas de resolucion mediocres (35-45% sin escalado humano). Los asistentes especializados en un dominio concreto funcionan mucho mejor.

El dato mas revelador: segun una encuesta de McKinsey publicada en abril 2025, el 72% de las empresas usan IA generativa en al menos una funcion de negocio, pero solo el 28% reporta impacto medible en la cuenta de resultados. La brecha entre uso y valor sigue siendo enorme.

El gasto en cloud subio (otra vez)

Contra las predicciones de “optimizacion y estabilizacion,” el gasto global en cloud publica crecio un 22% interanual en H1 2025 segun Synergy Research. AWS, Azure y GCP reportaron crecimientos de doble digito. La razon: las cargas de trabajo de IA. Los clusters de GPU para entrenamiento e inferencia de modelos se han convertido en la partida de mayor crecimiento en los presupuestos cloud.

El FinOps, que iba a ser la disciplina que controlase el gasto, ha tenido adopcion real pero no ha frenado el crecimiento absoluto. Ha conseguido que cada euro de cloud sea mas eficiente, pero el numero total de euros sigue subiendo porque las organizaciones ejecutan mas cargas de trabajo cada trimestre.

Para pymes y medianas, el coste de la IA en cloud es el nuevo “sorpresa en la factura de AWS.” Hemos visto empresas cuya factura mensual de cloud subio un 40% en un trimestre solo por anadir endpoints de inferencia de LLM via Bedrock o Vertex AI.

La regulacion europea mordio

DORA (Digital Operational Resilience Act) entro en vigor en enero 2025 para entidades financieras. NIS2 se empezo a transponer en los estados miembros. El AI Act establecio sus primeras obligaciones para sistemas de IA de alto riesgo.

El impacto real en H1: las empresas del sector financiero invirtieron significativamente en resiliencia operativa, testing de recuperacion ante desastres y gestion de riesgos de terceros. Las auditorias tecnologicas experimentaron un pico de demanda, especialmente en entidades que necesitaban demostrar cumplimiento.

NIS2 es la que mas preocupacion genera en el segmento mid-market. Afecta a muchas mas empresas de las que las propias empresas creen (sectores esenciales e importantes, que incluyen logistica, manufactura, alimentacion y gestion de residuos, entre otros). La mayoria no estan preparadas, y las sanciones son significativas.

Lo que no se cumplio

Los agentes autonomos no despegaron

La prediccion mas exagerada del H1. “2025, el ano de los agentes de IA” dijeron Gartner, Forrester y media industria. La realidad: los agentes de IA que operan autonomamente en entornos empresariales reales (no demos) siguen siendo experimentales. Los problemas de fiabilidad, coste y gobernanza no se han resuelto.

Donde si hay avance: agentes semi-autonomos que ejecutan flujos de trabajo predefinidos con supervision humana. Nuestros propios despliegues de agentes confirman que el modelo que funciona en produccion es agente + humano en el loop, no agente autonomo.

El obstaculo principal no es la capacidad del modelo. Es la confianza. Ninguna empresa quiere que un agente de IA envie un email al CEO de un cliente o ejecute una transaccion financiera sin supervision. Y construir los guardrails adecuados es significativamente mas complejo de lo que las demos sugieren.

Edge computing no exploto

Cada ano desde 2020, edge computing esta “a punto de explotar.” En H1 2025, sigue siendo relevante para casos de uso especificos (IoT industrial, vehiculos autonomos, CDNs) pero no ha tenido la adopcion masiva que los analistas previeron. El motivo: para la mayoria de las aplicaciones empresariales, la latencia de la nube publica (10-50ms) es perfectamente aceptable, y la complejidad de gestionar infraestructura distribuida en el edge no compensa.

La migracion masiva a Kubernetes no ocurrio en pymes

Otro clasico perenne. Las pymes y medianas empresas no estan migrando a Kubernetes. Estan migrando a PaaS modernos (Railway, Render, Fly.io) o a serverless (Lambda, Cloud Functions), que ofrecen los beneficios de la contenedorizacion sin la complejidad operativa de K8s. Kubernetes sigue consolidandose como estandar en enterprise, pero el mid-market lo esta bypasseando.

Tendencias no previstas

El “vibe coding” se institucionalizo

Nadie previo que “vibe coding” (usar LLMs para generar codigo completo a partir de descripciones en lenguaje natural) se convertiria en una practica seria en equipos de desarrollo. Cursor, Windsurf y herramientas similares han pasado de juguetes a herramientas de productividad que algunos equipos reportan les ahorra 2-3 horas diarias.

La tension: los equipos senior lo usan como acelerador. Los equipos junior lo usan como muleta. La calidad del codigo generado por LLM sin revision experta es preocupante, y estamos empezando a ver deuda tecnica generada por IA en bases de codigo de produccion.

La fatiga de herramientas se agravo

El numero de herramientas SaaS que una empresa mediana usa crecio a 130 (dato de Productiv, Q1 2025). La fatiga es real: equipos que pasan mas tiempo integrando herramientas que usandolas, datos fragmentados entre 15 plataformas, y costes de suscripcion que sumados superan el presupuesto de personal de IT.

La reaccion: una tendencia emergente de consolidacion. Empresas que estan reduciendo activamente su stack de herramientas y priorizando plataformas que cubran multiples funciones sobre soluciones best-of-breed para cada nicho.

Que nos dice esto sobre el H2

Si el H1 tiene un tema dominante, es la divergencia entre narrativa y realidad. La IA generativa funciona, pero el valor tangible sigue concentrado en casos de uso especificos. El cloud sigue creciendo, pero el control de costes no avanza al mismo ritmo. La regulacion esta mordiendo, pero la mayoria de las empresas llegan tarde a la compliance.

Para el H2, la apuesta pragmatica: invertir en aplicaciones concretas de IA con ROI medible (no en “estrategia de IA”), reforzar compliance para NIS2 y AI Act, y revisar la factura cloud antes de que el CFO lo haga por ti. Si necesitas una evaluacion del estado de tu infraestructura y operaciones, nuestro equipo de consultoria realiza diagnosticos tecnologicos que identifican los puntos de accion prioritarios.