Durante la era del software tradicional, las empresas pagaban por acceso: una licencia, una suscripción, una infraestructura. Una vez instalado el sistema, cada clic adicional era prácticamente gratis. Así lo describe Tiffany Chang, directora de Comunicaciones Estratégicas de Tecnología en Kneron, en una columna publicada en el Forbes Technology Council.
Según Chang, la inteligencia artificial generativa rompió ese modelo en silencio. Cada vez que un empleado le pide a la IA que resuma una reunión, redacte un correo o analice una hoja de cálculo, la empresa paga por otra unidad de inteligencia. El costo de un solo prompt puede ser casi insignificante, pero multiplicado por miles de empleados y millones de interacciones, la inteligencia empieza a parecerse menos a un software y más a un servicio medido, como la electricidad.
La autora sostiene que ese cambio no recibe la atención que sí obtienen los rankings de modelos o los lanzamientos de nuevas versiones, pero podría tener un impacto mayor en cómo las empresas adoptan la IA. Cuando el uso deja de ser experimental y se integra a la operación diaria, los ejecutivos dejan de comparar un modelo contra otro y empiezan a preguntar si cada interacción con IA genera suficiente valor para justificar su costo.
No todas las tareas requieren el modelo más avanzado, según el planteamiento de Chang. Investigación jurídica compleja, descubrimiento científico, diseño de ingeniería o planificación estratégica sí justifican inteligencia de frontera. Pero la mayor parte del trabajo dentro de una empresa —resumir documentos, clasificar información, responder preguntas rutinarias— es repetitivo y estructurado, y no necesita el modelo más caro disponible.
La comparación que usa la autora es la red eléctrica: una lámpara de escritorio, un refrigerador y una máquina de resonancia magnética no reciben la misma cantidad de energía aunque estén conectados a la misma red. Aplicar ese principio a la IA, sostiene, tiene sentido económico: no toda consulta necesita la inteligencia más costosa. Desde esa lógica, la eficiencia del hardware, el lugar donde se procesa la inferencia y el enrutamiento inteligente de tareas entre distintos modelos se convierten en decisiones de negocio, no solo técnicas.
Chang anticipa que las empresas dejarán de preguntar qué modelo encabeza el ranking de rendimiento y empezarán a evaluar la IA como cualquier otra inversión estratégica: cuánto valor genera frente a lo que cuesta. La pregunta relevante ya no sería «qué modelo es el más inteligente», sino «qué decisión valió la pena pagar».
El mercado ya está haciendo esa cuenta. Durante dos años, la carrera de la IA se midió en benchmarks y en tamaño de modelos, una métrica que favorece el gasto de capital sin exigir retorno inmediato. Lo que describe la columna de Kneron es la llegada de la disciplina de mercado a ese gasto: cuando la inteligencia se factura por unidad, cada empresa debe justificar el margen, no solo la ambición tecnológica.
Es, en el fondo, la misma lógica que rige cualquier asignación de capital: el recurso más caro se reserva para donde produce el mayor retorno, y el resto se resuelve con la herramienta más barata que funcione. Nadie regala electricidad ilimitada a una lámpara de escritorio, y pronto nadie pagará inteligencia de frontera para tareas que no la necesitan.
