¿Y si la IA se está quedando sin gasolina?

No hablo de hype.

Hablo de infraestructura, costes y límites reales.

Muchos estamos notando algo parecido: respuestas más lentas, límites que se consumen antes, herramientas que algunos días parecen menos finas o menos profundas que hace unos meses.

Puede que sea percepción.

Pero también puede que estemos empezando a ver una parte del problema que hasta ahora quedaba bastante escondida.

La IA no vive en una nube mágica.

Vive en centros de datos, GPUs, energía, memoria, refrigeración, ancho de banda, modelos cada vez más grandes y una factura brutal que alguien tiene que pagar.

Y aquí aparece una palabra que cada vez será más importante:

tokens.

Los tokens son, en la práctica, la gasolina de la IA.

Una pregunta simple consume poco.

Pero una sesión larga, con contexto, documentos, agentes, razonamiento, memoria, varias iteraciones y respuestas extensas, puede consumir muchísimo más.

Y claro, el modelo de “paga una cuota fija y usa todo lo que quieras” empieza a tener un problema evidente:

los costes reales no son planos.

El problema real no es solo la IA

Durante meses hemos hablado de modelos, prompts, agentes, automatización, productividad y casos de uso.

Todo eso importa.

Pero quizá hemos hablado menos de lo que sostiene todo eso por debajo.

La IA necesita capacidad de cómputo.

Y esa capacidad de cómputo no aparece por arte de magia.

Hay que comprar GPUs.

Hay que instalar servidores.

Hay que alimentar centros de datos.

Hay que refrigerarlos.

Hay que priorizar cargas.

Hay que decidir quién accede a más contexto, a más velocidad y a más profundidad.

Ese es el punto incómodo.

La IA no es solo software.

También es infraestructura.

Y cuando una tecnología depende tanto de infraestructura física, tarde o temprano aparece la pregunta de siempre:

¿quién paga?

Tokens: la unidad que empieza a mandar

Durante años nos acostumbramos a pagar software por usuario, por licencia, por módulo o por suscripción.

Con la IA, el debate cambia.

Porque el consumo real puede depender de cuántos tokens entran, cuántos tokens salen, cuánto contexto se mantiene, cuánto razonamiento se activa y cuántas llamadas hacen los agentes por detrás.

Una conversación sencilla no es lo mismo que analizar veinte documentos.

Una respuesta rápida no es lo mismo que pedir razonamiento profundo.

Un chatbot de soporte no consume igual que un agente que lee, compara, ejecuta, vuelve a intentar y documenta.

Y si esto va hacia modelos de pago por uso real, por prioridad de cómputo o por capacidad de razonamiento, entonces entramos en una etapa distinta:

la IA con taxímetro.

No necesariamente es malo.

Pero cambia la conversación.

El peaje invisible del idioma

Hay otro detalle que no deberíamos ignorar.

Quienes trabajamos en español podemos tener un pequeño peaje adicional.

No siempre, no en todos los modelos y no con la misma intensidad, pero en muchos casos un texto en español puede consumir más tokens que un equivalente en inglés.

Eso significa que, con usos parecidos, un usuario hispanohablante podría llegar antes a ciertos límites o consumir más capacidad.

Puede parecer un detalle técnico.

Pero no lo es tanto.

Si el futuro de la IA se mide por tokens, contexto, prioridad y cómputo, entonces el idioma también puede influir en el coste real de uso.

Y eso tiene implicaciones para empresas, educación, administraciones públicas y profesionales que trabajan fuera del inglés.

La IA de dos velocidades

Aquí es donde el debate se pone más serio.

Podríamos terminar con una IA de dos velocidades.

Una para quien puede pagar más contexto, más profundidad, más velocidad y más potencia.

Y otra para quien se queda con respuestas más básicas, más lentas o más limitadas.

En empresa esto no es un tema “techie”.

Es competitivo.

Quien tenga mejor acceso a IA podrá analizar más rápido, automatizar mejor, documentar con más contexto, comparar más alternativas y operar con más ventaja.

La diferencia no estará solo en “tener IA” o “no tener IA”.

La diferencia estará en qué IA puedes usar, con qué límites, con qué calidad, con qué integración y con qué capacidad real de cómputo detrás.

Lo que esto cambia en empresa

Durante mucho tiempo la pregunta fue:

“¿Qué herramienta de IA usamos?”

Pero quizá la pregunta empieza a ser otra:

“¿Qué capacidad real de IA podemos sostener?”

Porque no es lo mismo probar un asistente para tareas sueltas que rediseñar procesos apoyados en IA.

No es lo mismo usar IA para redactar textos que integrarla con datos internos, documentos, flujos de trabajo, CRM, ERP, reporting o atención al cliente.

Y no es lo mismo hacer una demo bonita que operar IA todos los días, con volumen, seguridad, gobierno, coste y calidad estable.

Ahí aparece la parte menos sexy, pero más importante:

• coste por uso;
• control de datos;
• límites de contexto;
• latencia;
• seguridad;
• trazabilidad;
• dependencia de proveedor;
• gobierno interno;
• capacidad de medir impacto real.

La IA útil no se decide solo por lo espectacular de una demo.

Se decide por lo que una empresa puede sostener de forma seria.

Open source, IA local e IA soberana

Por eso creo que el debate sobre modelos open source, IA local e IA soberana va a crecer.

No porque todo tenga que hacerse en local.

No porque todos tengan que montar servidores propios.

Y no porque lo abierto sea automáticamente mejor.

Pero sí porque las empresas van a querer entender mejor qué pueden controlar, qué pueden pagar, qué pueden proteger y de quién dependen.

Habrá casos donde la nube pública será lo más razonable.

Habrá casos donde modelos privados o entornos controlados tendrán más sentido.

Habrá casos donde una combinación híbrida será la opción práctica.

Lo importante será dejar de hablar de IA como si fuera una caja mágica infinita.

No lo es.

Menos magia y más criterio

La IA no se está volviendo gratis.

Se está volviendo estratégica.

Y cuando algo se vuelve estratégico, ya no basta con probar herramientas sueltas o perseguir el último titular.

Hay que hablar de infraestructura.

De costes.

De acceso.

De límites.

De idioma.

De soberanía.

De gobierno.

De productividad real.

De qué procesos merecen IA y cuáles solo necesitan orden, datos limpios y sentido común.

Porque puede que la gran pregunta no sea solo si la IA nos quitará trabajo.

También puede ser esta:

¿quién podrá pagar la mejor IA?

Y, sobre todo:

¿quién sabrá usarla con criterio cuando el taxímetro empiece a correr?