El costo de consultar un modelo de inteligencia artificial con el desempeño de GPT-3.5 cayó de 20.00 a 0.07 dólares por cada millón de tokens entre noviembre de 2022 y octubre de 2024, según el AI Index Report 2025 de Stanford HAI. Es una reducción de más de 280 veces en menos de dos años.
Si usted sigue esperando a que la inteligencia artificial se abarate antes de tomarla en serio, ya se abarató. Lo que falta no está en el precio de la herramienta. Mi tesis en este artículo es que el obstáculo se movió: del costo del modelo al costo de ordenar el trabajo alrededor de él, y ese segundo costo lo resuelve la dirección de una empresa, no su área de sistemas.
Soy Pratosh Dwivedi, cofundador y director de tecnología de TecnIA. Diseño la operación de inteligencia artificial de una universidad que usa estas herramientas todos los días, y la objeción que más escucho de dueños de negocio y directores de área ya no resiste los números: la herramienta dejó de ser cara.
¿Cuánto bajó realmente el precio de usar un modelo de IA?
Bajó mucho, y no es un caso aislado. Según el AI Index Report 2025 de Stanford HAI (abril de 2025), el costo de consultar un modelo que iguala el desempeño de GPT-3.5 en MMLU, un examen estándar de comprensión de lenguaje, cayó de 20.00 a 0.07 dólares por millón de tokens entre noviembre de 2022 y octubre de 2024. El modelo que llegó a ese precio en 2024, Gemini-1.5-Flash-8B, no es GPT-3.5 vuelto barato: es un modelo distinto que alcanza el mismo desempeño a una fracción del costo, que es justamente el punto del hallazgo.
El patrón se repite en un examen más exigente. En GPQA, preguntas de ciencia a nivel doctorado, el costo de un modelo que acierta más de la mitad pasó de 15.00 a 0.12 dólares por millón de tokens entre mayo y diciembre de 2024, siete meses. Y según Epoch AI, el socio de datos del informe, dependiendo de la tarea el precio de usar estos modelos cae entre 9 y 900 veces por año. No hay versión razonable del argumento «esperemos a que baje»: ya bajó, y la tendencia que midió el informe no mostraba señales de detenerse.
¿Qué frena a las empresas mexicanas si el precio ya no es el problema?
Que la mayoría no compite desde la misma base digital. De las 5,468,180 unidades económicas privadas que contó el INEGI en los Censos Económicos 2024 (con datos de 2023), el 95.4% son microempresas de diez personas o menos, y apenas el 26.4% de todas las unidades económicas usó internet para sus actividades ese año: un avance lento, desde 18.9% en 2013 y 20.7% en 2018. Antes de preguntar por qué no usan IA, buena parte de las empresas mexicanas todavía no cruzó el umbral digital anterior.
En cambio, entre las organizaciones que sí operan con infraestructura digital, la adopción de IA fue rápida en el mundo entero. La encuesta de McKinsey & Company de 2024 que recoge el mismo informe de Stanford (una muestra global, no mexicana) encontró que el 78% de los encuestados dijo que su organización ya usa IA en al menos una función de negocio, frente a 55% un año antes, y que el 71% dijo que su organización usa IA generativa de forma regular, más del doble que el 33% de 2023. Ya escribí sobre lo que pasa después de esa adopción, cuando la empresa tiene que decidir con criterio y no solo operar la herramienta: aquí explico por qué un curso de dos horas no cierra esa brecha. Este artículo va un paso antes: qué hace falta para que esos datos existan y esa decisión tenga con qué trabajar.
¿Qué significa exactamente «ordenar el proceso» antes de usar IA?
Aquí es donde entra mi lectura, y la digo como tal: el costo que queda no es una factura que alguien le envía, es tiempo de dirección. Tres cosas concretas, en el orden en que normalmente faltan:
- Datos que se puedan leer. No hace falta un almacén de datos perfecto, pero sí que la información viva en un lugar consistente. Solo 28.8% de las unidades económicas mexicanas usó un sistema contable o contrató contabilidad externa en 2023; entre las microempresas, que son 95.4% del total, esa cifra cae a 26.0%, mientras que en las pymes es 86.3% y en las grandes 97.3%, según el mismo censo. Sin ese piso, un modelo no tiene sobre qué ayudar a decidir.
- El proceso escrito, no solo en la cabeza de alguien. Entre las unidades económicas que ya usan herramientas digitales, apenas 23.7% usa software para analizar datos masivos, muy por debajo del 83.8% que usa buscadores comunes. Tener acceso a la tecnología y usarla para entender el propio negocio son cosas distintas, y es la segunda la que un modelo de IA necesita para ser útil.
- Una persona con autoridad y horas asignadas. Rediseñar un flujo de trabajo no cabe en el tiempo libre de nadie: requiere que alguien con poder de decisión lo declare prioridad. Solo 5.6% de las unidades económicas capacitó a su personal en 2023, y en las microempresas la cifra baja a 3.7%. Si la mayoría de las empresas no invierte ni en capacitación básica, el recurso más escaso no es el presupuesto para herramientas: es el tiempo de gestión.
¿Quién paga el costo que queda, y con qué horas?
Lo paga quien dirige, con su propio tiempo. Nadie más en el organigrama tiene autoridad para rediseñar un proceso completo: un área de sistemas puede instalar la herramienta, pero solo la dirección puede decidir que una forma de trabajar cambie, sostener esa decisión frente a la resistencia normal del equipo y darle seguimiento. Es la razón por la que, en TecnIA, nuestro programa de posgrado para quienes dirigen la adopción de datos e inteligencia artificial en su empresa incluye gestión del cambio y toma de decisiones basada en datos, no la mecánica de un modelo específico: el modelo de moda cambia en cuestión de meses; el criterio para dirigirlo, no.
Si usted ya hizo cuentas y sabe que el modelo es barato, la pregunta que sigue no es cuál herramienta comprar. Es esta: ¿quién en su empresa tiene la autoridad y las horas para rediseñar un proceso, y las tiene asignadas esta semana? Escríbanos por WhatsApp y platicamos sin compromiso.
Preguntas frecuentes
¿La caída de precio aplica a cualquier modelo de IA, incluidos los más avanzados?
No de la misma forma. El AI Index Report 2025 compara el costo de alcanzar un mismo nivel de desempeño a lo largo del tiempo, no el precio de un modelo específico. El propio informe advierte que los modelos más avanzados de cada momento siguen costando más que las alternativas más pequeñas, por la prima que exige el desempeño de punta. Lo que se abarató es alcanzar un nivel de desempeño dado, no usar siempre lo más nuevo.
¿Este problema de «ordenar el proceso» es solo de las empresas pequeñas?
Es más agudo mientras más pequeña es la empresa, según los Censos Económicos 2024: en México, la brecha de usar sistemas contables va de 26.0% en microempresas a 86.3% en pymes y 97.3% en empresas grandes. Pero digitalizarse no lo resuelve: incluso entre las unidades que ya usan herramientas digitales, solo 23.7% analiza datos masivos con software. Tener la herramienta y usarla para entender el negocio son pasos distintos.
¿Cuánto cuesta, en dinero, ordenar los datos y procesos de una empresa antes de usar IA?
No encontré una cifra pública que mida eso directamente, y prefiero decirlo a inventar una. Lo que sí muestran los Censos Económicos 2024 es el tamaño de la brecha de partida: una empresa que no lleva contabilidad formal ni analiza sus propios datos no está a una compra de distancia de usar IA con criterio, está a un rediseño de proceso de distancia. Cuánto cuesta ese rediseño depende de cada empresa.
¿Qué tiene que ver esto con una maestría?
Que dirigir ese rediseño es una habilidad que se entrena, no algo que se resuelve comprando la herramienta más barata. Nuestro programa de posgrado para quienes dirigen la transformación digital de su empresa está diseñado para ejecutivos, dueños de negocio y directores de tecnología en transición a roles más comerciales, precisamente para esa decisión.
Pratosh Dwivedi es cofundador y Director de Tecnología de TecnIA Universidad Online, donde diseña la operación de inteligencia artificial de la institución y los programas que forman a quienes tienen que dirigir esa misma transición en sus propias empresas.
Este artículo fue escrito por Pratosh Dwivedi con asistencia de herramientas de inteligencia artificial, conforme a nuestra Política de IA.
