Hace dos años, la mayor pregunta en torno a la inteligencia artificial era si las empresas la usarían en absoluto. Hoy, es una de las tecnologías de adopción más rápida en la historia, con casi una de cada cuatro empresas estadounidenses implementándola a gran escala. Pero el debate ahora se ha desplazado a una cuestión más compleja: cuando el uso de la IA aumenta, ¿los resultados justifican los costes?
En esencia, el aumento de los costes de la IA está impulsado por el precio de los tokens de IA: la unidad de texto que un modelo generativo de IA (como ChatGPT) procesa.1 Cuanto más compleja es la tarea que intenta un modelo de IA, más tokens consume. Y más potencia de cómputo requiere de los centros de datos. Por ejemplo, un borrador corto de correo electrónico puede ser barato. Un “agente” de múltiples pasos que lee documentos, compara opciones, escribe código, itera y produce resultados estructurados puede ser mucho más “caro”, porque consume tokens en cada paso.
Las empresas han aprendido esto de la manera difícil, ya que algunos equipos o empleados consumen enormes cantidades de tokens muy rápidamente. Los datos de junio muestran que el 1% de usuarios que más usan la IA consume más de 600 veces la cantidad de tokens que el usuario medio.2 Esta intensidad tiende a concentrarse en casos complejos de codificación, mientras que los casos más comunes son mucho menos “pesados en tokens”.
Estas variaciones están adquiriendo cada vez más importancia en un momento en el que tanto la forma en que las empresas pagan por la IA como los precios de los tokens cambian rápidamente.
Los individuos que usan modelos de IA acceden a ellos a través de suscripciones “de consumidor”, que típicamente limitan el uso de tokens y cobran una tarifa fija. Muchas suscripciones básicas incluso son gratuitas. Para las empresas, que tienen suscripciones “empresariales”, el uso no está limitado y los precios típicamente se cobraban por empleado.
Sin embargo, se está produciendo un cambio. Con el aumento del uso de tokens con la llegada de agentes de IA que consumen muchos, los proveedores de IA comenzaron a cambiar sus modelos de precios a otros donde los costes escalan directamente con la actividad. Para muchas empresas, los precios de la IA ahora se parecen más a las facturas de servicios públicos que a las suscripciones tradicionales de software. Con este cambio de esquema, los costes corporativos comenzaron a estar directamente vinculados al uso y precios de tokens, que han subido más del 60% desde diciembre de 2025 debido al aumento de la demanda de capacidad computacional en los centros de datos. Esta tendencia ha sido volátil, ya que varias oleadas de empresas se lanzaron a modelos de agentes con alto consumo de tokens, antes de que algunas se retractaran por los altos costes.
Algunas estimaciones sugieren que un ingeniero de software en una empresa con una suscripción empresarial de Claude podría acumular una factura de tokens de hasta 730 USD mensuales.3 Hipotéticamente, eso significa que una empresa típica de Fortune 500 con 5,000 ingenieros superaría los 3.5 millones de USD en gastos mensuales solo en codificación de IA. Los informes indican que los usuarios más intensivos han incurrido en costes mensuales de miles de dólares, con algunos agotando el presupuesto anual de codificación de IA antes de mayo. Estos niveles de uso han estado aumentando rápidamente y podrían estar enfrentándose a límites en el presupuesto.
Estas dinámicas de costes ya están moldeando el comportamiento corporativo y haciendo que las empresas reconsideren los planes de adopción que priorizaban escalar el uso de IA tan rápido como fuera posible. Los ejecutivos de empresas tecnológicas han reconocido que a veces es difícil establecer una conexión clara entre el aumento en el uso de IA y la mejora en los resultados del producto.
Incluso los hiperescaladores de IA están haciendo introspección. Algunos han comenzado a reducir el uso interno de ciertas herramientas externas de IA debido a los altos costes, redirigiendo a los empleados hacia herramientas internas que son suficientes para la mayoría de las tareas. En un caso, se eliminó una tabla de clasificación interna diseñada para fomentar la adopción de IA después de que los empleados comenzaran a consumir tokens para mejorar sus posiciones sin mejorar la producción.
En conjunto, estamos ante el siguiente patrón: las empresas se están adaptando a los costes más altos alejándose de escalar ciegamente el uso de IA y hacia la optimización allá donde ofrece el mejor retorno de inversión.
Con el aumento de los costes corporativos de IA, la superioridad marginal de los modelos de IA estadounidenses sobre los competidores chinos puede que ya no sea el único factor que impulse las decisiones de adopción. El principal LLM chino, GLM-5.2, tiene un desempeño tan bueno como el mejor modelo mundial en marzo (GPT-5.4), pero cuesta alrededor de un 80% menos que el modelo global líder actual (Claude Fable 5). Para las empresas que toman decisiones basadas en costes, sacrificar una pequeña cantidad de calidad (a veces innecesaria) por un descuento tan elevado puede ser atractivo.
Esta dinámica tiene grandes implicaciones para el futuro del despliegue de IA. Hemos visto algo similar antes con la revolución de la computación en la nube de la década de 2010: lo que comenzó como una capacidad escasa y aparentemente “mágica” eventualmente se convirtió en una consideración presupuestaria para optimizar. Una vez que el uso de la nube se volvió normal, el poder de fijación de precios se desplazó de los proveedores genéricos más caros hacia las partes del ecosistema que eran más difíciles de reemplazar.
La IA está siguiendo el mismo camino. A medida que surgen más modelos “suficientemente buenos” a una fracción del coste, las empresas podrían reservar los modelos premium para la pequeña parte del trabajo donde ofrecen un mayor retorno. Todo lo demás podría tratarse como un producto indiferenciado más a gestionar, similar a otra factura de electricidad o agua.
Tanto la oferta como la demanda impulsan el aumento en los costes de tokens. La demanda de IA sigue aumentando y aún tiene camino por recorrer, incluso si parte de esa demanda se satisface con modelos que están un poco detrás de la frontera. Pero la oferta de capacidad de cómputo se ve ralentizada por el tiempo y el esfuerzo necesarios para construir los enormes centros de datos.
Las empresas de semiconductores, proveedores de la nube, generadores de energía y otras partes de la infraestructura de IA siguen siendo beneficiarios principales, ya que las empresas invierten para apoyar la próxima fase de adopción.
Le podemos ayudar a navegar las complejidades del panorama financiero actual. Póngase en contacto con nosotros para descubrir cómo
ContactarEconomía y mercados
MÁS INFORMACIÓN sobre nuestra firma y profesionales de la inversión en FINRA BrokerCheck
Para obtener más información sobre el negocio de inversión de J.P. Morgan, incluidos productos, servicios y cuentas, así como nuestra relación con usted, consulte nuestro Formulario CRS de J.P. Morgan Securities LLC y nuestra Guía de servicios de inversión y productos de intermediación.
JPMorgan Chase Bank, N.A. y sus filiales (conjuntamente, “JPMCB”) ofrecen productos de inversión, que pueden incluir cuentas bancarias gestionadas y de custodia como parte de sus servicios fiduciarios y de administración. Otros productos y servicios de inversión, como las cuentas de intermediación y asesoramiento, se ofrecen a través de J.P. Morgan Securities LLC ("JPMS"), miembro de la FINRA y la SIPC. Los productos de seguros están disponibles a través de Chase Insurance Agency, Inc. (CIA), una agencia de seguros autorizada, que opera bajo el nombre de Chase Insurance Agency Services, Inc. en Florida. JPMCB, JPMS y CIA son empresas afiliadas bajo el control común de JPMorgan Chase & Co. Los productos no están disponibles en todos los estados. Por favor, lea el aviso legal para las filiales regionales de J.P. Morgan Private Bank y otra información importante en conjunto con estas páginas.
