En abril de 2026, Meta pedía a sus ingenieros que usaran inteligencia artificial (IA) en todo lo que hicieran. La adopción era, literalmente, un objetivo de desempeño. Los empleados respondieron con entusiasmo. Montaron una clasificación interna, la llamaron Claudeonomics y compitieron por aparecer en ella. Ganaba quien más consumía. Algunos lanzaban tareas innecesarias solo para subir puestos.
Dos meses después, la misma empresa pedía lo contrario. Frenad. En junio de 2026 trascendió que el uso interno de IA iba a costarle a Meta miles de millones de dólares al año, y la compañía impuso presupuestos y límites. La empresa que invierte más de cien mil millones al año en construir centros de datos no podía pagar el entusiasmo de su propia plantilla.
No es un desliz de Meta. Amazon, Uber y Salesforce tropezaron con lo mismo en los primeros meses de 2026. Uber se gastó el presupuesto de todo el año en cuatro meses. Y sin embargo nos repiten que la IA no para de abaratarse. Las dos cosas son ciertas a la vez.
Detrás hay un error de categoría. Compramos esta tecnología como si fuera un programa más. No lo es.
Cada consulta cuesta dinero, siempre
El software se crea una vez y se copia gratis. Desarrollar el primer Excel fue muy costoso. Entregárselo al usuario número diez millones no cuesta casi nada. Por eso vender software ha sido uno de los negocios más rentables durante décadas. De cada euro que ingresaba el fabricante, ochenta o noventa céntimos eran beneficio. Cada nueva descarga implicaba un coste marginal cero.
La inteligencia artificial no se comporta así. Cada vez que el modelo responde, consume electricidad y tiempo de unos chips muy caros. Ese gasto no se paga una vez. Se paga en cada pregunta y en cada respuesta, siempre. No se parece a comprar un programa. Se parece a abrir el grifo o encender la luz.
El resultado es otro negocio. De cada euro que ingresa una empresa de IA, solo cincuenta o sesenta céntimos son beneficio. El resto se lo lleva el coste de servir cada respuesta. Sí hay economías de escala, pero el coste marginal deja de ser cero.
Es verdad que las compañías eléctricas solo venden kilovatios. Un fabricante de IA, en cambio, también posee el modelo, que es puro software. Se construye una vez, mejora con cada versión y se sirve a millones de clientes al mismo tiempo. Estas empresas viven a caballo entre los dos mundos. Su producto escala como un programa. Su factura crece como un suministro.
Nadie sabe cuánto costará un agente hasta que acaba
Un contador de agua o de luz es bastante previsible. Sabes que una ducha larga gasta más que una corta, y lo sabes antes de abrir el grifo. Tu gesto y su coste van unidos. Con los años aprendes lo que cuestan tus costumbres.
La IA corta ese hilo. Sobre todo cuando aparece un agente. No es un programa al que haces una pregunta y responde. Es un programa al que le encargas una tarea entera y se lanza a hacerla solo, dando cientos de pasos, corrigiéndose, volviendo a intentarlo. Le das una instrucción de una línea y él decide, sin que lo veas, si eso son diez pasos o quinientos.
La misma orden puede costar diez o costar cien, según lo que el agente se encuentre por el camino. Y no es que el precio esté oculto. Es que todavía no existe. No hay una cifra que consultar de antemano, ni para quien usa la herramienta ni para quien se la vende.
Esto ya no es una intuición. Un estudio de 2026 de investigadores de Stanford, el MIT y Google DeepMind lo midió en tareas reales de programación. La misma tarea, encargada al mismo agente, puede costar hasta treinta veces más en una ejecución que en la siguiente. Y cuando se le pide al modelo que calcule ese coste antes de empezar, falla sistemáticamente. Por eso la respuesta de empresas como Anthropic no es predecir sino cortar: topes de gasto que detienen al agente en marcha. Si el coste se pudiera prever, no haría falta frenar en seco.
Encima llegamos a este punto con una inercia heredada. Cuarenta años de programas con coste marginal cero nos enseñaron que usar más da igual. La IA parece lo mismo, porque se usa igual, en una pantalla idéntica. Pero cada uso cuesta, ese coste no se ve, y con un agente ni siquiera se puede prever.
La tarifa plana no aguanta a los agentes
Con una factura imposible de prever, el cliente solo acepta un precio fijo. Por eso durante dos años casi todos vendieron el acceso con una tarifa plana. Pagas veinte euros al mes y usas lo que quieras. Es una barra libre. Funciona con una condición: que la mayoría coma poco. Los que apenas prueban el plato pagan por los pocos que repiten. El restaurante gana con el promedio.
La barra libre se rompe cuando entran los que comen de verdad. Una sola tarea de un agente puede gastar mil veces más que una pregunta normal. Algunos analistas han puesto números a ese comensal: el usuario que hacía tres preguntas al día estaba pagando, sin saberlo, la cuenta de los que comían por mil. Empresas como OpenAI han ofrecido la barra libre para crear costumbre de uso y ganar cuota de mercado. Pero con la llegada de los agentes, esta apuesta deja de salir a cuenta. En junio de 2026, Anthropic empezó a poner contador al uso de agentes, facturado aparte y a precio real. No será la última.
El precio baja y la factura sube
El precio de la IA cae de verdad. Cada unidad cuesta hoy una fracción de lo que costaba hace dos años. Y aun así, la factura total de las empresas no deja de crecer.
Es lo mismo que pasó con la electricidad hace un siglo. Cuando la luz se abarató, nadie gastó menos. Al contrario: llenamos la casa de aparatos. Cuanto más barato el kilovatio, más cosas encontramos que enchufar. El ahorro por unidad se lo traga el aumento del consumo. Con la IA ocurre igual, solo que más rápido. Cada rebaja de precio vuelve rentables usos que antes no lo eran. Y cada uso nuevo suma a la factura.
El directivo que aprobó su presupuesto esperando que esto se abaratara se encuentra con lo contrario. Paga menos por cada respuesta y gasta mucho más en total. Y su pregunta empieza a cambiar. Ya no es cuánto cuesta cada consulta. Es qué está comprando a cambio.
El margen está en el resultado, no en el consumo
Alguien objetará que esto se arregla solo. Si el precio baja y los modelos se parecen cada vez más, la competencia tirará el coste casi a cero y el problema se disolverá. Es un argumento razonable, y en parte cierto. Cambiar de un proveedor a otro cuesta muy poco. El precio seguirá bajando. Dos matices, eso sí. Los modelos aún se distinguen en lo que más importa: la fiabilidad y el razonamiento. Y una empresa no compra solo respuestas baratas. Compra la confianza de que la respuesta no le costará un error caro, y por esa confianza sí paga de más. La diferencia se estrecha, pero no ha desaparecido. Y vender infraestructura en bruto puede ser muy rentable con escala suficiente. La nube lo demostró.
Nada de eso salva al que está en medio. Quien se limite a revender IA ajena, sin la escala del fabricante ni un producto propio encima, no tiene ni margen ni defensa. Compite por céntimos contra un precio que baja solo. Le pasa lo que a quien vende electricidad a secas. Nadie paga de más por su kilovatio, porque es idéntico al del competidor.
El dinero está en lo que el suministro hace, no en el suministro. A un electricista no le pagas por los voltios que gasta. Le pagas por la luz que se enciende. Las empresas que están sobreviviendo a esto han dejado de cobrar por consumo y han empezado a cobrar por resultado. Intercom no cobra por lo que gasta su sistema. Cobra por cada incidencia de cliente que resuelve. Definir qué cuenta como incidencia resuelta trae su propia letra pequeña, y se discute. Pero esa es una discusión que el cliente puede dar. Una factura de tokens, las unidades en que se mide el consumo de estos sistemas, no la puede discutir nadie. Ese modelo de cobro funciona donde el resultado se puede verificar: una incidencia cerrada, un trámite completado. Para el trabajo abierto, el de investigar o crear, todavía no existe unidad que facturar.
Consumir no es producir
Meta aprendió tarde lo esencial. Gastar mucha IA no significa producir nada. Su director de tecnología lo resumió al cortar la fiesta. El consumo, por sí solo, no mide ningún impacto. Es una obviedad que costó miles de millones aprender. Tener todas las luces de la casa encendidas no es lo mismo que estar trabajando.
Meta no descubrió nada nuevo sobre la IA. Tropezó con una vieja regla de la gestión, la ley de Goodhart. Cuando una medida se convierte en objetivo, deja de servir como medida. Meta midió el consumo para fomentar la adopción, la gente optimizó el consumo, y el indicador dejó de decir nada sobre el trabajo real. Habría pasado igual con cualquier otra métrica puesta en una clasificación. Y hay algo peor que gastar sin medir: el estudio de Stanford y el MIT encontró que gastar más no produce mejores resultados. La precisión de los agentes toca techo en costes intermedios, y de ahí no pasa.
Según el informe Finance Trends 2026 de Deloitte, entre las organizaciones que ya han desplegado IA, solo el 21 por ciento de los responsables financieros cree que la inversión ha aportado valor tangible. Apenas el 14 por ciento ha integrado agentes en su función financiera. El problema no es gastar mucho. Gastar mucho puede ser un negocio excelente si lo que retorna es mayor. El problema es gastar sin saber qué obtienes. La barra libre animó a lo primero sin obligar a averiguar lo segundo.
Quién controla el coste
El error de categoría se corrige a la fuerza. La IA deja de venderse como un programa y pasa a cobrarse como lo que es: un suministro medido. Para una empresa, eso obliga a vigilar dos cosas.
La primera es si paga por trabajo terminado o por tener el contador en marcha. Son cosas distintas y la factura no las separa.
La segunda es de quién es el contador. Quien depende de un contador ajeno depende de su dueño, y los dueños de los contadores se cuentan con los dedos de una mano. Por eso las compañías que más consumen han empezado a llevar la IA a sus propios servidores, para gobernar el coste, igual que una gran fábrica decide si compra la luz o se construye un generador. La farmacéutica Eli Lilly ya lo ha hecho, con un superordenador propio que gestiona todo el ciclo, del entrenamiento de los modelos a su uso diario a gran escala. Es un camino solo para gigantes que se lo puedan permitir. El resto de las empresas seguirán comprando el suministro fuera, y para ellas la cuestión no es poseer el contador sino leerlo. Saber qué consumen, quién lo consume y qué producen a cambio.
En Meta ya no existe la clasificación que premiaba al que más gastaba. Nadie ha construido aun la que debería sustituirla, porque exigiría responder una pregunta difícil. No es cuánto cuesta la inteligencia artificial. Ni siquiera quién puede pagarla. Es quién convierte ese consumo en un valor que pueda medirse.