Cada vez más empresas incorporan inteligencia artificial para automatizar tareas, redactar documentos o analizar información. Sin embargo, pocas conocen que la forma en cómo interactúan con estas herramientas puede influir directamente tanto en los costos de uso como en la calidad de los resultados.
Esa diferencia tiene una explicación técnica —el consumo de tokens y la gestión del contexto— pero también una lectura económica. Organizaciones como FinOps Foundation advierten que optimizar estos recursos se ha convertido en una nueva forma de controlar costos y aumentar el retorno de la inversión en IA.
¿Estamos ante un nuevo concepto del cual los profesionales deben prestar más atención hoy en día? ¿Cómo aprovechar estos beneficios sin sobrepasar los presupuestos asignados?
La nueva economía de los Tokens
Un caso reciente que encendió las alertas y evidenció los riesgos es el de Uber. La revista Forbes anunció que la reconocida empresa de transporte agotó todo su presupuesto de IA para 2026 en tan solo los primeros cuatro meses del año, con el asistente de programación Claude Code de Anthropic. Dicho suceso fue confirmado por su director de Tecnología, Praveen Neppalli Naga, quien, tras la apuesta inicial de dichas herramientas para investigación y desarrollo, reconoció la necesidad de replantear la inversión.
Istavay Orbegoso, director de la Maestría en Inteligencia Artificial de la Escuela de Postgrado de la Universidad Peruana de Ciencias Aplicadas (UPC), encuentra relevante el caso debido a que muestra una falla frecuente de planificación. “La lección de Uber no es que la IA sea demasiado cara. Es que una tecnología cobrada por uso no puede gobernarse con la misma lógica presupuestal de una licencia fija.”
La economía de los tokens. (Foto: Ecosistema Startup)
LEA TAMBIÉN: Uso de IA en procesos sancionadores: ¿existe respaldo legal para emplearla?
Otto Vidal, ingeniero de software y gerente general de Lidera Digital, nos brinda una lectura interesante y nos advierte sobre la importancia de gestionar correctamente este nuevo tipo de proyectos. “Hay mucha ansiedad de las empresas por usar IA, pero no saben cómo trasladar esta necesidad de manera más específica a sus áreas funcionales. El porcentaje de fracaso que se ve en proyectos IA es muy alto hoy en día. Entendiéndose que el fracaso es no cumplir los objetivos de retornos de inversión.”
Vidal asegura que debe existir una correcta planificación financiera de las empresas para asegurar una promesa de rentabilidad. Lo ideal es recibir algo a cambio, una mejora. Ya sea un incremento de ingresos o eficiencia de costos operativos. Para ello es necesario tener claro la “ecuación económica” de lo que usar IA significa para cada equipo de trabajo.
“Es complejo hacer una planificación financiera a un año. Yo haría una planificación más cauta, con un horizonte más cercano de 3 meses porque los costos son variables y es difícil de pronosticar. Además, creo que también hace falta una campaña interna de las compañías que enseñen cómo estos modelos consumen tokens”, agregó.
Los tokens representan la unidad de uso, unidad básica de información que procesan los aplicativos. Para Orbegoso, representa también una unidad económica. “Para la empresa, es al mismo tiempo una unidad de procesamiento, de capacidad y de costo”, señaló. Estos tienen un precio y hay maneras más eficientes de utilizarlos para generar menos gasto.
LEA TAMBIÉN: ¿Cómo optimizar tu empresa con GPT-4o?
Puntualidad y precisión
Un prompt es una instrucción, y como toda orden, debe ser concreta para conseguir resultados acordes. Es más, la extensión desmedida de un prompt, sea por querer demostrar amabilidad con la IA o enfatizar puntos clave, hacen que el esfuerzo de la lectura consuma más recursos. “Si tú no eres muy puntual al hacer tus pedidos, si los prompts son muy amplios o están llenos de adornos que son innecesarios vas a gastar más tokens por interpretación de las palabras”, insiste Vidal.
"Algunas palabras cortas y frecuentes pueden ocupar un token. Otras pueden dividirse en dos o más." (Foto: IBM)
LEA TAMBIÉN: Cuando la IA te pide matrimonio: relaciones románticas y los riesgos a la privacidad
La inteligencia artificial fragmenta nuestro lenguaje para procesarlo. No siempre la separación es por palabra completa. Pueden contar las sílabas, signos de exclamación o espacios en blanco, por ejemplo. Prácticamente es como si hablásemos con monedas, por lo que, cada ampliación de nuestro comando cuenta.
“Economizar tokens comienza por diseñar mejor la interacción. La instrucción debe indicar con precisión qué se espera, qué información es relevante, cuál es el formato de salida y cuáles son los criterios de calidad.”, añade Orbegoso. Entendiendo esto, existen otras características relacionadas que pueden complicar el gasto.
LEA TAMBIÉN: Perú destaca en adopción de la inteligencia artificial: los sectores más dinámicos
Brecha de Idiomas
Otro factor técnico a considerar es el idioma utilizado para dar la instrucción. Y es que, existen idiomas más económicos que otros dependiendo del modelo utilizado. Generalmente, el inglés suele ahorrar más dinero cuando se trata de trabajar con estos agentes.
Vidal explica que estos modelos están programados en idioma extranjero, en su mayoría inglés. “Ya de por sí, estamos en desventaja ya que al hacer prompts en español consumimos más tokens que si fuese en inglés.”
LEA TAMBIÉN: Ni inglés ni Excel: estas son las habilidades que más valoran hoy las empresas, según LinkedIn
Distintos idiomas consumen distintas cantidades de recursos dependiendo del tokenizador del modelo. Reforzar nuestro inglés, para implementarlo en nuestro chat con la IA, puede beneficiar considerablemente nuestras intenciones de ahorro.
Orbegoso sugiere que el idioma más económico preserva el significado del contexto al menor costo total. “La decisión correcta es medir el mismo caso de uso con el modelo y el tokenizador que realmente se utilizarán, comparar costo, calidad y latencia, y elegir el idioma que preserve mejor el significado al menor costo total.”
Investigación académica sobre el tokenizador de la familia GPT y el sobrecosto de otros idiomas frente al inglés. (Petrov et al., 2023; Ahia et al., 2023)
Criterio humano y Modelos ideales
Muchas veces puede pasar por desapercibido la elección y búsqueda de la herramienta correcta para el trabajo en cuestión. El criterio que tiene la gente más experimentada en el negocio es fundamental para potenciar el resultado que puede brindar la IA. “Es importante preguntarse si es necesario usar una herramienta tan potente para un problema simple. La IA es tan buena como el criterio de quien la usa”, agrega Vidal.
LEA TAMBIÉN: Estados “desafían” a Trump y avanzan con nuevas reglas para la inteligencia artificial
En Claude, por ejemplo, se puede elegir con cautela el modelo que deseas utilizar para resolver un problema en específico. Existen modelos más económicos como Claude Haiku, que ofrece un servicio ultrarrápido y sistema ligero. Costando así, una fracción de modelos superiores (US$ 1 / millón de tokens de entrada), ideal para consultas simples a diferencia de lo que puede ofrecer Claude Fable o incluso Claude Opus que ofrecen un mayor razonamiento para tareas complejas.
Orbegoso advierte sobre la regulación de la IA agéntica y su diferencia con modelos convencionales. “Un chatbot suele responder una vez. Un agente planifica, consulta herramientas, recibe resultados, actualiza su contexto y repite acciones hasta completar una meta. Si no existen límites de gasto, control de reintentos, detección de ciclos, selección dinámica de modelos y seguimiento por proyecto, el costo puede crecer de forma no lineal.” Todo esto, aun depende de la intervención humana para reducir costos innecesarios.
Actualmente, las herramientas de inteligencia artificial se han convertido en un estándar dentro de los negocios. A tal punto que pasar de estas nuevas tecnologías, puede poner en una mala posición a las compañías al hacer un mal uso -o nulo- de las herramientas disponibles.
Por esta razón, vale la pena seguir interesándose por estas nuevas tecnologías y apostar por su rendimiento. Siendo siempre importante la capacitación de los talentos humanos para gestionar correctamente estos equipos y garantizar siempre una promesa de retorno de inversión.
“La enseñanza no es bloquear la experimentación. Es introducir controles antes de que la escala convierta una prueba prometedora en una desviación presupuestal” concluye Orbegoso.
Bachiller en Comunicación Audiovisual en Medios Digitales en la Universidad Privada del Norte (UPN), especializado en Comunicación, Publicidad, Arte y Tendencias.
