OpenAI publicó una columna de su directora financiera, Sarah Friar, para proponer una forma distinta de medir el gasto en IA dentro de las empresas. En vez de mirar solo el precio por token o el volumen de uso, la idea es revisar cuánto trabajo útil se completa, cuánto cuesta cada tarea exitosa, qué tan confiable es el resultado y si el valor mejora cuando el uso escala.
La propuesta aparece bajo el nombre “Useful Intelligence per Dollar” y está planteada como un marco de evaluación, no como una regla ya adoptada por toda la industria. Friar la presenta como respuesta a una duda frecuente entre directivos financieros: cómo saber si la inversión en Inteligencia Artificial realmente está produciendo resultados medibles dentro de flujos de trabajo concretos.
En la columna, OpenAI sostiene que una comparación basada solo en tokens puede ser engañosa. Un modelo más barato por consulta puede terminar costando más si obliga a repetir intentos, sumar revisión humana, corregir errores o rehacer parte del trabajo. Por eso la empresa propone medir el costo completo del resultado exitoso y no únicamente el valor unitario de la inferencia.
La discusión llega cuando muchas compañías están revisando con más detalle sus cuentas de IA y probando combinaciones de modelos más baratos, modelos abiertos o sistemas de enrutamiento por tarea. Ese ajuste de mercado ya se venía viendo en el Ramp AI Index, donde el gasto empresarial empezó a repartirse con más cuidado entre proveedores.
OpenAI quiere medir trabajo útil y no solo tokens
El cambio de enfoque parte de una comparación con el software tradicional. Según Friar, durante años muchas compras tecnológicas se evaluaron por adopción, asientos contratados o usuarios activos. En IA, dice la ejecutiva, esa lógica se queda corta porque dos sistemas pueden registrar uso parecido y entregar resultados muy distintos en tiempo, calidad y necesidad de supervisión.
La primera pregunta del marco es si la IA está completando trabajo que realmente importa. La columna propone empezar por un flujo específico y definir qué significa una tarea terminada dentro de ese sistema. Los ejemplos que plantea OpenAI son concretos: un caso de soporte resuelto, un cambio de código que pasa sus pruebas o un contrato revisado correctamente y a tiempo.
La segunda pregunta apunta al costo por tarea exitosa. Ahí OpenAI pide sumar precio del modelo, cómputo consumido, tiempo de empleados, revisiones, reintentos y retrabajo, y luego dividir ese costo total por la cantidad de tareas que cumplieron el estándar de calidad exigido. Con ese criterio, un modelo más caro puede terminar siendo más eficiente si resuelve bien en un solo paso lo que otro completa después de varias vueltas.
Para ilustrar el enfoque, la columna menciona tareas de finanzas, soporte, ingeniería y revisión documental, además de productos propios como ChatGPT Work. Ese detalle sirve para entender la tesis de la empresa, pero también hay que recordar que se trata de una propuesta presentada por un proveedor que vende modelos y herramientas empresariales.
El costo real de la IA sigue en discusión entre empresas
La tercera parte del marco se centra en la confiabilidad. OpenAI plantea que no basta con medir si un resultado parece correcto en una prueba aislada. Lo que importa en operación es cuántas salidas quedan listas para usar, cuántas requieren correcciones y cuántas deben escalarse a una persona. Si una tarea necesita menos revisión, su costo total baja y su uso puede ampliarse con menos fricción.
La cuarta pregunta mira el valor al escalar. La idea es observar si cada dólar invertido termina produciendo más trabajo útil con el tiempo, en vez de disparar el gasto al mismo ritmo que el uso. En la práctica, OpenAI vincula esa mejora a modelos más capaces, infraestructura más eficiente y mejor diseño de producto, aunque la columna no entrega una fórmula única ni cifras universales para aplicarla.
OpenAI tiene un incentivo claro para mover la conversación desde precio hacia valor, porque sus modelos están entre los más caros del mercado. La misma nota añade que varias empresas ya sacaron una conclusión parecida, pero están respondiendo de otra forma: reservan los modelos más avanzados para tareas intensivas y envían trabajos cotidianos a opciones más baratas o a enrutadores que eligen el mejor equilibrio entre costo y desempeño.
