El precio de los tokens y el futuro de la IA: por qué los modelos de frontera podrían volverse commodity

¿Por qué hoy los modelos de frontera pueden poner el precio?

La premisa de Benedict Evans en «Ways to think about token pricing» es que solo hay dos certezas sobre el precio de los tokens: estamos en una escasez de oferta y esa situación es inestable. Hoy los laboratorios pueden fijar precio porque la demanda supera la capacidad, pero, según su análisis, el crunch de este año lo empuja sobre todo un caso de uso con encaje real: el desarrollo de software. Con más capacidad de cómputo en camino y la eficiencia de inferencia mejorando rápido, esa ventaja no está garantizada.

La tesis de Evans: rumbo a infraestructura commodity

Su conclusión es directa y contestable.

«Al ceder la actual escasez de oferta, los modelos de frontera se mueven hacia convertirse en infraestructura commodity, con todo el valor construido encima.» Benedict Evans

Evans afirma que casi todas las dinámicas visibles apuntan a ese destino, salvo que aparezca algo que hoy no vemos. La inferencia, recuerda, ya operaría con márgenes brutos del orden de 40 a 50%, sin contar el costo de entrenar el próximo modelo, que hoy supera a los ingresos.

¿Qué tendría que cambiar para que no sean commodity?

El ensayo plantea cuatro preguntas que definen el desenlace: cuántos casos de uso pagan de verdad por estar en la frontera; si la frontera sigue moviéndose lo bastante rápido para mantenerse por delante de la caída de precios; si persiste la competencia feroz entre varios laboratorios o emergen efectos de red; y cuánto del valor lo captura el modelo mismo frente a lo que hay que envolver en producto, datos propietarios y go-to-market. Ninguna es binaria, pero todas empujan hacia la comoditización mientras no cambien.

Analogías que iluminan y engañan

Evans es explícito en que las analogías no predicen. Descarta la comparación con la fibra óptica, porque fue una sobreoferta de costo fijo y no de costo marginal, y propone que los datos móviles son el paralelo más útil: el tráfico creció órdenes de magnitud y se volvió una industria de cerca de un billón de dólares al año, pero las acciones no se movieron y el valor lo capturaron actores más arriba del stack. Los semiconductores muestran lo contrario en concentración: TSMC quedó casi sola en la frontera, con buenos márgenes, y aun así captura una porción acotada del valor total.

¿Qué significa para los equipos B2B en Chile y Latinoamérica?

Para quienes construyen sobre IA en Chile y Latinoamérica, la señal práctica es no casarse con un único proveedor de modelos. Si el escenario de Evans se cumple, el costo por token caería y el poder de negociación se movería hacia arriba del stack: hacia el producto, el dato propietario y la relación con el cliente. Diseñar por portabilidad de modelos, medir el retorno real de cada caso de uso y capturar valor en la capa que el cliente paga es una cobertura razonable frente a una estructura de mercado que nadie puede prever con certeza.

La lectura de Revenue Hub

Esto es un análisis de Revenue Hub sobre la opinión de Benedict Evans, no una reproducción de su ensayo. Nos interesa menos acertar el desenlace y más su método: hay incertidumbres de fondo que no se resuelven repitiendo que no entendemos las exponenciales. Para un líder comercial en Latinoamérica, la lectura útil no es apostar por un final, sino construir sobre IA de manera que el valor viva en su producto y sus datos, no en el modelo que hoy resulte más barato.