El precio que no pagas
Lo que cuesta realmente usar una IA, y por qué debería preocuparte
Un usuario de Claude consumió recientemente 1.100 millones de tokens en 23 días.
El coste equivalente en la API de Anthropic fue de unos 27.000 dólares. Lo que pagó: 200 dólares al mes con su plan Max 20x. Es decir: pagó 135 veces menos de lo que costó.
El dato lo compartió Alex Banks en LinkedIn esta semana, y es el síntoma más visible de un modelo de negocio que, a día de hoy, funciona exactamente al revés de como debería.
Las cifras son públicas y son contundentes. El CFO de Anthropic, Krishna Rao, declaró en un filing judicial recientemente que la empresa ha generado algo más de 5.000 millones de dólares de ingresos acumulados en toda su historia, mientras ha gastado más de 10.000 millones entre inferencia y entrenamiento. OpenAI no está mejor: generó unos 3.700 millones en 2024 y perdió aproximadamente 5.000 millones. Gasta 1,35 dólares por cada dólar que ingresa.
Las dos empresas más valiosas del sector de IA generativa están, literalmente, subvencionando cada prompt que escribes.
Por qué? Porque es su estrategia
El playbook es conocido: subvencionar hasta crear dependencia, y después corregir los precios.
Dario Amodei, CEO de Anthropic, lo dijo sin rodeos hace poco: si el ritmo de crecimiento de ingresos fuera 5x al año en vez de 10x, irían a la quiebra. El margen entre el éxito y la insolvencia se mide en trimestres.
De hecho, esta semana hemos visto las consecuencias directas: Anthropic redujo los límites de sesión durante horas punta, y ya el 7% de los usuarios declara notar restricciones que antes no existían. Por cierto: antes de esas reducciones, ofreció una promoción temporal duplicando límites fuera de horas punta, que expiró el 28 de marzo.
El patrón que describió Banks es preciso: dar con una mano, quitar con la otra, y que el nuevo suelo sea más bajo que el anterior sin que nadie pueda señalar exactamente qué cambió.
Aquí es donde la historia se pone seria para las empresas
Hay compañías que ya están tomando decisiones irreversibles basándose en estos precios: reduciendo equipos de desarrollo, construyendo productos enteros sobre pipelines agénticos, eliminando capacidad interna que no podrán reconstruir fácilmente. Y todo basándose en unos precios que los propios proveedores saben que son insostenibles.
Steve Smith, en un análisis demoledor publicado hace unos días, lo formula con claridad: si no puedes construir un negocio viable con costes de IA 5 veces superiores a los actuales, no tienes un negocio viable: tienes un proyecto científico subvencionado.
Piénsalo así: una empresa que hoy sustituye a tres desarrolladores por un flujo agéntico a 200 dólares al mes está haciendo las cuentas con precios que el propio proveedor sabe que no puede mantener. El día que esos 200 se conviertan en 2.000 (o que los límites se endurezcan hasta hacer el servicio inutilizable para producción) esa empresa no tendrá ni el equipo humano ni el margen para reaccionar. La dependencia sin plan B es el riesgo real.
Yo también uso la IA, tantos modelos como puedo y en tantas tareas como creo que tiene sentido. Pero conviene ser honesto: estamos en la fase de subvención, no en la de equilibrio.
Y las decisiones que tomemos hoy sobre cuánto depender de estos servicios definirán nuestra capacidad de maniobra cuando los precios reflejen lo que realmente cuestan.
PS: El artículo que he citado antes de Steve Smith merece una lectura completa. Su conclusión. Y Uptechstudio publicó otro análisis (”The True Cost of AI: When the Subsidies Run Out”) con un consejo que suscribo: si no tienes un plan para un escenario donde los costes se multiplican por 5, hazlo hoy, no cuando tu proveedor te avise con 90 días.
Esta reflexión la hice hace un año y desde entonces pago ese Claude Max bien contento, pero no solamente para construir procesos en base a su modelo de razonamiento estrella por el ahorro que significa en comparativa MAX vs API. Siempre pueden subirte el coste por token y el chiringuito se viene abajo. Usar hoy en día Claude está bien pero está mejor para construir tu resiliencia operativa de IA, utilizando también modelos locales,concretos, depurados para tareas muy específicas, es lo que me parece más sensato en un ecosistema que no para de cambiar y podría dejarnos más pronto que tarde atados económicamente, más dependientes, como el agua para beber. No se habla lo suficiente de La resiliencia operativa de la IA, y no es que se caiga el servicio es que inevitablemente te van a subir el precio y el coste de cambiar todo llegado el caso va a hacer sudar a más de uno.
Excelente análisis sobre la cuestión de la sostenibilidad económico-financiera, Pep... Debo decir, que cuando vi el título de tu artículo, antes de entrar, pensaba que iba a ir sobre los costes sociales y ecológicos que, efectivamente, son externalidades de las empresas de IA, y no pagamos directamente en el precio (pero las pagamos de otras formas... algunas personas y comunidades más que otras).
Esa segunda cuestión de insostenibilidad, la ecológica y social, que raramente aparece junto a la cuestión económica... El coste energético y de agua de la inferencia a escala no está reflejado en el precio que pagamos (ni en el que debería pagarse). Lo cual me plantea una pregunta inquietante: ¿y si los límites físicos — energía, agua, regulación de emisiones — llegan antes de que estas compañías alcancen la rentabilidad? Hay quien habla de la burbuja de la IA (con las nefastas consecuencias que tendría para la economía mundial); no sé si entrar en eso, pero lo que sí sé es que me preocupa ver todo el desastre socio-ecológico que está dejando esta carrera por el crecimiento acelerado en este sector...