Recientemente OpenAI difundió un documento orientado a directivos empresariales sobre cómo administrar el gasto en inteligencia artificial a medida que las organizaciones migran de un uso conversacional hacia flujos de trabajo agénticos más prolongados y complejos. El texto parte de una constatación propia de la compañía: el precio por millón de tokens cayó un 97% entre GPT-4 y GPT-5.4, y su modelo más reciente, GPT-5.6, continúa esa tendencia con mejoras de eficiencia adicionales frente a generaciones anteriores. Sin embargo, OpenAI advierte que el abaratamiento del token no equivale, por sí solo, a mayor valor generado, y propone una métrica alternativa: el trabajo útil por dólar invertido, medido en tareas completadas, tiempo ahorrado y decisiones mejoradas.
El documento estructura sus recomendaciones en cinco pasos:
– El primero consiste en ganar visibilidad clara sobre quién usa la inteligencia artificial dentro de la organización, qué modelos y productos utiliza y qué tipo de trabajo sostiene ese consumo, apoyándose en paneles de análisis y controles de gasto disponibles en la consola de administración de ChatGPT Enterprise.
– El segundo paso plantea evaluar la eficiencia de los modelos no por el precio del token sino por el costo por resultado aceptado, ya que un modelo más económico puede terminar resultando más caro si requiere reintentos o revisión humana adicional.
– El tercero se centra en la gobernanza de flujos de trabajo avanzados antes de escalarlos, definiendo qué contexto, herramientas y acciones puede ejecutar un agente y quién aprueba los pasos de mayor riesgo.
– El cuarto recomienda financiar como cartera de inversión los flujos de trabajo con potencial de repetirse a escala.
– El quinto insiste en ajustar la capacidad contratada —mediante mecanismos como capacidad garantizada, niveles de escala para volumen predecible o procesamiento por lotes— a la demanda ya validada de cada flujo de trabajo, en lugar de sobredimensionar la infraestructura desde el inicio.
El planteamiento de OpenAI llega en un momento en que varias firmas de análisis vienen documentando una brecha entre la expectativa y la realidad del retorno de inversión en IA agéntica. Gartner ha proyectado públicamente que más del 40% de los proyectos de IA agéntica podrían cancelarse antes de 2027 debido a costos fuera de control, gobernanza insuficiente y retorno de inversión poco claro, y ha señalado que los flujos de trabajo agénticos pueden consumir entre cinco y treinta veces más tokens por tarea que una consulta conversacional simple, dado que cada acción de un agente puede disparar múltiples llamadas al modelo para verificar herramientas, corregir errores y confirmar resultados.
Encuestas citadas por analistas del sector muestran que las empresas anticipan retornos promedio superiores al 170% en sus inversiones de IA agéntica, pero que solo una minoría puede atribuir hoy un impacto medible en sus resultados operativos, lo que explica por qué proveedores como OpenAI están empezando a publicar marcos de gestión de costos dirigidos específicamente a equipos financieros y de tecnología.
Impacto en el sector IT: para los responsables de tecnología, esta guía formaliza un cambio de paradigma que ya se venía sintiendo en la práctica: la conversación sobre inversión en IA se está desplazando del costo unitario del token hacia el costo por tarea completada y el retorno por flujo de trabajo.
Los equipos de TI que aún miden el éxito de sus proyectos de IA solo por el volumen de adopción, sin métricas de gobernanza, trazabilidad de gasto por equipo y control de permisos de los agentes, corren el riesgo de sumarse a la proporción de iniciativas que las consultoras anticipan que serán descontinuadas en los próximos dos años por falta de resultados demostrables.
Fuente: OpenAI | Editado por CDOL
