Expertos de la UOC indican que la IA generativa avanza hacia agentes capaces de ejecutar procesos completos, lo que podría cambiar la manera en que se remunera y valora su impacto económico
El sector de la inteligencia artificial experimenta una transformación significativa, aunque silenciosa. Durante largo tiempo, el modelo ha estado basado en el consumo: la cantidad de consultas realizadas, textos generados o tokens procesados. No obstante, este método podría estar llegando a su fin. El porvenir apunta a un esquema donde la IA se pague no por lo que “expresa”, sino por lo que “soluciona”, según los especialistas.
El motor de este cambio radica en la evolución de los sistemas de inteligencia artificial generativa hacia los denominados agentes de IA, que no solo responden preguntas, sino que son capaces de completar procesos enteros de principio a fin. De acuerdo con expertos de la Universitat Oberta de Catalunya (UOC), este avance tecnológico está modificando la percepción del valor económico asociado a la inteligencia artificial.
PUBLICIDAD
“Los clientes no buscan comprar capacidad computacional, sino una tarea finalizada: un informe, una campaña, una reserva realizada, una incidencia cerrada o una mejora en la productividad”, apunta Carles Méndez-Ortega, profesor de los Estudios de Economía y Empresa de la UOC e investigador del grupo i2TIC-IA Lab. Para él, la transformación no es solo técnica, sino estructural: redefine lo que exactamente se está pagando al utilizar la IA.
Del token al resultado
Hasta el momento, la economía de la IA se ha fundamentado en una unidad básica: el token, que representa el fragmento más pequeño de texto que un modelo procesa o genera. Este sistema ha permitido medir el uso con precisión y facturar según el volumen de interacción.
PUBLICIDAD
Sin embargo, con la llegada de los agentes de IA, este modelo comienza a mostrar deficiencias. Estos sistemas no solo contestan, sino que planifican, consultan herramientas externas, verifican datos y realizan acciones en cadena para cumplir un objetivo.
Investigaciones recientes indican que estos agentes pueden llegar a consumir hasta mil veces más tokens que los chats convencionales en tareas complejas, dado que dividen los problemas en múltiples etapas antes de entregar una solución definitiva.
PUBLICIDAD
“La cuestión ya no es la cantidad de texto generado por la IA, sino la tarea que logra completar”, destacan los investigadores. Este giro abre paso a un nuevo modelo económico basado en resultados: pagos por procesos finalizados, incidencias resueltas, campañas implementadas o ahorros conseguidos.
David de Falguera, abogado experto en IA y Derecho Digital, analiza la brecha entre la rápida evolución de la inteligencia artificial y la lentitud de la regulación. Aborda la necesidad de definir normativas que protejan los derechos digitales sin frenar la innovación tecnológica.
De conversar a actuar: la IA que ya no solo responde
La diferencia entre los sistemas actuales y los agentes de IA es sustancial. Mientras los chatbots tradicionales se limitan a intercambiar mensajes, los nuevos agentes pueden interactuar directamente con aplicaciones, bases de datos, calendarios o sistemas de correo electrónico.
PUBLICIDAD
“Un chatbot generalmente se restringe a conversar, pero un agente de IA va más allá, pues no solo responde, sino que toma acción”, explica Antonio Pita, profesor de los Estudios de Informática, Multimedia y Telecomunicación de la UOC e investigador del grupo ICSO. Para él, el avance es comparable al salto de un asesor a un ejecutor: “El chatbot colabora en pensar, redactar o diseñar, mientras que el agente ayuda a realizar”.
Valor sobre el resultado final
Este cambio impacta de forma directa en la manera de valorar. Si un sistema puede cerrar una incidencia, modificar una cita o tramitar un pedido, el valor deja de centrarse en la cantidad de interacciones y se orienta hacia el resultado final.
PUBLICIDAD
Según Méndez-Ortega, esta transición puede transformar profundamente el modelo de negocio de la IA, ya que cambia la unidad de valor. La tecnología deja de monetizarse simplemente por el uso técnico de un modelo y comienza a asociarse directamente con el impacto económico que produce. “Esto acerca la inteligencia artificial al lenguaje clásico empresarial: reducción de costes, aumento de productividad, disminución de tiempos y resultados cuantificables”, aclara el especialista.
Sectores como atención al cliente, recursos humanos, compras o desarrollo de software podrían ser los primeros en adoptar esta modalidad. “El valor no reside en cuántos mensajes procesa la IA, sino en si la cita se ajusta, la incidencia queda cerrada o la clientela obtiene una solución satisfactoria”, comenta Pita.
PUBLICIDAD
David de Falguera, abogado experto en IA y Derecho Digital, examina el desfase entre la acelerada evolución de la inteligencia artificial y el lento avance normativo. Destaca la importancia de establecer regulaciones flexibles e inteligentes que garanticen la protección de los derechos digitales en entornos digitales.
Un cambio que desafía el modelo de licencias por usuario
La transformación también cuestiona uno de los fundamentos del software tradicional: la facturación mediante licencias por usuario. Si un agente de inteligencia artificial puede desempeñar el trabajo de varias personas, esta modalidad pierde parte de su sentido económico.
“El esquema de licencia por usuario tiene cada vez menos fundamento”, afirma Méndez-Ortega. En su lugar, comienzan a imponerse modelos híbridos que mezclan cuotas fijas con pagos variables basados en el uso real o en tareas concluidas.
PUBLICIDAD
En este contexto emergente, podrían aparecer modalidades como el pago por ticket resuelto en atención al cliente, por lead cualificado en ventas, por código validado en programación o por informe generado en análisis financiero.
Este método ofrece ventajas claras: las empresas abonan por resultados específicos en lugar de por el acceso a la tecnología. Sin embargo, también presenta un desafío crucial: definir con exactitud qué se considera un resultado válido y cómo evaluarlo objetivamente.
PUBLICIDAD
“Solo es viable aplicarlo a acciones que puedan medirse claramente, como incidencias resueltas, pedidos procesados o errores corregidos, porque si el resultado es ambiguo o complejo de valorar, será difícil establecer un acuerdo justo entre proveedor y cliente», advierte Pita.
La eurodiputada Laura Ballarín analiza el papel pionero de España en la regulación de los derechos digitales dentro de la Unión Europea. En esta entrevista aborda los retos de legislar sobre inteligencia artificial y la importancia de que las grandes plataformas cumplan las normativas para proteger a la ciudadanía.
El coste invisible: la presión sobre la infraestructura
Además del modelo económico, el progreso de los agentes de IA introduce otro factor crítico: el coste de la inferencia, es decir, el proceso mediante el cual un modelo entrenado genera las respuestas.
Con el empleo masivo de estos sistemas, se generan tensiones entre coste, rapidez y eficiencia. Algunos estudios advierten sobre una posible “crisis de inferencia”, en la que el auge en el uso de IA podría minar los márgenes de las empresas si los precios no se ajustan en consecuencia.
Este coste no recae en un solo actor. Según los expertos, se distribuye entre proveedores de modelos, plataformas tecnológicas e infraestructuras como centros de datos, fabricantes de chips y suministradores de energía.
“Cada eslabón de la cadena asumirá parte de esa presión”, puntualiza Méndez-Ortega. En este escenario, las empresas más sólidas serán aquellas integradas verticalmente, capaces de gestionar modelos, infraestructura y distribución en conjunto.
Hacia una IA centrada en problemas resueltos
Este nuevo panorama podría también modificar la dinámica competitiva del sector. Las compañías que ofrezcan acceso genérico a modelos mediante API, cobrando por consulta o token, podrían enfrentar mayor competencia frente a aquellas que provean soluciones integrales y personalizadas.
Por otro lado, las empresas que optimicen la inferencia, ajusten modelos a tareas específicas o integren IA en productos con alto valor agregado contarán con mayor margen para mantener sus ingresos.
A medida que la inteligencia artificial se consolida como infraestructura global, algunos expertos la comparan con internet o la electricidad: tecnologías invisibles en su uso diario, pero indispensables para la economía moderna.
Si esta tendencia se confirma, el valor de la IA dejará de medirse por tokens consumidos para hacerlo por algo mucho más tangible: problemas resueltos. Este giro podría cambiar radicalmente cómo se remunera, se mide y se comprende la inteligencia artificial en los próximos años.