Por Canuto  

El abaratamiento de los tokens no necesariamente reduce el gasto total en inteligencia artificial: puede estimular nuevos usos y sostener la demanda de cómputo. Esa dinámica, conocida como paradoja de Jevons, favorece un escenario de crecimiento para la industria, aunque deja abierta una pregunta clave: cuánto consumo proviene de personas y cuánto de agentes automatizados.
***

  • Datos citados por The Decoder muestran que los precios de los tokens bajan, mientras el alquiler de GPU H100 se mantiene estable o sube.
  • La expansión de agentes y aplicaciones podría elevar el uso de cómputo más rápido de lo que cae el costo por token.
  • Si la demanda se estanca, fabricantes de chips, proveedores de memoria, energía y servicios de nube quedarían expuestos.

Los tokens de inteligencia artificial cuestan menos, pero esa reducción no necesariamente frena la necesidad de procesarlos. Un análisis citado por The Decoder describe una dinámica en la que la caída del precio unitario coincide con tarifas de alquiler de GPU H100 estables o al alza, un patrón compatible con la paradoja de Jevons y con un escenario de expansión para la industria.

El efecto rebote detrás de los precios más bajos

La paradoja de Jevons plantea que una mejora de eficiencia puede abaratar el uso de un recurso y, en vez de reducir su consumo total, estimularlo. Aplicada a la IA, la idea es que tokens menos costosos facilitan más consultas, automatizaciones y servicios, de modo que el volumen adicional puede compensar, o incluso superar, el ahorro obtenido en cada operación.

La información descrita por The Decoder compara un índice de precios de tokens con el costo de alquiler de GPU H100 y recoge datos de Ornn, Silicon Data y Bloomberg hasta agosto de 2026. De acuerdo con ese resumen, el índice de tokens continúa bajando, mientras que las tarifas de las H100 se mantienen firmes o aumentan. La divergencia sugiere que el costo por unidad no cuenta por sí solo toda la historia de la demanda.

El reporte vincula los precios menores con la expansión de agentes de IA, automatización y nuevas aplicaciones. Cuando una tarea se vuelve más barata, empresas y desarrolladores pueden incorporarla a procesos que antes no justificaban ese gasto, y también ejecutar más operaciones dentro de un mismo producto. Esa respuesta potencial explica por qué el abaratamiento no equivale automáticamente a menos cómputo.

Para los proveedores de hardware, la variable decisiva es el uso agregado, no solo cuánto cuesta cada token. Si el número de tareas crece con suficiente rapidez, los centros de datos todavía necesitan procesadores, capacidad eléctrica y servicios de nube, aunque el precio de la inferencia caiga. Esa es la lógica que vuelve positiva para la industria la paradoja descrita, aunque no demuestra por sí sola que la demanda vaya a crecer de forma sostenida.

La incógnita del consumo automatizado

Una pregunta central es quién genera el aumento de actividad: usuarios humanos o sistemas que trabajan de forma autónoma. El material citado no establece una proporción entre ambos grupos, por lo que no permite afirmar cuánto del consumo corresponde a cada uno; sí plantea que los agentes pueden contribuir a elevar el uso de tokens.

Un agente puede encadenar pasos para completar una tarea, en lugar de limitarse a responder una solicitud aislada. Ese patrón podría multiplicar las operaciones que necesita un servicio incluso si el número de usuarios humanos aumenta poco, por lo que medir únicamente usuarios o consultas visibles podría ofrecer una imagen incompleta de la carga que soporta la infraestructura.

El informe plantea que la actividad de agentes podría aumentar la demanda de cómputo, pero no demuestra que el crecimiento observado sea artificial ni identifica qué proporción del uso corresponde a esos sistemas. La incertidumbre complica la lectura de los indicadores: una parte del consumo puede reflejar una adopción amplia y otra, la intensidad con que los propios sistemas ejecutan procesos.

La diferencia importa para evaluar la duración de la demanda. Si los agentes continúan generando trabajo útil y las empresas los incorporan a más tareas, el consumo podría sostenerse; si buena parte de la actividad proviene de ciclos automatizados que no se traducen en un uso persistente, las necesidades de hardware podrían resultar menos duraderas de lo que sugieren las cifras agregadas.

Una cadena expuesta a cualquier frenazo

La tesis depende de que el crecimiento del uso compense la reducción de los precios por token. Mientras aumente el volumen total, el hardware podría seguir escaso y costoso; si la demanda se estanca, el ajuste no afectaría únicamente a quienes alquilan GPU, sino también a fabricantes de chips y proveedores de memoria, además de empresas de energía y compañías de nube.

Esta interdependencia explica por qué una historia sobre precios de IA también puede convertirse en una preocupación para los mercados. La construcción y operación de infraestructura de cómputo conecta varios eslabones, así que un cambio en las expectativas de crecimiento podría alterar la perspectiva de ingresos y utilización para más de un sector, aunque el material no cuantifica el impacto potencial para cada compañía.

La presión sobre las expectativas quedó reflejada en informes sobre los ingresos de OpenAI. El 9 de octubre, Infobae informó que la cifra anualizada rondaba los USD 50.000 millones, unos USD 20.000 millones por debajo de los USD 70.000 millones proyectados anteriormente. Por su parte, Quartz reportó caídas en acciones de Nvidia, Oracle y CoreWeave tras la información sobre los ingresos de OpenAI. La coincidencia temporal no establece que ese reporte fuera la única causa de los movimientos bursátiles.

Por eso, la estabilidad de las tarifas de alquiler de H100 frente a tokens más baratos no resuelve por sí sola el debate sobre la solidez del auge. El dato es compatible con una demanda de cómputo que sigue firme, pero también deja pendiente la pregunta de cuánto depende de usos sostenibles y cuánto de una expansión que podría desacelerarse. El equilibrio entre esas fuerzas define tanto la oportunidad como el riesgo para la cadena de IA.


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