Quien recuerde las primeras tarifas de datos del móvil conoce la sensación: de repente, cada megabyte contaba. Algo parecido empieza a pasar con la inteligencia artificial. La cuota fija que lo incluía casi todo deja paso, poco a poco, al contador.
De tarifa plana a contador
Este lunes, 1 de junio, ha entrado en vigor el nuevo sistema de cobro de GitHub Copilot, el asistente de programación de Microsoft, anunciado a finales de abril. Los precios de los planes no cambian, de 10 dólares al mes en el individual a 39 por usuario en el de empresa, pero ahora cada cuota incluye un saldo de créditos equivalente. Cuando se agota, se compra más o se para. Los administradores pueden fijar presupuestos por empresa, por departamento y por persona.
Qué se paga exactamente
La unidad de cuenta son los tokens, los fragmentos de texto que el modelo lee y escribe: aproximadamente, trozos de palabra. Se cobran al precio público de cada modelo, tanto los de entrada como los de salida. Las sugerencias de autocompletado siguen incluidas sin gastar créditos. Desaparece, en cambio, una red de seguridad: antes, quien agotaba sus peticiones podía seguir con un modelo más modesto; ahora manda el saldo.
Los agentes lo cambian todo
La explicación de GitHub es reveladora. Copilot ya no solo sugiere líneas: ejecuta agentes que trabajan durante sesiones largas, con muchos pasos encadenados. Con el sistema anterior, una pregunta rápida y una sesión de varias horas costaban lo mismo, y la empresa reconoce que venía absorbiendo buena parte del coste creciente de ejecutar los modelos. Su conclusión: el modelo anterior no era sostenible.
Cuando la IA pasa de contestar a trabajar, la factura pasa de cuota a contador.
¿Más justo o más incierto?
Hay argumentos en las dos direcciones. A favor, pagar por consumo es más justo: quien usa poco no subvenciona a quien usa mucho, y el proveedor no necesita limitar a los usuarios intensivos. En contra, el gasto se vuelve menos previsible, y muchos desarrolladores temen facturas que crecen sin darse cuenta. La duda de fondo es si esto anticipa lo que harán otros servicios de IA cuando los agentes se generalicen. Para las empresas, gestionar el gasto en IA empieza a parecerse a gestionar el de la nube.
Pagar por lo que se usa, usar lo que aporta
Lo vemos como una señal de madurez: la IA deja de ser una promoción y empieza a tener un coste visible, como cualquier recurso de la empresa. El reto es aprender a medir, elegir el modelo adecuado para cada tarea y no usar el más caro para todo. La oportunidad es clara para quien lo haga bien: saber cuánto cuesta cada tarea permite saber cuánto vale, y decidir con datos dónde la IA aporta y dónde no.