IA hoy OpenAI reporta mil millones de usuarios pero estudio advierte sobre costos de agentes
OpenAI reporta 1.000 millones de usuarios y 2 millones de empresas. Pero un estudio académico revela que los agentes de IA multiplican el consumo de infraestructura. ¿Qué implica para América Latina?
OpenAI acaba de soltar un par de números que harían sonreír a cualquier CFO: mil millones de usuarios activos (sí, con ‘m’) y dos millones de empresas usando sus modelos. La CFO Sarah Friar lo celebró en un blog con el pomposo título de “Building abundant intelligence”. Pero como suele pasar con las dietas milagro, la letra chica esconde un problema de fondo: cada vez que un agente de IA “piensa” en múltiples pasos, el consumo de cómputo se dispara.
Friar asegura que la eficiencia mejora: el benchmark ARC-AGI-3 subió de 13,3% a 38,3% usando un sexto de los tokens de salida. Incluso anunciaron rebajas en los modelos GPT-5.6 Luna y Terra. El mensaje es claro: la inteligencia se vuelve más barata y más accesible.
Pero un paper presentado en el simposio IEEE HPCA 2026 pinta un cuadro menos idílico. Titulado “The Cost of Dynamic Reasoning”, el estudio analiza a fondo los workflows de agentes de IA —esos que encadenan llamadas, reflexionan, usan herramientas— y encuentra que, aunque la precisión mejora con más cómputo, los rendimientos decrecen rápido, la latencia se vuelve errática y los costos de infraestructura se vuelven “insostenibles”. En la propia OpenAI, el 99,8% de los tokens de salida semanales ya provienen de tareas agentivas a través de Codex. O sea, el futuro es agente, y el futuro es caro.
Para una empresa latinoamericana, esta tensión es clave. Por un lado, los precios de inferencia bajan y la barrera de entrada se achica: cualquier startup puede encadenar GPT-5.6 para automatizar atención al cliente o análisis de contratos. Por otro, si ese uso escala y se vuelve agentivo, los costos de nube pueden volverse un dolor de cabeza.
La promesa de “inteligencia abundante” de OpenAI choca con la realidad de que la abundancia de cómputo no llega parejo. Mientras en Silicon Valley optimizan decodificaciones y comprimen modelos, en Lima o Buenos Aires cada solicitud extra se paga en dólares y con proveedores que aún no tienen presencia regional fuerte. La pregunta que debería hacerse cualquier CTO latinoamericano no es “¿debería usar IA?”, sino “¿cuánto me va a costar cuando mis usuarios realmente la usen?”.
