Si has utilizado una versión gratuita de ChatGPT o de sus competidores basados en IA, es evidente que has hecho una buena compra.
Empresas como Microsoft, Google y Anthropic han invertido cientos de miles de millones de dólares en el desarrollo de Modelos de Lenguaje a Gran Escala (LLM, por sus siglas en inglés), la tecnología que sustenta esos servicios.
Por lo tanto, contratar a ChatGPT, Claude o Gemini para que te ayuden con tu discurso o tus planes de vacaciones es una ganga.
Pero, naturalmente, esas empresas quieren recuperar su inversión, por lo que ofrecen versiones de pago de su IA, que incluyen funciones adicionales para tareas como la codificación o la facturación.
Mientras tanto, empresas externas están desarrollando y vendiendo servicios basados en agentes de IA, generalmente basados en un modelo LLM, que están entrenados para realizar tareas específicas.
Pero fijar un precio para esos servicios es sorprendentemente difícil.
«Intentar vincular a alguien a un modelo de costes para los próximos 12 meses, dos años o tres años no tiene ningún sentido, sinceramente, porque no lo sabemos», afirma Simon Gooch de Saviynt, una empresa de gestión de identidades que está incorporando IA con agentes a sus servicios.
SavientEsto se debe a la rápida evolución de la economía en torno a los tokens, los componentes básicos de los modelos de aprendizaje automático y la IA con agentes.
Cuando un usuario le pide a un modelo de lenguaje natural (LLM), como ChatGPT o Claude de Anthropic, que responda a una pregunta, genere código de software o automatice un proceso, esa solicitud se descompone en fragmentos matemáticos llamados tokens, que el modelo puede procesar.
La respuesta del LLM también se presenta en forma de tokens, que se convierten de nuevo en texto, código de software o un conjunto de comandos para automatizar un proceso.
El problema es que este proceso no es del todo predecible.
Variaciones sutiles en la pregunta pueden generar respuestas diferentes. La misma pregunta no siempre produce la misma respuesta. Diferentes modelos producen respuestas diferentes.
Mientras tanto, en los sistemas basados en agentes, las empresas utilizan varios agentes de IA de forma conjunta para tomar decisiones y realizar acciones, lo que aumenta aún más tanto el uso de tokens como la imprevisibilidad.
Si bien el costo de los tokens individuales, o de los créditos utilizados para pagarlos, se ha desplomado en los últimos años, según un análisis de Goldman Sachs, la cantidad de tokens consumidos por empresas y consumidores se ha disparado.
El banco prevé que el consumo de tokens aumentará 24 veces entre 2026 y 2030, hasta alcanzar los 120 billones de tokens al mes, a medida que las empresas pasen de utilizar agentes de IA a utilizarlos.
Sin embargo, las empresas y los particulares que utilizan sistemas de IA suelen tener una idea poco precisa de cuántos tokens están consumiendo, hasta que se les acaban o reciben su factura mensual.
Según se informa, incluso Microsoft ha restringido el uso que hacen sus ingenieros de algunas herramientas de codificación de terceros, mientras que Uber, al parecer, agotó en cuestión de meses el presupuesto que tenía destinado a la codificación de IA para un año a principios de este año.
LSEWill Venters, profesor asociado de Innovación Digital y Sistemas de Información en la London School of Economics, afirmó que las empresas pueden verse perjudicadas al experimentar o implementar la IA internamente, ya que el personal consume rápidamente los tokens.
«A la gente le está resultando muy difícil gestionar ese coste… es un resultado no determinista, por lo que es un valor no determinista», dijo.
Las empresas están buscando maneras de sortear esta situación.
Oliver King-Smith, fundador de la empresa de software de ingeniería smartR AI, afirma que las organizaciones más pequeñas pueden «pasar desapercibidas y utilizar cuentas personales [de tarifa plana], algo que estoy seguro de que a los grandes proveedores no les gusta».
Pero, según él, «esto tiene que acabar en algún momento, porque los peces gordos están perdiendo mucho dinero con esas cuentas».
Cuando las grandes plataformas de IA empiecen a sufrir la presión de los accionistas para generar beneficios, predice: «Empezarán a tomar medidas drásticas».
King-Smith afirma que las empresas también deberían reflexionar más detenidamente sobre qué modelos de IA utilizar.
Las empresas también debían ser mucho más precisas con sus indicaciones, afirma Rob Steele, director financiero de la empresa británica de software de contabilidad iplicit.
«No mandarías a alguien de tu familia a hacer la compra semanal sin darle instrucciones detalladas sobre lo que esperas encontrar en esa cesta, ¿verdad?»
Venters señala que la situación puede volverse difícil de controlar cuando las empresas integran la IA en un producto que podría implementarse para miles de usuarios.
Los costes de la IA podrían dispararse. Por ejemplo, los directivos podrían darse cuenta de que necesitan tokens no solo para el desarrollo de software principal, sino también para otras tareas como pruebas, seguridad o la implementación de medidas de protección.
«Resulta especialmente difícil cuando se analizan procesos de agencia», afirma Ventners.
Según explica, contratar más agentes de IA puede hacerse con solo pulsar un botón, mientras que ampliar la plantilla humana implicaría debates minuciosos sobre el número de empleados y las contrataciones.
Venters señala que, si bien los costos de los tokens pueden ser impredecibles, es posible que la empresa, en última instancia, obtenga más valor del uso de sus tokens con IA.
«No es exactamente lo mismo que una calculadora», dice. «Cuanto más le des, más caro será, pero mejor será el resultado».
Pero las empresas aún tienen que trasladar esos costes a sus propios clientes.
«Nadie lo ha descifrado realmente», afirma Bill Peterson, director sénior de marketing de productos de Sumo Logic.
Según explica, la empresa de software está presentando nuevos servicios de seguridad basados en IA con agentes, pero está en conversaciones con clientes corporativos sobre cómo cobrar por ellos.
«Seguimos teniendo algunas conversaciones divertidas sobre esto internamente», dice con ironía.
Según él, las opciones podrían incluir simplemente aumentar los precios de forma generalizada, pagar por resultados o cobrar por «paquetes» de incidentes.
Pero cualquier estructura de precios que elija podría verse alterada si los grandes proveedores de modelos de lenguaje cambian sus propias estrategias de precios.
«Si se implementa un sistema de precios variables, este cambia cada dos meses», afirma. «A los clientes no les gusta eso. Nadie elabora un presupuesto de esa manera».