Por Canuto  

OpenAI habría comenzado a permitir que algunas grandes empresas paguen por tareas completadas, en lugar de asumir el costo de cada intento de sus modelos. El cambio, todavía selectivo y no anunciado públicamente, reflejaría la presión de los clientes por controlar facturas impredecibles y el avance de los agentes capaces de ejecutar trabajos de varios pasos.
***

  • Según un reporte, OpenAI ofrece de forma limitada contratos en los que el cliente pagaría solo cuando la IA completa una tarea.
  • El modelo trasladaría al proveedor el riesgo de los intentos fallidos, un problema que crece con la facturación por tokens.
  • Empresas como Intercom, Zendesk y Salesforce ya experimentan con cobros por resoluciones, conversaciones o acciones.

OpenAI habría comenzado a permitir que algunos de sus clientes empresariales más grandes paguen únicamente cuando sus sistemas de inteligencia artificial completan el trabajo acordado. El cambio fue atribuido a un reporte de Kevin McLaughlin y Amir Efrati, que presentó como ejemplo una interacción de atención al cliente gestionada de principio a fin. Sin embargo, la compañía no lo ha anunciado públicamente y el alcance del programa, sus condiciones comerciales, los clientes involucrados y sus precios todavía no se conocen.

La fórmula se conoce en la industria como precios basados en resultados y busca resolver una de las principales objeciones de los compradores corporativos: pagar por actividad tecnológica sin tener certeza de que esa actividad produjo valor. The Information informó sobre el supuesto giro, mientras que TNW indicó que no pudo verificarlo de manera independiente. Para un director financiero, una factura que llega después de una resolución exitosa resulta más sencilla de justificar que otra que aumenta con cada intento, incluso cuando el sistema no consigue completar la tarea.

El costo de los intentos fallidos

La facturación por tokens cobra al cliente según la cantidad de texto procesado y generado por un modelo, además de otros parámetros que pueden variar entre modelos y llamadas. Ese esquema permite medir con precisión el consumo de infraestructura, pero también hace que el gasto crezca cuando un agente repite pasos, corrige errores o fracasa antes de entregar una respuesta útil. En entornos empresariales, esa diferencia puede convertir una prueba controlada en una factura difícil de anticipar.

Un caso extremo citado en reportes sobre agentes de programación ilustra el problema: Peter Steinberger, creador de OpenClaw, mostró un panel con un gasto de USD $1.305.088,81 en la API de OpenAI durante 30 días. La cifra cubrió alrededor de 603.000 millones de tokens y 7,6 millones de solicitudes, mientras ejecutaba 100 instancias de Codex en paralelo, según los reportes publicados. Aunque se trata de una situación excepcional, muestra cómo los costos pueden escalar con los intentos y no necesariamente con los resultados obtenidos. Para las empresas que evalúan agentes capaces de operar durante horas o coordinar múltiples herramientas, la posibilidad de pagar por actividad fallida representa un riesgo presupuestario que puede frenar la adopción.

La atención al cliente se ha convertido en el terreno más avanzado para este modelo porque una resolución puede definirse con relativa claridad. Intercom anuncia un precio de USD $0,99 por resultado de su agente Fin y señala que solo cobra un resultado por conversación, aunque el agente realice varias acciones. La estructura conecta directamente el gasto con un resultado reconocible para el comprador, aunque no elimina todas las discusiones sobre qué debe considerarse una resolución válida.

Zendesk también utiliza el concepto de Verified Resolution, o Resolución Verificada, para identificar resultados automatizados facturables. La documentación de la empresa describe herramientas para monitorear el uso de esas resoluciones, mientras que reportes sobre su esquema comercial sitúan las resoluciones adicionales por encima de la asignación mensual aproximadamente entre USD $1,20 y USD $1,50. El diseño muestra que las empresas experimentan con mecanismos automatizados para decidir si una interacción realmente merece un cargo, aunque los criterios y precios pueden depender del contrato.

Una nueva disputa sobre el precio de los agentes

Salesforce ha explorado públicamente una respuesta similar a las quejas de sus clientes. Agentforce ofrece un precio de USD $2 por conversación, calculado sobre cada sesión de 24 horas. Ese esquema no depende necesariamente de que la interacción produzca una solución verificable, lo que puede dificultar la previsión del gasto cuando una conversación incluye varios intercambios.

La compañía también introdujo Flex Credits, que desplazan el medidor desde las conversaciones hacia unidades de consumo para Agentforce. Salesforce vende esos créditos en paquetes de 100.000 por USD $500, según su información comercial. La diferencia frente al precio basado en resultados sigue siendo importante: pagar por consumo no significa que el proveedor asuma el riesgo de que el agente no complete el trabajo.

Los compradores parecen evaluar ambas alternativas, aunque los datos disponibles sugieren que el consumo todavía tiene ventaja. Futurum Group informó que su encuesta del primer semestre de 2026 encontró que 43% de los compradores prefería modelos basados en consumo, mientras 27% se inclinaba por esquemas basados en resultados. La diferencia muestra que el cobro por resultados gana relevancia, pero todavía compite con fórmulas que vinculan el precio al uso de la infraestructura.

Para OpenAI, el movimiento representaría un cambio de postura más que el lanzamiento de un producto completamente nuevo. La empresa ha vendido capacidad mediante precios por token, modelo y llamada, pero cobrar por un trabajo completado implicaría aceptar el riesgo de que el sistema no logre terminarlo. Ese riesgo tendría que incorporarse en alguna parte de la tarifa: un proveedor confiado en su tasa de éxito podría ofrecer condiciones atractivas, mientras otro tendría que elevar el precio de cada resultado hasta alcanzar una economía sostenible.

El desafío de definir el éxito

Las tarifas por resolución tienden a agruparse alrededor de USD $1, en lugar de unos pocos centavos por consumo, porque deben cubrir los intentos que no se cobran al cliente. Esa estructura modifica la distribución del riesgo: bajo la facturación por tokens, el comprador paga cada intento fallido, pero bajo el precio por resultados el proveedor absorbe el costo de los errores, las repeticiones y el trabajo que nunca llega a una conclusión válida. Para las empresas, el atractivo está precisamente en trasladar esa incertidumbre al creador del sistema.

El principal obstáculo consiste en acordar qué significa éxito. Una conversación de soporte puede terminar en una resolución definida, pero el trabajo agéntico hacia el que OpenAI ha avanzado incluye tareas de varios pasos, decisiones intermedias y resultados que no siempre caben en un campo objetivo de una base de datos. OpenAI anunció que sus productos agénticos Codex y ChatGPT Work habían alcanzado conjuntamente 10 millones de usuarios activos semanales, según reportes publicados en julio. Esa cifra se refiere a usuarios de ambos productos y no equivale necesariamente a clientes empresariales, asientos de pago ni usuarios exclusivos de agentes.

También queda abierta la forma en que se evaluarán las respuestas incorrectas o parcialmente útiles. Si un agente cierra una solicitud sin resolverla, el cliente podría rechazar el cargo, mientras que un proveedor podría sostener que completó una parte sustancial del encargo; sin reglas claras, la promesa de previsibilidad puede convertirse en otra fuente de disputas comerciales. Los mecanismos de evaluación mediante modelos de lenguaje, como los utilizados para identificar resoluciones automatizadas en plataformas de atención al cliente, ofrecen una posible solución, aunque el reporte no detalla qué sistema emplearía OpenAI para sus contratos selectivos.

La lógica comercial del cambio es directa: una empresa que no puede predecir su factura suele prolongar un piloto en vez de firmar un contrato de mayor escala. El cobro por resultados podría eliminar esa objeción en el punto del ciclo de ventas donde suelen atascarse muchas implementaciones, pero todavía no resuelve cuánto debe cobrar un proveedor, cómo se valida una tarea ni quién responde por una decisión equivocada. Por ahora, lo que se ha reportado es que el mayor proveedor de modelos estaría probando, de forma silenciosa y selectiva, una manera de vender resultados en lugar de capacidad.


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