Las empresas están cometiendo un error contable de fondo que podría costarles su relevancia en el mercado: clasifican el gasto en inteligencia artificial (IA) como un costo operativo más. Para un director financiero, pagar la factura mensual de modelos de lenguaje parece equivalente a pagar la renta de la oficina o el servicio de internet. Sin embargo, cuando un agente autónomo ejecuta tareas en lugar de un empleado, el gasto en tokens —la unidad mínima de procesamiento de información que consume la IA— deja de ser un gasto administrativo para convertirse en materia prima.
Si una compañía destina USD 100.000 mensuales a las plataformas de OpenAI o Anthropic para automatizar procesos, ese dinero no es una suscripción que se consume; es capital que se transforma en capacidad productiva. Los tableros de mando actuales todavía intentan medir el retorno sobre la inversión (ROI) con la vieja fórmula de beneficio neto dividido por el costo total. Ese indicador es inútil en un entorno donde el costo de producción fluctúa en tiempo real según la complejidad de la tarea asignada al software.
Estamos ante una transición hacia una economía de activos de producción flexibles. A diferencia de una maquinaria industrial que se deprecia con el tiempo, un modelo de IA puede mejorar su desempeño mediante el ajuste fino (proceso de reentrenamiento específico con datos propios) sin requerir compras de hardware adicional. El valor real no reside en la herramienta tecnológica, sino en la eficiencia con la que estos activos sustituyen tareas humanas. Si un agente resuelve una incidencia de soporte por una fracción de centavo, la ganancia no es simplemente el ahorro directo; es el apalancamiento masivo de la capacidad de trabajo de la empresa.
La trampa de la eficiencia mal entendida
Lo que pocos observadores están viendo es que la obsesión por recortar el gasto en cómputo está creando un punto ciego peligroso. Muchas organizaciones intentan reducir sus facturas eligiendo modelos más baratos y rápidos, sin considerar la calidad del resultado. Si el ahorro en tokens provoca un aumento en la tasa de abandono de clientes —conocida como churn—, el beneficio inmediato desaparece frente al costo mucho mayor de captar nuevos usuarios. La eficiencia operativa no se trata de gastar menos, sino de lograr el mayor impacto posible con cada unidad de cómputo consumida.
Propongo una nueva métrica para sustituir las mediciones obsoletas: el Costo por Resultado Exitoso (CRE). Esta fórmula divide el gasto total en tokens entre las transacciones que no requirieron intervención humana ni correcciones. En la era de la IA, donde la ejecución tiene varianza, el CRE es el único indicador que permite auditar la calidad real de los procesos autónomos. Operar sin esta métrica es navegar a ciegas; reducir un 30% en costos de nube es un error si, a cambio, la precisión del sistema disminuye o la latencia operativa bloquea el flujo de trabajo.
En América Latina, donde la eficiencia en el uso de capital es una necesidad competitiva, este cambio es urgente. Empresas que manejan altos volúmenes de transacciones, como Mercado Libre, ya no pueden depender exclusivamente del margen EBITDA ajustado (beneficio antes de intereses, impuestos y depreciaciones, excluyendo gastos excepcionales). Ese indicador es ciego ante la eficiencia de sus sistemas internos. Si un directivo sigue evaluando la IA bajo el prisma del ROI tradicional, corre el riesgo de desmantelar sus equipos de innovación justo antes de que alcancen la rentabilidad operativa.
El mercado todavía confunde gasto con inversión. Mi lectura es distinta: los tokens son el nuevo petróleo, pero su valor no está en el barril, sino en la energía que liberan al ser gestionados correctamente. La computación es un activo flexible que exige una nueva arquitectura contable. En los próximos 24 meses, las empresas que dominarán sus sectores no serán las que reporten facturas de nube más bajas, sino aquellas que logren estandarizar el rendimiento sobre el capital de cómputo invertido (ROCI).
La conclusión es inevitable: para finales de 2026, la contabilidad interna de cualquier empresa exitosa deberá reflejar que los agentes de IA no son un gasto, sino una fuerza laboral infinitamente escalable. Aquellos que se resistan a integrar esta visión en sus estados financieros serán superados por competidores que ya no ven a la tecnología como un proveedor de servicios, sino como su motor productivo principal. La infraestructura ya está lista; el cambio de mentalidad contable es el único obstáculo que queda.
