Vender inteligencia por token se está pareciendo cada vez más a un servicio público: mucho volumen, márgenes estrechos y el valor de verdad quedándose en manos de quien combina esa inteligencia con algo propio.
Un kilovatio es un kilovatio
La compañía eléctrica te cobra lo mismo por la energía que mueve una fábrica de chips que por la que enciende una bombilla en tu casa. En los años noventa, la operadora telefónica facturaba igual la llamada que cerraba una adquisición de mil millones que el «feliz cumpleaños» a la abuela. Ninguna de las dos logró cobrar según el valor que su servicio hacía posible.
La razón es bastante sencilla: cuando el producto es homogéneo y hay varios proveedores capaces de entregarlo, el precio termina acercándose al coste marginal. El proveedor pelea por volumen, y el cliente se queda con casi todo el excedente.
Mi tesis, que comparto con Martin Varsavsky, es que la inferencia de IA, esa venta de «inteligencia bruta» por token, va por el mismo camino.
El precio ya está cayendo
Los datos de 2026 apuntan en esa dirección. Un estudio de Mingdeng Du estima que el precio por token se desplomó unas 600 veces entre 2020 y 2026 (comparando un modelo de punta de 2020 con uno económico de hoy): de 60 dólares por millón de tokens con GPT-3 a 0,10 dólares con Gemini 2.0 Flash. La caída es todavía más rápida en las gamas económica y media, con vidas medias de entre 1,1 y 1,55 años… más veloz que la ley de Moore.
A capacidad constante el patrón se repite. Según Wing VC, un modelo de clase GPT-4 cuesta hoy unas 300 veces menos que en marzo de 2023. Y Gartner prevé que en 2030 servir un modelo de un billón de parámetros costará a los proveedores más de un 90 % menos que en 2025.
Cuando la capacidad de ayer es casi gratis y los modelos se parecen cada vez más entre sí, el comprador deja de buscar “el mejor” y empieza a buscar «el más barato que sirva». Eso es exactamente lo que ocurre con un commodity.
Cobrar por valor es una fantasía (al menos para el proveedor)
Es tentador pensar que existe algún esquema de precios lo bastante ingenioso como para que el proveedor se lleve una parte de lo que su cliente gana. No existe, por tres razones bastante claras:
- No puede medir el valor. El proveedor ve tokens. No ve si esa consulta ayudó a cerrar un contrato o a descubrir una molécula.
- El cliente puede irse. Si otro modelo hace el trabajo por menos, cambiar es cuestión de una línea de configuración.
- Las primas no duran. El mismo estudio de arXiv atribuye los sobreprecios de los modelos de razonamiento a poder de mercado, y muestra cómo la llegada de DeepSeek-R1 a 0,55 dólares frente a los 15 de o1 los erosionó en poco tiempo.
Cobrar por resultado sí funciona… pero a quien vende el resultado. Intercom, por ejemplo, cobra 0,99 dólares por incidencia resuelta: vende un servicio terminado, no un insumo.
La salida es integrarse
Si el insumo se abarata y el valor está en lo que se hace con él, la única forma realista de capturarlo es quedarse con el producto final y con el riesgo que lo acompaña. Las telecos lo aprendieron tarde: construyeron las redes y el dinero lo ganaron quienes pusieron encima un servicio.
La biotecnología con IA es el caso más claro. Según un análisis de Sacra sobre Tahoe Therapeutics, una plataforma que genera sus propios datos, diseña compuestos y los lleva a la clínica puede conservar los derechos de cada molécula, en lugar de cobrar honorarios por descubrimiento y quedarse a medio camino. Es la diferencia entre vender el pico y la pala y ser dueño de la mina. Y también es el negocio que asume el riesgo: ensayos clínicos que cuestan años y fracasan a menudo.
Lo mismo vale fuera de la medicina. Quien incorpora la inteligencia a un producto propio —con sus datos, su canal de distribución y su marca— vende un resultado y no tokens. De ahí que los propios laboratorios de modelos no se conformen con ofrecer una API y se estén convirtiendo, cada vez más, en empresas de producto.
Dónde puede fallar la analogía
La tesis describe una tendencia, no un hecho consumado. Y los datos de 2026 la contradicen en parte:
- La frontera aún no es un commodity. El mismo estudio que mide la caída de 600 veces encuentra que los precios de los modelos insignia no siguen una caída exponencial. Wing VC lo resume bien: el descuento afecta a la capacidad del año pasado, no a la de punta.
- Los márgenes de los laboratorios están subiendo. Según SemiAnalysis, citado por Wing VC, el margen de inferencia de Anthropic pasó de alrededor del 38 % a cerca del 70 % en un año. Son cifras de prensa y excluyen el entrenamiento, pero no se parecen a las de una empresa de agua.
- El volumen puede compensar el precio. Gartner prevé que los costes unitarios caerán, que los proveedores no trasladarán todo el ahorro a sus clientes y que el gasto total subirá, porque los agentes consumen entre 5 y 30 veces más tokens por tarea que un chatbot. Las eléctricas también ganan dinero, al fin y al cabo.
- La escasez puede estar en otro eslabón. Si faltan chips, energía o centros de datos, el valor se queda ahí: Nvidia declara un margen bruto del 74,9 %.
- Integrarse es difícil. Hacer IA y hacer fármacos son oficios distintos, y en el sector sigue abierto el debate entre construir un catálogo propio o asociarse.
Aun así, nada de esto desmiente la lógica de fondo. Los márgenes altos de hoy se apoyan en la ventaja de ir un paso por delante, y el caso de DeepSeek-R1 muestra con qué rapidez pueden erosionarse.
Qué hacer con esto
- Si construyes sobre una API, tu margen no está en el modelo, sino en lo que haces con él: datos propios, un flujo de trabajo y la relación con el cliente.
- Si compras IA, aprovecha la caída de precios y no te cases con un proveedor. Notion, según Wing VC, recortó unas tres veces sus costes unitarios de IA en dos años simplemente eligiendo entre modelos.
- Si inviertes, desconfía de quien vende solo inferencia sin una escasez que lo respalde.
La electricidad lo transformó todo, pero la fortuna estuvo en lo que se fabricó con ella. Con la inteligencia va a pasar algo parecido.