La carrera por la inteligencia artificial (IA) no solo se centra en descubrir cuál es el modelo más potente, sino también en entender el costo asociado a obtener respuestas efectivas. Con el creciente uso de herramientas de IA en entornos laborales y personales, las empresas deben evaluar si invertir en servicios de pago o explorar modelos de pesos abiertos que se ejecutan en infraestructuras propias puede ser más beneficioso.
Recientemente, durante la presentación de resultados financieros de IBM, el CEO Arvind Krishna subrayó cómo la evolución de los modelos de pesos abiertos está transformando la forma en que las empresas consideran la IA. En su exposición, planteó que la diferencia de rendimiento entre los modelos más avanzados y las alternativas abiertas se está reduciendo significativamente, lo que introduce nuevas opciones para las organizaciones en términos de presupuesto y control.
Krishna mencionó que a finales de 2025, los modelos de pesos abiertos podrían alcanzar hasta el 90% de la eficacia de los modelos más sofisticados, pero a un costo que representa entre el 10% y el 25% del valor de estos últimos. Este ahorro es crucial para las empresas, que pueden optar por desplegar estos modelos en sus propios servidores, aunque esto también implica inversiones en infraestructura y mantenimiento.
La facturación de los servicios de IA se basa comúnmente en el uso de “tokens”, que representan fragmentos de texto procesados. La selección entre un modelo avanzado y una alternativa más económica dependerá de la complejidad de las tareas que se necesiten realizar. Krishna sugirió que muchas funciones, como resumir correos o atender a clientes, podrían realizarse efectivamente con opciones de bajo costo.
Datos de la OCDE indican que los modelos abiertos ofrecen calidad competitiva a precios mucho más bajos, un punto también respaldado por el AI Index 2026 de Stanford, que señala que la diferencia entre ambos tipos de modelos se está estrechando. Si bien IBM está en el negocio de desarrollar y promocionar su propia gama de modelos de IA, el debate que plantea sobre el costo y la eficacia abre espacio para que las empresas reconsideren sus estrategias de implementación de IA.
Las organizaciones deben equilibrar sus necesidades con el coste y el control de las tecnologías que eligen. En este contexto, la capacidad de adaptar las soluciones de IA a las realidades empresariales cotidianas se convierte en un factor clave para su adopción masiva.