Por Canuto  

Las empresas estarían inclinándose por modelos de IA menos costosos para tareas rutinarias, mientras la competencia reduce los precios por token. Datos atribuidos a Ramp apuntan a una menor participación de modelos de frontera; aun así, el gasto en inferencia podría crecer si aumenta el uso de sistemas agénticos.
***

  • La nota atribuye a Ramp datos de agosto de 2026 que sitúan las compras de Anthropic por encima de las de OpenAI en su muestra de empresas.
  • La publicación reporta una caída en la participación de modelos de frontera y en los precios efectivos; las cifras describen métricas distintas y deben leerse con esa distinción.
  • Gartner prevé que el costo de inferencia por flujo de trabajo agéntico aumente más de cinco veces hasta 2028, incluso si baja el precio por token.

Empresas buscan IA más barata mientras la competencia redefine el valor de los modelos

Las compañías estadounidenses estarían priorizando modelos de inteligencia artificial menos costosos cuando estos resuelven una tarea con suficiente fiabilidad, en vez de recurrir por defecto a los sistemas más potentes. La tendencia, descrita por Cryptopolitan con base en cifras atribuidas a Ramp y en reportes de prensa, refleja un cambio de criterio: importa cada vez más cuánto cuesta completar un trabajo, no solo quién encabeza las pruebas de rendimiento.

La lógica de compra descrita es sencilla: reservar los modelos de frontera, más costosos, para tareas que realmente exigen sus capacidades y encargar el trabajo habitual a alternativas económicas que alcancen un nivel aceptable. El Financial Times, citado en la nota, relaciona esa selección con la reducción de la brecha de capacidades entre sistemas y con la caída de los precios de los tokens, unidades que los modelos procesan al recibir instrucciones y generar respuestas.

La compra corporativa se desplaza hacia el costo por tarea

El texto atribuye a Ramp un índice publicado el 9 de septiembre y señala que, según datos de gasto de agosto de 2026, 43,8% de las empresas estadounidenses incluidas en su muestra compraron productos de Anthropic, frente a 39,8% que adquirieron productos de OpenAI. La cifra describe compras dentro de esa muestra, no la totalidad del mercado ni necesariamente la cuota de uso de cada proveedor.

La misma publicación sostiene que la participación de modelos de frontera en el uso de tokens bajó de aproximadamente 53% a comienzos de agosto a 45%. También reporta una caída de 41% en un índice de precios efectivos, hasta cerca de USD 0,68 por millón de tokens. Son indicadores diferentes: uno se refiere a la participación de uso atribuida a modelos de frontera y el otro a precios efectivos. Por sí solos, no demuestran que todas las empresas hayan reducido su dependencia de los sistemas más avanzados.

La adopción de sistemas agénticos también aparece ligada al ahorro, aunque no exclusivamente. Un informe de la OCDE publicado, según la nota, en septiembre de 2026 recogió entrevistas con 25 organizaciones y encontró que reducir costos era una motivación frecuente, junto con elevar la productividad y responder a la escasez de mano de obra.

Precios menores intensifican la competencia

La publicación describe una competencia cada vez más enfocada en el precio y el rendimiento, y atribuye a OpenAI el lanzamiento de GPT-6 Sol y GPT-6 Luna el 22 de septiembre. La compañía presentó esos modelos con precios de API al menos 50% inferiores a los de GPT-5.6, según la información citada. Para GPT-6 Sol, la nota indica una tarifa de USD 2 por millón de tokens de entrada y USD 10 por millón de tokens de salida; no proporciona una tarifa específica para GPT-6 Luna.

Anthropic también presentó Claude Opus 5.5. La empresa afirma que cuesta 40% menos que Opus 5 en cargas de trabajo típicas, según la presentación del modelo. Esa comparación atribuida a Anthropic no equivale a una medición independiente. La nota también menciona el lanzamiento de Grok 4.7, de xAI, como parte de la competencia por modelos más económicos.

La presión sobre los costos no se limitaría a anuncios puntuales. Según Epoch AI, citado en la nota, el precio de alcanzar un nivel constante de rendimiento en inteligencia artificial cayó alrededor de 47% por trimestre desde 2023, un ritmo que el texto traduce en una reducción aproximada de trece veces al año. La métrica se refiere al costo de obtener cierto nivel de capacidad, no a que cada servicio o factura empresarial haya bajado en la misma proporción.

El descenso de precios modifica los incentivos tanto para los compradores como para los proveedores. Las empresas pueden probar más modelos o trasladar tareas rutinarias a alternativas económicas, mientras que los desarrolladores enfrentan presión para justificar los precios de sus sistemas avanzados con mejoras visibles en precisión, fiabilidad o capacidad para resolver trabajos complejos.

Las comparaciones ponen el foco en el precio por resultado

La nota sostiene que las empresas empiezan a medir el rendimiento junto con el costo de completar una tarea. Como ejemplo, cita AutomationBench de Zapier, que evalúa agentes a través de flujos de trabajo de extremo a extremo en herramientas empresariales. El director ejecutivo de Zapier describió a Claude Opus 5.5 como un modelo con una puntuación de 40% en AutomationBench; esa cifra difiere del 42,47% que aparece en la publicación y que no queda respaldado por la información disponible. Por ello, no corresponde presentar el 42,47% como un resultado confirmado.

Artificial Analysis asignó a GPT-6 Sol una puntuación de 48 en su Índice de Inteligencia para la variante de máximo esfuerzo, según la página de seguimiento del modelo. La publicación calcula un costo estimado de USD 1,06 por tarea. También compara esa cifra con MiMo-V2.6-Pro, de Xiaomi, al que atribuye 46 puntos y un costo de USD 0,13 por tarea. Esas cifras corresponden a evaluaciones concretas y no garantizan que un sistema sea superior para cualquier empresa o flujo de trabajo.

La utilidad depende de la tarea, de los requisitos de fiabilidad y de cómo se calcula el costo. Las comparaciones de benchmarks pueden orientar una decisión, pero no sustituyen las pruebas en los procesos específicos de cada compañía.

El ahorro unitario no asegura una factura menor

Un precio más bajo por token puede hacer que el gasto total aumente si las empresas consumen mucho más servicio, una dinámica conocida como paradoja de Jevons. Axios, de acuerdo con la nota, plantea esa posibilidad para la inteligencia artificial: al abaratarse el uso, más equipos podrían incorporar modelos en nuevos procesos y elevar el volumen total de inferencias, aunque disminuya el costo unitario.

Gartner prevé que el costo de inferencia por flujo de trabajo agéntico aumente más de cinco veces hasta 2028, según su pronóstico publicado en agosto de 2026. La proyección no contradice necesariamente la caída de los precios por token: una empresa puede pagar menos por cada unidad procesada y, al mismo tiempo, gastar más si ejecuta muchos más agentes o amplía el número de tareas automatizadas.

La posible expansión también depende de condiciones que van más allá del precio del modelo. Un informe de Microsoft sobre difusión global de IA, citado por la publicación, señala que los modelos asequibles y abiertos pueden ampliar el acceso, pero identifica la infraestructura, la conectividad y las habilidades como factores decisivos para determinar quién puede aprovecharlos.

En ese escenario, el enrutamiento entre varios modelos se vuelve una alternativa para asignar cada solicitud según su complejidad e importancia, en lugar de depender de un solo proveedor. Para las compañías, su atractivo dependería de que puedan comparar resultados, controlar costos y asegurar que cada modelo cumpla los requisitos de la tarea.

La conclusión de la nota es que la mejor IA para una empresa podría no ser la más potente, sino la que resuelva una necesidad al menor costo aceptable. Las cifras de gasto, precios y benchmarks citadas describen fuentes y pruebas concretas; su alcance depende de las muestras y metodologías empleadas.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados