El uso de la inteligencia artificial se dispara. También los costos.

Estas variaciones adquieren cada vez mayor relevancia a medida que cambian rápidamente tanto la forma en que las empresas pagan por la IA como el precio de los tokens.

Cambios en el modelo de precios

Los usuarios individuales acceden a los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) mediante suscripciones que, por lo general, limitan el consumo de tokens y cobran una tarifa fija. Muchas de las básicas incluso son gratuitas. En el caso de las empresas, que cuentan con las denominadas suscripciones empresariales, el consumo no tiene límite y, por lo general, los precios se han basado en un esquema de pago por usuario.

Pero esto está cambiando. A medida que se generalizó el uso de agentes de IA, los proveedores comenzaron a sustituir sus esquemas por otros en los que el precio depende directamente del nivel de uso. Para muchas empresas, utilizar IA se parece hoy más a pagar un servicio según el consumo que a contratar una suscripción tradicional de software. Como consecuencia, el gasto corporativo pasó a depender directamente tanto del volumen de uso como del precio de los tokens, que ha aumentado más del 60% desde diciembre de 2025 debido al fuerte incremento de la demanda de capacidad de cómputo en los centros de datos. La evolución ha sido volátil: distintas oleadas de compañías adoptaron modelos de IA basados en agentes, antes de que algunas reconsideraran esa estrategia ante el aumento de los costos.

Algunas estimaciones indican que un ingeniero de software de una empresa con una suscripción empresarial a Claude podría generar una factura mensual de hasta 730 dólares por consumo de tokens³. En ese caso, una empresa típica del Fortune 500 con cinco mil ingenieros superaría los 3,5 millones de dólares al mes en programación asistida por IA. Los informes también señalan que quienes hacen un uso más intensivo de esta tecnología han llegado a registrar facturas mensuales de varios miles de dólares y que, en algunos casos, agotaron el presupuesto anual destinado a la programación asistida por IA antes de mayo. Estos niveles de utilización han aumentado con rapidez y podrían terminar chocando con las restricciones presupuestarias.

Un nuevo enfoque para la IA

Esta dinámica de costos ya está influyendo en el comportamiento de las empresas y llevándolas a replantearse los planes de adopción que priorizaban acelerar el uso de la IA lo más rápido posible. Directivos de compañías tecnológicas han reconocido que, en ocasiones, resulta difícil establecer una relación clara entre el aumento del uso de la IA y una mejora en el desempeño de sus productos.

Hasta los grandes proveedores de IA están revisando su propio enfoque. Algunos ya han comenzado a reducir el uso de determinadas herramientas externas debido a sus elevados costos y a orientar a su personal hacia soluciones internas, suficientes para la mayoría de las tareas. En un caso, incluso se eliminó una competencia creada para fomentar la adopción de esta tecnología después de que algunos empleados comenzaran a consumir tokens para mejorar su posición, sin que ello se tradujera en mejores resultados.

En conjunto, empieza a perfilarse una tendencia: las empresas se están adaptando al aumento de los costos y dejando de ampliar indiscriminadamente el uso de la IA para centrarse en las aplicaciones que ofrecen el mayor retorno sobre la inversión.

¿Basta con que sea lo suficientemente buena?

A medida que aumentan los costos asociados al uso de la IA en las empresas, la limitada ventaja de los modelos estadounidenses frente a sus competidores chinos podría dejar de ser el principal factor al decidir cuál adoptar. El principal LLM de China, GLM-5.2, iguala el desempeño del mejor modelo del mundo en marzo y cuesta más de 80% menos que el líder actual. Para las compañías que toman decisiones en función de los costos, renunciar a una pequeña parte de la calidad —que, en ocasiones, ni siquiera es necesaria— a cambio de un ahorro tan significativo puede resultar una opción atractiva.

Esta dinámica tiene importantes implicaciones para la próxima etapa de expansión de la IA. Ya vimos algo similar durante la revolución de la computación en la nube en la década de 2010: lo que comenzó como una capacidad escasa y casi "mágica" terminó convirtiéndose en un gasto más del presupuesto que debía optimizarse. Una vez que el uso de la nube se normalizó, la capacidad para mantener precios elevados dejó de concentrarse en los proveedores generalistas más costosos y pasó a las partes del ecosistema que eran más difíciles de reemplazar.

La IA parece seguir el mismo camino. A medida que surjan más modelos "suficientemente buenos" a una fracción del costo, las empresas podrían reservar los más avanzados para el reducido número de tareas en las que ofrecen un mayor retorno. Todo lo demás podría gestionarse como un servicio facturado según el consumo, igual que la electricidad o el agua.

Los cuellos de botella crean oportunidades de inversión

Tanto la oferta como la demanda están detrás del aumento del costo de los tokens. La demanda de IA continúa creciendo y todavía tiene margen para seguir expandiéndose, incluso si parte de ella se cubre con modelos que quedan ligeramente por detrás de los de vanguardia. Sin embargo, la oferta de capacidad de cómputo está limitada por el tiempo y esfuerzo que requiere la construcción de centros de datos de gran escala.

Los fabricantes de semiconductores, los proveedores de servicios en la nube, las empresas de generación eléctrica y otros segmentos de la infraestructura para IA seguirán siendo algunos de los principales beneficiarios a medida que continúe la inversión en la siguiente fase de adopción de esta tecnología.