La inteligencia artificial (IA) ha entrado en una nueva etapa de adopción empresarial, donde el énfasis ya no está en desarrollar los modelos más potentes, sino en lograr mayor eficiencia y rentabilidad de las inversiones. Tras casi cuatro años de expansión de herramientas como ChatGPT, Claude y Gemini, las compañías ahora buscan reducir costos, optimizar el consumo de recursos y medir con mayor precisión el impacto financiero de estas tecnologías. Esta transición está modificando las apuestas de Wall Street y el reparto del valor dentro de la industria.
La eficiencia reemplaza la carrera por los modelos más potentes
La evolución del mercado refleja un cambio de prioridades entre las empresas que incorporan inteligencia artificial a sus operaciones. En lugar de concentrarse únicamente en acceder a modelos con mayores capacidades, las organizaciones comenzaron a evaluar cuánto valor generan frente al dinero que destinan a su implementación.
"La primera fase de la IA consistía en demostrar que los modelos funcionaban, la siguiente consiste en demostrar que generan suficiente valor para justificar el gasto", explicó a EFE Shay Boloor, estratega jefe de mercado de Futurum.
Uno de los principales indicadores de esa nueva etapa es el consumo de 'tokens', la unidad utilizada para medir el uso de los modelos de IA y, al mismo tiempo, el costo asociado a su funcionamiento. Cada consulta realizada por un usuario, cada respuesta generada o cada fragmento de código producido consume una cantidad determinada de 'tokens'. A medida que aumenta la complejidad de las tareas, también crece el gasto que deben asumir las compañías.
"Cuando las compañías pasan a producción, los costes de los 'tokens' dejan de ser una cuestión técnica y se convierten en un gasto operativo que los directores financieros empiezan a vigilar", señaló Boloor.
Control de costos y restricciones presupuestarias
La necesidad de controlar ese gasto ya se refleja en las decisiones corporativas. De acuerdo con una encuesta realizada por UBS entre 130 empresas, el 60 % de las organizaciones consultadas implementó restricciones al presupuesto destinado a inteligencia artificial con el propósito de maximizar el rendimiento por cada dólar invertido.
El banco también identificó casos en los que los costos se dispararon. Entre ellos figura un empleado que llegó a consumir 35.000 dólares mensuales en 'tokens', además de equipos de trabajo que superaron entre un 100 % y un 200 % los límites semanales establecidos para este tipo de herramientas.
Karl Freund, fundador de Cambrian-AI Research, considera que este cambio responde a la madurez alcanzada por la industria, que ahora deja atrás la etapa de creación de modelos para enfocarse en mejorar su utilización.
"Cuando la IA se enfocaba en entrenar y desarrollar nuevos modelos, el tiempo de llegada al mercado y el rendimiento eran lo más importante. Ahora que esos modelos se utilizan millones de veces y llegan los agentes de IA, el mercado vira a la eficiencia", explicó a EFE.
Para Boloor, esta transición también modificará la distribución del valor dentro del ecosistema tecnológico. "Si la IA se vuelve más barata y accesible, el valor se desplazará hacia las capas que ayudan a las empresas a usarla de forma efectiva", afirmó.
Chips, nube e infraestructura concentran la atención del mercado
Mientras las empresas buscan reducir costos operativos, el crecimiento del uso de la inteligencia artificial continúa impulsando la demanda de infraestructura tecnológica. Un informe reciente de Goldman Sachs señala que las compañías con mayor adopción de IA consumen cerca de tres veces más 'tokens' que las empresas promedio, un comportamiento que incrementa las necesidades de procesamiento, almacenamiento y capacidad de los centros de datos.
El banco también prevé que la siguiente fase estará impulsada por la expansión de la inferencia, es decir, el proceso mediante el cual modelos previamente entrenados ejecutan tareas utilizando nuevos datos. Esa dinámica mantiene el interés de los inversionistas sobre fabricantes de semiconductores y proveedores de servicios en la nube, especialmente porque desarrolladores como OpenAI y Anthropic aún no cotizan en bolsa.
Dentro de ese escenario, Nvidia, líder en chips para centros de datos, acumula un incremento cercano al 13 % durante los últimos seis meses. En ese mismo periodo, AMD registra un alza de 167 %, Intel avanza 150 % y Micron suma 186 %, impulsadas por la demanda de infraestructura para inteligencia artificial.
No obstante, Freund considera que el mercado exigirá una oferta más amplia que el suministro de procesadores. "Seguirán siendo importantes, pero tendrán que ofrecer soluciones completas a los operadores de nube", puntualizó.
Morgan Stanley identifica entre los beneficiados a proveedores de servicios en la nube como Amazon Web Services, Microsoft Azure, Google Cloud y Oracle. También destaca a compañías de infraestructura digital como Cloudflare, cuyas acciones avanzaron un 45 % durante el último semestre.
Los modelos abiertos elevan la competencia en la industria
La presión de las empresas para reducir costos también está impulsando el crecimiento de modelos de menor precio y de código abierto. Según Boloor, plataformas desarrolladas por compañías chinas como DeepSeek, Alibaba y Tencent ganan terreno gracias a esa necesidad de ofrecer alternativas más económicas para determinados procesos empresariales.
A su juicio, esta tendencia aumentará la competencia entre los desarrolladores y hará más difícil que un solo proveedor conserve precios elevados durante largos periodos. "El mercado se dirige hacia un modelo por capas: los sistemas más potentes se utilizarán para las tareas más complejas, y los modelos baratos asumirán trabajos rutinarios y de gran volumen", explicó.
Freund coincide en que el sector avanza hacia una mayor estandarización tecnológica. "Hay ya más de 2,9 millones de modelos disponibles en Hugging Face, donde investigadores y empresas comparten modelos de IA. Los modelos del futuro serán como los compiladores del pasado. Y nadie gana dinero con los compiladores", afirmó.
En ese contexto, adquieren mayor relevancia las empresas capaces de integrar la inteligencia artificial a procesos específicos, administrar grandes volúmenes de datos y desarrollar agentes inteligentes para distintos sectores productivos. Entre ellas figuran Salesforce, Microsoft y Palantir.
Precisamente, el consejero delegado de Palantir, Alex Karp, cuestionó recientemente el modelo generalista basado en 'tokens', al considerar que "eleva los costes para los usuarios y reduce el retorno de la inversión".
Para Boloor, el siguiente ciclo de desarrollo de la inteligencia artificial favorecerá a las compañías que logren ofrecer soluciones con menores costos, mayor integración empresarial y aplicaciones adaptadas a las necesidades operativas de las organizaciones.
