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 coincidían en una narrativa clara: IA generativa en todas partes, agentes autónomos como la siguiente gran cosa, cloud costs bajo control gracias a FinOps, y regulación europea (AI Act, DORA, NIS2) transformando las operaciones. Ahora que ha pasado medio año, toca revisar qué ocurrió realmente.
No todo fue como se predijo. Algunas tendencias se aceleraron más de lo esperado. Otras siguen siendo PowerPoints.
Lo que se cumplió
La IA generativa se normalizó (pero no como se esperaba)
La predicción era correcta: la IA generativa se ha integrado en los flujos de trabajo de la mayoría de las empresas tecnológicas. 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 patrón que observamos: las empresas que más valor extraen de la IA generativa son las que la aplican a problemas específicos y acotados (generación de borradores de email, resumen de documentos, asistencia en código) en lugar de las que intentaron proyectos ambiciosos de “transformación con IA.” Los chatbots genéricos para atención al cliente siguen teniendo tasas de resolución mediocres (35-45% sin escalado humano). Los asistentes especializados en un dominio concreto funcionan mucho mejor.
El dato más revelador: según una encuesta de McKinsey publicada en abril 2025, el 72% de las empresas usan IA generativa en al menos una función 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 subió (otra vez)
Contra las predicciones de “optimización y estabilización,” el gasto global en cloud pública creció un 22% interanual en H1 2025 según Synergy Research. AWS, Azure y GCP reportaron crecimientos de doble dígito. La razón: 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 adopción real pero no ha frenado el crecimiento absoluto. Ha conseguido que cada euro de cloud sea más eficiente, pero el número total de euros sigue subiendo porque las organizaciones ejecutan más 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 subió un 40% en un trimestre solo por añadir endpoints de inferencia de LLM vía Bedrock o Vertex AI.
La regulación europea mordió
DORA (Digital Operational Resilience Act) entró en vigor en enero 2025 para entidades financieras. NIS2 se empezó a transponer en los estados miembros. El AI Act estableció 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 recuperación ante desastres y gestión de riesgos de terceros. Las auditorías tecnológicas experimentaron un pico de demanda, especialmente en entidades que necesitaban demostrar cumplimiento.
NIS2 es la que más preocupación genera en el segmento mid-market. Afecta a muchas más empresas de las que las propias empresas creen (sectores esenciales e importantes, que incluyen logística, manufactura, alimentación y gestión de residuos, entre otros). La mayoría no están preparadas, y las sanciones son significativas.
Lo que no se cumplió
Los agentes autónomos no despegaron
La predicción más exagerada del H1. “2025, el año de los agentes de IA” dijeron Gartner, Forrester y media industria. La realidad: los agentes de IA que operan autónomamente en entornos empresariales reales (no demos) siguen siendo experimentales. Los problemas de fiabilidad, coste y gobernanza no se han resuelto.
Dónde sí hay avance: agentes semi-autónomos que ejecutan flujos de trabajo predefinidos con supervisión humana. Nuestros propios despliegues de agentes confirman que el modelo que funciona en producción es agente + humano en el loop, no agente autónomo.
El obstáculo principal no es la capacidad del modelo. Es la confianza. Ninguna empresa quiere que un agente de IA envíe un email al CEO de un cliente o ejecute una transacción financiera sin supervisión. Y construir los guardrails adecuados es significativamente más complejo de lo que las demos sugieren.
Edge computing no explotó
Cada año desde 2020, edge computing está “a punto de explotar.” En H1 2025, sigue siendo relevante para casos de uso específicos (IoT industrial, vehículos autónomos, CDNs) pero no ha tenido la adopción masiva que los analistas previeron. El motivo: para la mayoría de las aplicaciones empresariales, la latencia de la nube pública (10-50ms) es perfectamente aceptable, y la complejidad de gestionar infraestructura distribuida en el edge no compensa.
La migración masiva a Kubernetes no ocurrió en pymes
Otro clásico perenne. Las pymes y medianas empresas no están migrando a Kubernetes. Están migrando a PaaS modernos (Railway, Render, Fly.io) o a serverless (Lambda, Cloud Functions), que ofrecen los beneficios de la contenedorización sin la complejidad operativa de K8s. Kubernetes sigue consolidándose como estándar en enterprise, pero el mid-market lo está bypasseando.
Tendencias no previstas
El “vibe coding” se institucionalizó
Nadie previo que “vibe coding” (usar LLMs para generar código completo a partir de descripciones en lenguaje natural) se convertiría en una práctica 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 tensión: los equipos senior lo usan como acelerador. Los equipos junior lo usan como muleta. La calidad del código generado por LLM sin revisión experta es preocupante, y estamos empezando a ver deuda técnica generada por IA en bases de código de producción.
La fatiga de herramientas se agravó
El número de herramientas SaaS que una empresa mediana usa creció a 130 (dato de Productiv, Q1 2025). La fatiga es real: equipos que pasan más tiempo integrando herramientas que usándolas, datos fragmentados entre 15 plataformas, y costes de suscripción que sumados superan el presupuesto de personal de IT.
La reacción: una tendencia emergente de consolidación. Empresas que están reduciendo activamente su stack de herramientas y priorizando plataformas que cubran múltiples funciones sobre soluciones best-of-breed para cada nicho.
Qué 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 específicos. El cloud sigue creciendo, pero el control de costes no avanza al mismo ritmo. La regulación está mordiendo, pero la mayoría de las empresas llegan tarde a la compliance.
Para el H2, la apuesta pragmática: 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 evaluación del estado de tu infraestructura y operaciones, nuestro equipo de consultoría realiza diagnósticos tecnológicos que identifican los puntos de acción prioritarios.