En 2022, utilizar modelos avanzados de inteligencia artificial parecía una actividad limitada a empresas tecnológicas, investigadores y usuarios especializados. El acceso era más complejo, los resultados eran irregulares y el costo por consulta podía representar una barrera relevante.

La situación cambió con velocidad. La reducción del costo de inferencia, es decir, del costo de consultar un modelo ya entrenado, está convirtiendo capacidades antes escasas en servicios cada vez más accesibles.

El AI Index de Stanford registró que el costo de consultar un modelo con rendimiento equivalente a GPT-3.5 en una prueba de comprensión descendió de USD 20 por millón de tokens en noviembre de 2022 a USD 0,07 en octubre de 2024. La reducción fue superior a 280 veces en casi dos años (Stanford AI Index 2025).

El dato no significa que todos los modelos sean baratos ni que las aplicaciones empresariales no tengan costos de integración, seguridad y mantenimiento. Significa que la unidad básica de uso de la inteligencia artificial se está abaratando con una velocidad difícil de ignorar.

El token como nueva unidad de producción

Un token es una unidad de texto que el modelo procesa. Puede representar una palabra completa, una parte de una palabra o un signo. Los servicios de inteligencia artificial suelen cobrar según la cantidad de tokens utilizados como entrada y salida.

La lógica económica es sencilla: cuanto más capaz es el modelo, más valor puede producir, pero también puede requerir más recursos. A medida que mejoran los algoritmos, el hardware y las técnicas de optimización, una misma tarea puede realizarse con menor costo.

La consecuencia estratégica es profunda. Si una empresa podía pagar una consulta ocasional, ahora puede integrar modelos en sus operaciones diarias. Puede analizar conversaciones, clasificar documentos, revisar oportunidades comerciales, generar reportes y asistir a sus equipos.

El costo deja de estar únicamente en la consulta. Se traslada también hacia la calidad de los datos, la integración, el diseño de procesos, la supervisión, la seguridad y la capacidad de decidir qué debe automatizarse.

La democratización no ocurre al mismo ritmo

El acceso técnico se amplía, pero los beneficios no se distribuyen de manera automática.

Una empresa con buenos datos, procesos claros y personal capacitado puede aprovechar mejor un modelo que otra organización con información fragmentada y poca capacidad de implementación. La inteligencia artificial puede ampliar diferencias existentes si las organizaciones más preparadas son las primeras en capturar sus beneficios.

El Anthropic Economic Index de septiembre de 2025 observó, dentro de su muestra de uso de Claude, que los países con mayor adopción tendían a utilizarlo de forma más colaborativa, mientras que los de menor adopción delegaban una mayor proporción de tareas completas. El uso empresarial mediante API se concentraba en patrones de automatización. Es una muestra de una plataforma, no una medición de toda la economía.

Esto sugiere que la adopción depende también de la madurez organizacional. La empresa que entiende sus procesos puede utilizar un modelo para aumentar su capacidad. La empresa que no comprende sus procesos puede incorporar tecnología sin saber qué resultado debe medir.

Del acceso individual al sistema operativo del trabajo

El uso de ChatGPT comenzó muchas veces como una práctica individual: alguien redactaba un correo, pedía una idea, corregía un texto o consultaba una duda.

El próximo paso consiste en incorporar inteligencia artificial a la estructura de trabajo. Un modelo puede recibir información de un CRM, resumir la interacción con un cliente, sugerir una acción, crear una tarea y preparar un reporte de seguimiento, si cuenta con acceso autorizado y controles adecuados.

Cuando esto ocurre, la herramienta deja de ser una aplicación aislada. Se convierte en una capa transversal de la operación.

La empresa puede acceder a una capacidad de análisis que antes requería más horas humanas. También puede aumentar la velocidad con la que toma decisiones. Pero una decisión incorrecta procesada rápidamente puede producir más daño que una decisión lenta.

Por eso, la disminución del costo de los tokens vuelve más importante el criterio.

El verdadero precio de la abundancia

La inteligencia artificial barata puede generar una abundancia de contenido, análisis y recomendaciones. La abundancia no garantiza relevancia.

El desafío será distinguir información de conocimiento, producción de valor y automatización de progreso. Una organización puede generar mil informes y seguir sin saber qué decisión tomar. Puede responder en segundos y empeorar la relación con sus clientes. Puede reducir costos y perder capacidad interna.

La pregunta no será cuánto cuesta consultar un modelo. Será cuánto cuesta no saber qué hacer con la respuesta.

En la próxima publicación, la pregunta pasa del costo a las ocupaciones: ¿qué tareas quedan expuestas y cómo cambia el camino para adquirir experiencia?