VER MÁS
MARKET DATA
<%userdata?.email%>
Editar perfil
Credencial
Salir
(Twitter)
Instagram
Facebook
LinkedIn
YouTube
TikTok
Alto contraste
Tomás Sánchez
Durante el último año, la conversación corporativa sobre inteligencia artificial (IA) se ha vuelto casi una competencia de consumo. Las empresas miden cuántos modelos despliegan, cuántas licencias compran, cuántos “tokens” —las unidades mínimas con que la IA procesa el lenguaje— gastan cada mes. Se ha instalado una idea tan extendida como costosa: que usar más IA equivale a estar más adelante. Pero esa lógica confunde actividad con resultado.
Propongo cambiar la pregunta. En vez de cuántos tokens consumimos, deberíamos preguntarnos qué valor creamos por cada token gastado. El término que se está acuñando es ROT: retorno sobre el token, una medida del valor real que genera cada unidad de inteligencia artificial consumida en un proceso, una decisión o un producto.
La evidencia empieza a darle forma a esa intuición. Un estudio reciente del MIT (Demirer y coautores, 2026), siguió a programadores antes y después de adoptar herramientas de IA y midió su impacto en cada etapa. El resultado es revelador. En el tope del embudo, los desarrolladores editaron casi 300% más archivos; pero ese salto se reducía a 150% en los bloques de trabajo enviados a revisión, y se desplomaba a apenas 30% en los productos efectivamente lanzados. La explosión de actividad se disuelve al pasar por los cuellos de botella humanos de revisar, validar y publicar. Otro indicador sugerente: el auge de aplicaciones publicadas –gracias a la facilidad de desarrollo - no vino acompañado de más descargas. Más construcción no implica más venta.
“El retorno sobre el token no se maximiza reemplazando personas por máquinas, sino combinando la tecnología con el juicio de los mejores”.
Ese es exactamente el espacio que separa consumir IA de crear valor con ella. Y consumir es fácil: Uber acaba de reconocer que agotó su presupuesto anual de IA en un solo trimestre y migró buena parte de su uso a modelos más baratos. En paralelo, una investigación sobre trabajo legal mostró que combinar agentes económicos de código abierto con modelos de frontera usados solo como “asesores” ocasionales entregaba mejores resultados a una fracción del costo. Gastar más no es crear más.
Hay una segunda dimensión, quizás la más importante. El retorno sobre el token no se maximiza reemplazando personas por máquinas, sino combinando la tecnología con el juicio de los mejores. La IA por sí sola difícilmente crea una ventaja durable: imita patrones, pero no entiende contexto; produce respuestas, pero no se hace cargo de ellas. El criterio humano —desafiar un resultado, leer un matiz, aportar experiencia y creatividad— sigue siendo decisivo.
Cuando la electricidad llegó a las fábricas, las ganancias de productividad fueron modestas mientras solo se reemplazó la gran máquina de vapor por un gran motor eléctrico. El salto llegó décadas después, cuando se rediseñó el proceso con motores en cada estación de trabajo. Hoy el desafío es similar.
Esto tiene implicancias concretas para cualquier directorio: dejar de celebrar la adopción como un fin en sí mismo y discutir el impacto. ¿Cuál es la rentabilidad del uso de la IA? ¿Que necesitamos rediseñar para maximizar ese retorno? La era que viene no premiará a los consumidores más voraces de inteligencia artificial, sino a quienes mejor la conviertan en decisiones, productos y resultados. Esa será, cada vez más, la verdadera fuente de ventaja.
