El precio de utilizar inteligencia artificial parece sencillo sobre el papel: cada proveedor cobra una determinada cantidad por los tokens que procesa y genera. Para las empresas que están extendiendo estas herramientas a desarrollo de software, atención al cliente, análisis o automatización, esa unidad de medida está resultando bastante menos predecible de lo que sugiere una tarifa por millón de tokens.
Solo el 11% de las organizaciones consigue prever su coste de la IA con una desviación inferior al 10%, frente al 15% registrado un año antes. El dato procede de una encuesta realizada en abril y mayo de 2026 a 396 organizaciones por Mavvrik y Benchmarkit. El 89% restante se desvía más de un 10% de sus previsiones, una diferencia que empieza a trasladarse de los departamentos técnicos a las decisiones financieras.
El problema tampoco consiste únicamente en que las empresas utilicen más inteligencia artificial de la prevista. El comportamiento de los propios modelos introduce una variable adicional: dos sistemas con precios diferentes pueden consumir cantidades muy distintas de recursos para resolver una misma tarea. Incluso un mismo modelo puede presentar costes diferentes al ejecutar varias veces una petición idéntica.
Un análisis publicado por The Wall Street Journal pone el foco en esa dificultad después de una primera etapa en la que algunas empresas incentivaron un uso intensivo de estas herramientas. Cuando la adopción deja de limitarse a pruebas y comienza a incorporarse a operaciones recurrentes, el consumo deja de ser una cuestión experimental y pasa a formar parte del presupuesto de tecnología y, en determinados productos, del coste directo de prestar el servicio.
Un modelo más barato puede terminar costando más
La tarifa por token no basta para determinar qué modelo resultará más económico. Investigadores de Stanford, Carnegie Mellon, la Universidad de California en Berkeley y Microsoft Research han analizado ocho modelos de razonamiento en 12 tipos de tareas, desde matemáticas y programación hasta pruebas científicas y trabajos que requieren interactuar repetidamente con herramientas externas.
El estudio sobre el denominado «price reversal» encontró que en el 32% de las comparaciones entre pares de modelos, la alternativa con un precio unitario inferior acabó generando un coste total superior. Los investigadores trabajaron con 6.877 tareas únicas y más de 7.390 millones de tokens.
Una de las causas está en los tokens dedicados al razonamiento. Ante una misma consulta, un modelo puede consumir hasta un 900% más que otro. En determinadas tareas con herramientas, el número de interacciones necesarias también llega a multiplicarse por diez. El resultado es comparable a contratar por horas a dos profesionales con tarifas diferentes: quien cobra más por hora puede acabar siendo más barato si necesita mucho menos tiempo para terminar el trabajo.
Los investigadores encontraron, por ejemplo, que Gemini 3 Flash tenía un precio publicado aproximadamente un 80% inferior al de GPT-5.4 en la configuración analizada. Sin embargo, al agregar las tareas del experimento, su coste fue un 38% superior. En un problema concreto de MMLU-Pro, Gemini 3 Flash empleó más de 60.000 tokens de razonamiento frente a 25 de GPT-5.4.
Esto introduce una diferencia relevante entre comparar tarifas y comparar costes. Un departamento de compras puede conocer de antemano cuánto cobra cada proveedor por un millón de tokens, pero esa cifra no determina cuántos necesitará el modelo para completar el trabajo.
«El precio por sí solo no debería utilizarse para inferir qué modelo es realmente más barato», resume Lingjiao Chen, uno de los autores de la investigación, en declaraciones recogidas por The Wall Street Journal.
El mismo modelo tampoco cuesta siempre lo mismo
La incertidumbre continúa después de seleccionar el modelo. La investigación muestra que el coste de una petición concreta debe entenderse como una distribución de posibles resultados y no como una cifra fija.
En ejecuciones repetidas de una misma consulta, el consumo asociado al razonamiento llegó a variar hasta 9,7 veces. Los autores consideran que esta variabilidad establece un límite para cualquier sistema que pretenda predecir exactamente el coste de una petición antes de ejecutarla.
El efecto es especialmente relevante con los agentes de IA. Un chatbot que responde una pregunta suele tener una secuencia relativamente limitada: recibe información y genera una respuesta. Un agente puede consultar bases de datos, navegar por aplicaciones, ejecutar código, comprobar resultados, detectar un error y volver a intentarlo. Cada paso puede generar nuevas llamadas al modelo y más consumo.
El coste final depende así del precio de entrada y salida, la longitud del contexto, los tokens de razonamiento y el número de iteraciones, además de la infraestructura y los servicios externos utilizados. Una ejecución que falla también genera gasto.
Por eso un modelo económico puede dejar de serlo cuando entra en un bucle, necesita numerosos intentos o aborda una tarea para la que no está bien adaptado. El estudio académico sitúa precisamente los tokens de razonamiento como principal causa de las diferencias en tareas de una sola interacción, mientras que en los trabajos de larga duración adquiere más peso el número de turnos necesarios.
El coste de la IA ya afecta a precios y márgenes
La dificultad de previsión está llegando a las cuentas de las empresas. En la encuesta de Mavvrik y Benchmarkit, el 62% de las organizaciones asegura que un gasto inesperado relacionado con inteligencia artificial modificó de forma material alguna decisión empresarial durante el último año. Un 49% tuvo que revisar el precio de productos con IA, el 33% aplicó congelaciones de gasto y una cuarta parte retrasó o canceló alguna iniciativa.
Los tokens tampoco explican toda la factura. El 47% de las organizaciones identifica los excesos de consumo de las plataformas de datos como su principal fuente de costes inesperados, por encima del 43% que señala el consumo de modelos de lenguaje. GPU, redes, almacenamiento, sistemas de recuperación de información y herramientas de desarrollo completan una estructura que resulta difícil de concentrar en una única partida presupuestaria.
Esa dispersión afecta a la visibilidad financiera. Aunque el 98% de las compañías encuestadas utiliza herramientas de IA para programación, únicamente el 42% incorpora esos costes a sus sistemas generales de reporting. En los flujos con agentes y la infraestructura de GPU, la cobertura declarada cae al 36%.
Para los responsables financieros y tecnológicos, medir únicamente la factura mensual del proveedor ofrece por tanto una imagen incompleta. La gestión empieza a desplazarse hacia métricas por producto, equipo, cliente o flujo de trabajo, junto con límites de gasto y alertas capaces de detectar ejecuciones anómalas antes de recibir la factura.
También cambia el criterio para elegir modelos. La tarifa por millón de tokens sigue siendo relevante, pero necesita combinarse con la tasa de éxito, el consumo medio, la variabilidad entre ejecuciones y el coste completo de resolver una tarea. Utilizar automáticamente el modelo más barato para todas las consultas puede generar el efecto contrario al pretendido.
A medida que las empresas incorporen agentes capaces de encadenar decenas o cientos de operaciones, esa diferencia será más importante. El presupuesto de IA tendrá que aproximarse menos a una licencia tradicional de software y más a una capacidad informática cuyo consumo depende del comportamiento del sistema en producción. La consecuencia para finanzas y tecnología es concreta: seleccionar modelos, diseñar flujos y controlar costes pasan a formar parte de una misma decisión operativa.
