¿Qué ocurre cuando las empresas ya no pueden permitirse pagar por su IA?

En sus primeros años, Uber ofrecía trayectos de un lado a otro de la ciudad por menos que un taxi. Los inversores cubrían la diferencia hasta que la empresa necesitó ganar dinero. Los datos de Rakuten Intelligence mostraron que los precios de los viajes compartidos en Estados Unidos subieron un 92 % entre 2018 y 2021, y para 2023 hasta el director ejecutivo de Uber se sorprendió al enterarse de cuánto costaba entonces un trayecto de tres millas en Nueva York.

La inteligencia artificial se acerca a un momento similar. Anthropic confirmó en junio que había presentado confidencialmente la documentación para cotizar en bolsa en Estados Unidos, y, según se informa, OpenAI se prepara para hacer lo mismo. Las empresas que cotizan en bolsa rinden cuentas a sus accionistas cada trimestre, y ese escrutinio suele cambiar los precios.

Esto plantea una pregunta que muchas empresas aún no se han hecho: ¿qué ocurre si la IA de la que dependen sus productos se encarece, queda más restringida o ambas cosas? La respuesta depende menos de las decisiones de los laboratorios de IA que de cómo cada empresa ha construido su negocio en torno a ellos, y todavía hay tiempo para prepararse.

Los costos de la IA han pasado del presupuesto de TI al modelo de negocio

Las primeras facturas de IA eran lo bastante pequeñas como para imputarlas a la experimentación. Hoy, la IA forma parte de productos y flujos de trabajo, por lo que su precio repercute directamente en los márgenes. Los precios actuales reflejan un período de grandes inversiones.

En una prueba de la firma de investigación SemiAnalysis, un plan Claude Max de 200 dólares al mes ofreció un uso mensual de alrededor de 8.000 dólares a las tarifas estándar de la API. Es una oferta generosa para los usuarios y muestra hasta qué punto algunos precios están por debajo del costo subyacente del servicio.

Algunos ajustes ya han comenzado. A mediados de 2025, la herramienta de programación con IA Cursor pasó su plan de 20 dólares al mes a un modelo de uso facturado según las tarifas de la API, y Anthropic introdujo límites semanales de uso para sus usuarios más intensivos de Claude Code. El desarrollador Simon Willison sugirió que la época del uso de IA subvencionado por los inversores podría estar llegando a su fin.

Los analistas ofrecen recomendaciones similares. Las directrices de Gartner de agosto de 2026 instan a los líderes a prepararse para probables aumentos de los precios de la IA. Sus analistas también han advertido que las organizaciones que no entienden cómo aumentan los costos de la IA pueden calcularlos mal en un 500 % a un 1.000 %.

La caída de los precios por unidad ayuda, pero solo hasta cierto punto. Epoch AI muestra que el precio de un nivel determinado de rendimiento de la IA cae con fuerza cada año; sin embargo, investigadores del MIT descubrieron que los modelos de razonamiento más recientes requieren mucho más cómputo para llegar a sus respuestas. La factura aumenta con el uso, y el uso no deja de crecer.

Qué podrían significar los laboratorios públicos de IA para las startups que desarrollan soluciones sobre sus modelos

Cotizar en bolsa impone disciplina. Los laboratorios públicos de IA tendrán que mostrar a los inversores una vía hacia márgenes sostenibles, y los precios son una de las palancas más directas a su alcance. Esto podría traducirse en precios de lista más altos, límites de uso más estrictos, funciones trasladadas a planes prémium o la retirada anticipada de modelos antiguos.

Las startups también compiten en el mismo mercado que sus proveedores. Los laboratorios de IA ofrecen cada vez más sus propias aplicaciones, como ha hecho Anthropic con Claude Code, por lo que conviene tener claro qué valor aporta una empresa más allá del modelo en sí.

También hay un aspecto positivo. Las empresas que cotizan en bolsa divulgan más información, lo que permite a los clientes entender mejor cómo se fijan los precios de la IA. La competencia entre proveedores, junto con modelos abiertos que mejoran rápidamente, debería mantener los precios bajo control para quienes estén dispuestos a cambiar de proveedor.

Cómo pueden las empresas reducir su dependencia

El riesgo empresarial se reduce a dos preguntas. ¿Valorarían los clientes lo suficiente el servicio como para pagar más si aumentaran los costos? ¿Y hay margen suficiente para absorber un aumento de precio? Para las empresas que no tengan claras las respuestas, estas cinco prácticas pueden ayudar, y ninguna exige empezar desde cero.

Conozca el costo de cada tarea. Muchos equipos conocen su factura mensual de IA, pero no cuánto cuesta una sola acción de un cliente. Medir el costo por tarea permite identificar qué funciones, clientes o casos de uso dejarían de ser rentables si los precios subieran un 30 %, un 50 % o incluso un 100 %.

Use la IA donde aporte más valor. Los modelos grandes son especialmente eficaces para abordar situaciones ambiguas, como enfrentarse por primera vez a un problema. El software convencional suele ser más adecuado para tareas repetitivas. En las pruebas de software, por ejemplo, la IA puede determinar una vez cómo comprobar el recorrido de un usuario; después, esa comprobación se ejecuta miles de veces como código convencional, sin recurrir a un modelo.

Adapte el modelo a la tarea. Epoch AI descubrió que los mejores modelos abiertos capaces de funcionar en una sola tarjeta gráfica de consumo se quedan aproximadamente un año o menos por detrás de los modelos punteros. Para tareas rutinarias, un modelo más pequeño o alojado en infraestructura propia puede ofrecer resultados aceptables por una fracción del precio.

Mantenga abierta la posibilidad de cambiar de proveedor. Los productos construidos en torno a funciones específicas de un único proveedor son los más difíciles de trasladar. Una capa sencilla entre el producto y el modelo, junto con pruebas periódicas de alternativas, convierte una futura subida de precios en una oportunidad para negociar.

Cobre en función de los resultados. Facturar a los clientes por tokens les traslada directamente cada cambio en los precios de la IA. Una tarifa fija por resultado, como una tarea completada o una solicitud resuelta, mantiene estables los precios para los clientes y da a la empresa margen para absorber los cambios en sus propios costos. El mismo criterio ayuda al comprar: las herramientas con precios basados en resultados facilitan la previsión de gastos futuros.

La asequibilidad es una decisión de diseño

Las subidas de precios de Uber no acabaron con los servicios de transporte bajo demanda. Acabaron con los modelos de negocio que daban por sentado que los viajes siempre estarían subvencionados. Es probable que la IA siga un camino similar. A medida que los principales laboratorios salgan a los mercados bursátiles, el precio de la IA se acercará más a lo que cuesta ofrecerla, y se juzgará a las empresas por si sus productos siguen funcionando a ese precio.

Las empresas mejor preparadas para ese cambio consideran la IA una dependencia que hay que medir y gestionar. Para las empresas que aún no han empezado, no es demasiado tarde. Cada uno de estos pasos puede ponerse en marcha este trimestre, y todos facilitan la adaptación a la siguiente subida de precios.