La factura de IA: por qué el costo por tarea importa más que el precio del modelo
Por José Ramón Vergara · IA aplicada + logística en LATAM
Una de cada cinco organizaciones ya limita su uso de IA por costos operativos, incluidos los tokens. El problema no es el precio del modelo: es no medir cuánto cuesta una tarea resuelta.
Publicado el 7 de septiembre de 2026.
Una de cada cinco organizaciones ya está limitando el uso de IA por sus costos operativos, incluidos los tokens. La respuesta no es buscar el modelo más barato. Es saber cuánto cuesta una tarea resuelta.
La diferencia parece semántica, pero cambia la conversación con finanzas, producto y operaciones. Un token es una unidad técnica. Una tarea resuelta es una unidad de negocio.
La factura de IA ya está entrando a la reunión
McKinsey preguntó por el uso de IA a 1.719 participantes en 97 países. Uno de cada cinco dijo que su organización limita el uso de IA por costos operativos. No por falta de interés. No porque la tecnología haya dejado de servir. Porque operar la tecnología ya tiene una factura visible.
El contexto vuelve el dato más importante. Gartner proyecta que el gasto mundial en infraestructura como servicio optimizada para IA crecerá 96% en 2026, hasta 42.300 millones de dólares. El gasto no está creciendo solo porque los modelos sean mejores. También crece porque la IA sale de la prueba y entra en flujos que corren continuamente: inferencia, herramientas, búsquedas, reintentos y agentes que ejecutan varios pasos.
Mi lectura: el problema aparece cuando una empresa ve la factura, pero no puede explicar qué compró con ella. Si nadie puede conectar el gasto con un resultado, el costo se vuelve una razón natural para frenar.
El precio por token no responde la pregunta que importa
Medir tokens es necesario. Pero no basta.
Una tarea real rara vez es una sola llamada a un modelo. Puede requerir una búsqueda en una base de conocimiento, una llamada a una herramienta, una segunda respuesta porque la primera falló, una validación humana y una acción final en otro sistema. Dos modelos pueden tener precios por token muy distintos y, aun así, el que parece caro terminar siendo más barato si resuelve bien a la primera.
Por eso la métrica no debería ser "cuánto cuesta este modelo". Debería ser "cuánto nos costó cerrar esta tarea con la calidad que necesitábamos".
Esa métrica obliga a incluir cuatro cosas:
- La tarea cerrada. Define un resultado verificable. No "usar un agente", sino clasificar un caso, producir una cotización o preparar una respuesta que alguien aprobó.
- El costo completo. Modelo, tokens, herramientas, recuperación de información, reintentos y revisión humana. Todo lo que hizo falta para llegar al resultado.
- La calidad. Una tarea barata que se corrige tres veces no es barata. Registra si se resolvió a la primera, si escaló a una persona y si el resultado se usó.
- La comparación. Mide contra la alternativa anterior: tiempo, costo, errores y capacidad. Sin baseline, solo tienes consumo.
El costo no se gestiona con límites ciegos
Cuando la única métrica disponible es el gasto mensual, la solución parece obvia: poner topes. Pero un tope ciego castiga igual a una tarea costosa que genera valor y a una barata que nadie usa.
La conversación mejora cuando se puede separar una de la otra. Un modelo más capaz puede costar más por llamada y menos por tarea resuelta. Un flujo que parece eficiente puede quemar presupuesto en reintentos porque sus datos están mal preparados. Un agente puede consumir mucho porque su diseño lo obliga a buscar, pensar y volver a buscar antes de actuar.
Nada de eso se ve en una factura agregada. Sí se ve cuando cada tarea tiene dueño, costo y resultado.
No es una discusión de FinOps contra innovación. Es la condición para escalar sin convertir la IA en un centro de costo incomprensible. Gartner también advierte que más del 40% de los proyectos de IA agéntica se cancelará antes de terminar 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes. Dos de esas tres razones mejoran cuando el costo está conectado con el resultado.
La pregunta que cambia el presupuesto
El modelo no es caro ni barato en abstracto. Es caro o barato para una tarea, en un flujo, con una calidad esperada.
Antes de limitar el uso de IA, haría una pregunta más útil: ¿cuánto cuesta cada tarea resuelta y cuánto costaba antes de usar IA?
Si la respuesta no existe, no tienes un problema de precio. Tienes un problema de medición.
Fuentes
- McKinsey & Company, The State of AI in 2026: On the road to ROI (agosto de 2026). Encuesta global a 1.719 participantes en 97 países.
- Gartner, Gartner Forecasts Worldwide AI-Optimized IaaS Spending to Grow 96% Through 2026 (10 de agosto de 2026).
- Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 de junio de 2025).
Preguntas frecuentes
¿Qué porcentaje de empresas limita el uso de IA por costos?
Una de cada cinco organizaciones limita el uso de IA por costos operativos, incluidos los costos de tokens, según la encuesta global The State of AI in 2026 de McKinsey, realizada a 1.719 participantes en 97 países.
¿Qué es el costo por tarea resuelta en IA?
Es el costo total de completar un resultado útil, no solo de consumir tokens. Incluye modelo, reintentos, herramientas, recuperación de información, revisión humana y cualquier otro recurso necesario para cerrar la tarea.
¿Por qué no basta con medir el precio por token?
Porque dos modelos con precios distintos pueden resolver una misma tarea con diferente número de intentos, herramientas y supervisión. El dato relevante para negocio es cuánto costó el resultado que sí se usó.