Si no puedes ver bien esta newsletter haz click aquí

"Sin Tiempo para Escribir"

El newsletter de David Carrero

La tarifa plana de la IA no durará para siempre, y quizá tampoco debería

Tue, 23 Jun 2026 05:01:00 +0000

Durante meses hemos vivido una situación bastante extraña: por 20, 100 o 200 dólares al mes podemos acceder a modelos de Inteligencia Artificial que, medidos con precios de API, podrían llegar a consumir el equivalente a cientos o miles de dólares si se usan de forma intensiva. Para un usuario normal puede parecer una ganga. Para quienes venimos del mundo de la infraestructura, también parece una anomalía que tarde o temprano tendrá que ordenarse.

Un análisis independiente que circula entre usuarios avanzados y desarrolladores ha puesto números a esa sensación. Sus autores compraron varios planes de Anthropic y OpenAI, lanzaron tareas largas de programación hasta agotar los límites semanales y compararon ese consumo con lo que habría costado usando precios de API. La conclusión es llamativa: una suscripción Claude Max 20x de 200 dólares mensuales podría permitir un uso equivalente a unos 8.000 dólares al mes en API. En ChatGPT Pro 20x, también por 200 dólares, el equivalente aproximado podría llegar a 14.000 dólares.

Conviene aclarar desde el principio que esto no significa que Anthropic u OpenAI paguen internamente esos 8.000 o 14.000 dólares por cada usuario intensivo. Los precios de API incluyen margen, infraestructura, disponibilidad, producto, soporte y costes comerciales. Pero la comparación sirve para entender algo importante: la tarifa plana de la IA funciona porque la mayoría de usuarios no exprime el servicio al máximo. Si muchos empezamos a usar agentes durante horas, trabajar con repositorios completos, pedir análisis largos o automatizar tareas de desarrollo, la economía cambia.

El coste real está oculto en la suscripción

Las suscripciones siempre han funcionado con una idea parecida. Un gimnasio no espera que todos los socios entrenen dos horas al día. Una plataforma de streaming no asume que todos los usuarios van a ver contenido sin parar. Un proveedor de IA tampoco calcula su margen pensando en que cada persona agotará sus límites de uso cada semana.

La diferencia está en que una consulta a un modelo avanzado no es un contenido ya producido que se distribuye a bajo coste. Cada respuesta consume cómputo. Cada contexto largo, cada iteración de código, cada herramienta ejecutada y cada agente trabajando durante minutos u horas tiene un coste real en GPUs, memoria, red, almacenamiento, energía y operación.

A fecha de publicación, he usado como referencia aproximada el cambio del Banco Central Europeo del 12 de junio de 2026, con 1 euro equivalente a 1,1567 dólares. Eso deja 1 dólar en unos 0,8645 euros. Las cifras siguientes están redondeadas, no incluyen impuestos, comisiones ni diferencias de facturación por país, y deben leerse como una aproximación.

La tabla impresiona porque rompe la percepción de “pago una cuota y ya está”. En realidad, estamos usando un servicio de cómputo avanzado que hoy se empaqueta como suscripción para hacerlo más sencillo, más masivo y más atractivo. El problema es que el consumo no es lineal. Un usuario que pregunta cosas sueltas no se parece en nada a un desarrollador que usa agentes de código durante toda la jornada.

La clave está en la utilización media. Si la mayoría usa poco, el modelo comercial aguanta. Si cada vez más usuarios empiezan a exprimir las suscripciones para tareas largas, la tarifa plana se convierte en una subvención cruzada: los usuarios ligeros compensan a los intensivos.

API, suscripción o modelos propios: tres formas distintas de pagar

La comparación con la API ayuda a ver dónde está el coste. OpenAI publica precios para GPT-5.5 de 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida en contexto corto, mientras que GPT-5.5 Pro sube a 30 dólares por millón de tokens de entrada y 180 dólares por millón de tokens de salida. Anthropic, por su parte, lista Claude Fable 5 a 10 dólares por millón de tokens de entrada y 50 dólares por millón de salida, y Claude Opus 4.8 a 5 y 25 dólares respectivamente.

Pasado a euros, el orden de magnitud se ve mejor:

Cuando uno mira estos precios entiende por qué los laboratorios separan cada vez más entre usuario final, API, planes profesionales y empresa. La suscripción sirve muy bien para adopción masiva. La API sirve para producto, integración y control de consumo. El modelo empresarial permite negociar condiciones, soporte, seguridad y límites. Son negocios distintos, aunque todos usen la misma materia prima: inferencia.

Para un usuario individual, pagar 20 o 200 dólares al mes puede ser baratísimo si la IA ahorra horas de trabajo real. Para una empresa que mete IA en procesos internos, la pregunta cambia: ¿cuánto cuesta cada tarea?, ¿qué modelo se usa?, ¿qué datos salen?, ¿qué latencia es aceptable?, ¿qué ocurre si suben precios o cambian límites?

La parte incómoda es que quizá tengamos que acostumbrarnos a pagar más por usar IA avanzada. No porque las empresas sean malas, sino porque servir inteligencia artificial de alta gama cuesta dinero. Si un modelo nos ayuda a programar, analizar contratos, revisar documentación, generar informes o automatizar tareas complejas, quizá pagar 100, 200 o 500 euros al mes no sea una barbaridad si el retorno es claro.

Lo que no parece sostenible es pensar que siempre tendremos acceso casi ilimitado a los mejores modelos del mundo por una cuota plana baja. Puede ocurrir durante un tiempo por competencia, estrategia de crecimiento y caída de costes. Pero si el uso profesional se dispara, alguien tendrá que pagar la factura.

La alternativa: modelos abiertos, infraestructura propia y más control

La otra posibilidad es que no todo pase por pagar más a OpenAI, Anthropic, Google o xAI. Cada vez tendremos más modelos abiertos o de pesos disponibles que podremos ejecutar en nuestros propios servidores, en cloud privado o en cloud público. Quizá sean más lentos. Quizá no alcancen siempre la calidad del mejor modelo propietario del momento. Pero para muchos usos serán suficientes.

Esta es una parte del debate que me interesa especialmente. No todo necesita el modelo más potente. Muchas tareas empresariales son repetitivas, internas, acotadas y medibles: clasificar documentos, extraer datos, resumir incidencias, responder sobre una base de conocimiento, revisar logs, preparar borradores, generar consultas SQL sencillas, analizar tickets o ayudar a equipos técnicos con documentación interna.

Para esos casos, un modelo abierto bien desplegado puede ser mucho más interesante que una API externa. No solo por coste. También por privacidad, cumplimiento, control operativo y soberanía. Si los datos no salen de tu entorno, reduces dependencia y puedes adaptar mejor el sistema a tus necesidades. Eso sí: no desaparece el coste. Cambia de forma.

Ejecutar IA en infraestructura propia implica pagar servidores, GPUs, almacenamiento, electricidad, refrigeración, red, administración, monitorización, actualizaciones, seguridad y tiempo técnico. En cloud público ocurre algo parecido, aunque el coste se convierte en consumo bajo demanda. En cloud privado o bare metal puedes ganar previsibilidad y control, pero necesitas dimensionar bien.

Lo interesante será elegir con cabeza. Para una tarea crítica de razonamiento complejo quizá compense usar el mejor modelo comercial disponible. Para una tarea interna de clasificación o resumen quizá baste un modelo abierto más pequeño. Para código, puede tener sentido combinar herramientas: suscripción para productividad personal, API para flujos medidos y modelos propios para tareas repetibles.

La arquitectura de IA que viene será híbrida. Igual que muchas empresas combinan cloud público, cloud privado, SaaS y sistemas on-premise, también combinarán modelos propietarios, APIs, modelos abiertos, inferencia local y servicios especializados. La pregunta no será “qué IA uso”, sino qué IA uso para cada tarea, con qué coste, bajo qué control y con qué dependencia.

La factura de la IA nos obligará a madurar

Durante la primera fase de la IA generativa, muchos hemos usado estas herramientas como si el coste de la inteligencia fuera casi invisible. Abrimos una ventana, preguntamos, iteramos, probamos y seguimos. Es normal: el producto está diseñado para que no pensemos en tokens ni en GPUs. Pero las empresas que construyan procesos reales sobre IA tendrán que mirar la factura con más cuidado.

Eso no tiene por qué ser negativo. En el mundo cloud ya pasamos por algo parecido. Primero llegó la fascinación por la elasticidad. Después llegaron las facturas inesperadas. Más tarde llegaron FinOps, observabilidad, reservas, optimización, arquitecturas híbridas y una cultura más madura de costes. Con la IA pasará algo similar.

Habrá que medir coste por tarea, no solo coste por usuario. Habrá que decidir qué modelo merece cada flujo. Habrá que cachear contexto, evitar prompts gigantes innecesarios, usar modelos pequeños cuando baste, limitar agentes, registrar consumos y comparar resultados. La eficiencia volverá a ser una virtud técnica, no una obsesión de contables.

También habrá que aceptar que la Inteligencia Artificial buena puede costar dinero. Nos hemos acostumbrado demasiado rápido a una abundancia artificial. Si una herramienta nos ahorra trabajo real, reduce errores o permite crear productos que antes no eran viables, pagar más puede tener sentido. Lo importante es no quedar atrapados en una dependencia ciega de tarifas planas que mañana pueden cambiar.

Por eso mi conclusión no es “todo será más caro” ni “hay que huir de las grandes plataformas”. Mi conclusión es más práctica: conviene prepararse para un mundo en el que la IA tendrá varios precios, varias calidades y varias formas de despliegue. A veces pagaremos más por el mejor modelo. A veces usaremos modelos abiertos más lentos, pero suficientes. A veces nos interesará la API. A veces preferiremos infraestructura propia.

La tarifa plana ha sido magnífica para descubrir la IA. Para producción, estrategia y soberanía tecnológica, necesitaremos algo más serio: costes claros, modelos alternativos, control de datos y capacidad para decidir dónde se ejecuta cada parte de nuestra inteligencia artificial.

Preguntas frecuentes

¿Las suscripciones de IA están subvencionadas?

En cierto modo, sí para los usuarios más intensivos. El modelo funciona porque muchos usuarios pagan y no agotan todos los límites. Si se compara el consumo máximo con precios de API, algunas suscripciones pueden permitir un uso equivalente muy superior al precio mensual.

¿Significa esto que OpenAI o Anthropic van a subir precios?

No necesariamente, pero sería razonable esperar más segmentación. Los modelos más potentes, los agentes largos, las ventanas de contexto grandes o las funciones profesionales podrían quedar cada vez más asociadas a planes superiores, créditos, API o contratos de empresa.

¿Tiene sentido ejecutar modelos open source en servidores propios?

Sí, en muchos casos. Puede ser interesante para datos sensibles, costes previsibles, cumplimiento normativo o tareas internas repetibles. Pero no es gratis: exige hardware, operación, seguridad, mantenimiento y capacidad técnica.

¿Qué estrategia parece más razonable para una empresa?

Usar una combinación de opciones. Modelos comerciales para tareas complejas, API cuando haga falta integración y medición, modelos abiertos para usos internos repetibles, y una arquitectura que permita cambiar de proveedor o de modelo sin rehacerlo todo.

La entrada La tarifa plana de la IA no durará para siempre, y quizá tampoco debería aparece primero en Carrero.

Recibes este boletín porque te has suscrito en Carrero.es

Darme de baja | Modificar mis datos