Por Canuto  

El auge de la inteligencia artificial ya está dejando una marca visible en las finanzas corporativas de Estados Unidos. Nuevos datos muestran que un pequeño grupo de empresas está destinando miles de dólares mensuales por empleado a modelos, tokens y agentes de IA, aunque ese gasto todavía no supera el costo de su plantilla humana.
***

  • El 1% de las empresas más enfocadas en IA gasta USD $7.500 por empleado al mes, según el Ramp AI Index.
  • El 10% superior desembolsa cerca de USD $611 mensuales por trabajador, mientras la mediana apenas llega a USD $11,38.
  • Entre las firmas más intensivas en IA, el gasto por empleado subió 14,1% el mes pasado.

 

El gasto empresarial en inteligencia artificial sigue creciendo en Estados Unidos, pero todavía no ha desplazado por completo a los salarios como principal costo laboral. Esa es una de las conclusiones más llamativas del más reciente Ramp AI Index, un indicador que rastrea la adopción de herramientas de IA entre compañías estadounidenses.

Los datos muestran una brecha importante entre las empresas que apenas prueban estas tecnologías y aquellas que ya organizan buena parte de su operación alrededor de modelos, agentes y consumo de tokens. En el extremo más agresivo, el 1% superior de las compañías descritas como “AI-pilled” ya desembolsa USD $7.500 por empleado cada mes.

Aun así, esa cifra no supera el ingreso mensual aproximado de un ingeniero de software promedio, estimado en unos USD $16.000. El dato sirve para matizar una narrativa que ha ganado fuerza en semanas recientes, según la cual algunas firmas estarían gastando más en IA que en personas.

De acuerdo con la información publicada por TechCrunch, la presión sobre los presupuestos sí es real, especialmente en compañías que usan agentes internos y herramientas avanzadas de manera intensiva. Sin embargo, los números todavía sugieren que, en la mayoría de los casos, el capital humano sigue siendo más caro que la infraestructura de IA.

Una fiebre desigual dentro de las empresas

El contraste entre grupos empresariales es uno de los puntos más reveladores del informe. Mientras el 1% superior gasta USD $7.500 por empleado al mes, el 10% superior invierte alrededor de USD $611 por trabajador. La mediana, en cambio, apenas llega a USD $11,38 por empleado, una cifra que se aproxima al costo de un asiento en un plan empresarial.

Ese salto ilustra que la adopción de IA no ocurre de manera homogénea. Para muchas compañías, la inteligencia artificial sigue siendo una herramienta de productividad puntual. Para otras, ya se está convirtiendo en una capa operativa crítica, con un impacto directo sobre la estructura de costos.

El término “AI-pilled”, utilizado por Ramp para describir al segmento más intensivo, apunta precisamente a ese grupo de empresas que ha abrazado la IA como parte central de su estrategia. No se trata solo de adquirir licencias de software, sino de sostener un consumo constante de modelos, cómputo y tokens.

En el contexto actual, esto tiene implicaciones para inversionistas, fundadores y equipos financieros. Una compañía puede parecer liviana en plantilla y, al mismo tiempo, mantener una factura tecnológica mucho más pesada de lo que sugeriría su número de empleados.

Presión por tokens, cómputo y agentes internos

La conversación sobre el costo de la IA se ha intensificado por declaraciones recientes de ejecutivos del sector. Un directivo de Nvidia dijo recientemente que el costo de la computación ya es mayor que los salarios de sus empleados. La semana pasada, el CEO de Mercor también afirmó que su startup está gastando más en tokens para agentes internos que en nómina.

Ese tipo de comentarios ha alimentado la idea de que el software basado en modelos generativos ya compite de frente con los gastos tradicionales de personal. No obstante, el nuevo conjunto de datos de Ramp sugiere que ese escenario extremo todavía no representa la norma en el tejido empresarial estadounidense.

Lo que sí parece estar ocurriendo es un agotamiento creciente de los presupuestos asignados a tokens. En la práctica, esto refleja el costo de operar herramientas que procesan grandes volúmenes de texto, automatizan tareas o alimentan agentes capaces de ejecutar flujos internos de trabajo.

Para lectores menos familiarizados con el tema, los tokens funcionan como la unidad básica de consumo en muchos servicios de IA generativa. Cuanto mayor sea el uso de modelos avanzados, mayor será la factura mensual. En equipos que automatizan atención, desarrollo, análisis o soporte interno, ese consumo puede escalar con rapidez.

El gasto sigue creciendo, aunque no está claro por cuánto tiempo

Uno de los datos más concretos del índice es que, entre las empresas “AI-pilled”, el gasto en IA por empleado aumentó 14,1% solo el mes pasado. La cifra sugiere que la curva de adopción aún no se ha estabilizado, al menos en el grupo más adelantado.

Sin embargo, tampoco está claro si ese ritmo podrá mantenerse. El uso intensivo de modelos de frontera suele implicar costos elevados, y muchas empresas están buscando fórmulas para controlar el impacto de esa expansión sobre sus márgenes operativos.

Según el reporte citado, las compañías del 1% superior tienden a mezclar y combinar proveedores. Esto significa que alternan entre múltiples modelos y plataformas de vanguardia, mientras aprovechan también opciones de código abierto que pueden resultar más baratas.

Esa estrategia apunta a una lógica financiera cada vez más visible en el mercado de IA. Las empresas no solo quieren acceder al mejor rendimiento posible, sino también evitar una dependencia excesiva de un único proveedor. En un entorno donde el precio del cómputo y de los tokens puede variar de forma significativa, esa flexibilidad se vuelve relevante.

Qué significa esto para el mercado tecnológico

Más allá del dato puntual, el informe aporta una señal importante para entender la economía de la IA en 2026. La gran mayoría de las empresas todavía opera con niveles modestos de gasto por empleado, pero una minoría muy activa ya está empujando con fuerza la demanda de infraestructura, modelos y servicios asociados.

Esto puede beneficiar a plataformas de IA, fabricantes de chips, proveedores cloud y desarrolladores de modelos abiertos. También ayuda a explicar por qué la competencia entre grandes actores del sector se ha centrado no solo en capacidad técnica, sino en esquemas de precio, eficiencia y acceso empresarial.

Para el ecosistema de mercados, startups y tecnología, el mensaje es claro. La IA ya dejó de ser un experimento barato en ciertos nichos y empieza a convertirse en una línea presupuestaria relevante. Aun así, los salarios siguen por encima en términos absolutos, al menos con la evidencia disponible en este momento.

La lectura más prudente es que la transición sigue en marcha. Algunas firmas ya sienten la presión de una factura mensual creciente por agentes, modelos y tokens. Otras apenas pagan el equivalente a una suscripción corporativa. En ambos casos, la trayectoria del gasto sugiere que la discusión sobre rentabilidad, productividad y retorno de inversión en IA solo se volverá más intensa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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