En un articulo anterior sobre el fin de la inteligencia artificial gratuita planteé que la etapa de probar modelos sin pagar llegaba a su límite. La realidad es más ambigua: la IA se abarata, pero usarla a fondo exige cuentas mejores y presupuestos mayores.
Pero para explicarlo hay que realizar una comparación contundente. En diciembre de 2024, resolver una tarea con un modelo avanzado podía costar miles de dólares; hoy, un modelo más barato puede acercarse a ese desempeño por centavos. No significa que la IA haya dejado de costar, sino que cada unidad de inteligencia cuesta menos.
Ahí aparece la paradoja de Jevons. Cuando una tecnología usa menos recursos por tarea, no necesariamente gastamos menos: al bajar el precio, la demanda crece. Con la IA ocurre lo mismo: si resumir un documento cuesta poco, le pedimos que lea cien; si puede programar, investigar y navegar, le encargamos un proyecto completo.
Los agentes intensifican el fenómeno. Les damos contexto, herramientas, archivos, navegador y permiso para repetir intentos. La Organización para la Cooperación y el Desarrollo Económicos (OCDE) calcula que los precios de los modelos de texto cayeron casi 80 por ciento entre enero de 2024 y abril de 2026, pero advierte que los agentes consumen muchos más tokens por tarea. La eficiencia de cada paso puede convivir con una factura mayor. Le puede interesar: Cuando la inteligencia artificial pierde el rumbo
Por eso una cuenta de 20 dólares puede agotarse antes: ahora le pedimos trabajar durante horas, revisar versiones, consultar fuentes y ejecutar acciones.
Esto matiza la idea del fin de la IA gratis. Los modelos locales pueden volver prácticamente gratuita cierta inteligencia en un teléfono o una computadora. Pero las tareas exigentes y los agentes conectados a herramientas seguirán teniendo un precio. Ahorrar en la factura puede significar perder velocidad, calidad o competitividad.
La IA empieza a parecerse al automóvil: comprarlo no es el gasto completo; están el combustible, el mantenimiento y el uso. La pregunta sensata no es cuánto cuesta cada token, sino cuánto valor produce cada flujo de trabajo. Si una hora de agente evita diez horas humanas, pagar puede ser razonable. Si solo genera más tareas para revisar, la eficiencia es una ilusión.
No estamos ante una contradicción para entrar en pánico, sino ante una transición económica: la inteligencia se vuelve abundante y por eso la utilizamos más. El reto es medir sus beneficios, limitar el consumo automático y decidir qué tareas merecen una IA de frontera y cuáles pueden resolverse localmente. El precio baja. Nuestra responsabilidad crece.
