A pesar de que el 78% de las organizaciones proyecta un aumento significativo en su consumo de inteligencia artificial durante los próximos dos años, apenas el 35% tiene la capacidad de calcular cuánto le cuesta generar un resultado real de negocio con esta tecnología. Así lo reveló un nuevo estudio de Accenture, que advierte que el 59% de las compañías trabaja únicamente con estimaciones generales o indicativas, abriendo una brecha de control financiero que ha puesto las inversiones en IA bajo la lupa de la alta dirección.
Esta falta de visibilidad obedece a un cambio estructural en los modelos de negocio: la inteligencia artificial ya no se administra mediante licencias de software fijas, sino por consumo de tokens. Los tokens son las unidades de datos que procesan los modelos en cada interacción, donde cada instrucción, búsqueda de información o respuesta de un agente genera un costo económico directo. En este escenario toma relevancia la tokenomía, entendida como la disciplina financiera y estratégica encargada de conectar lo que la inteligencia artificial consume con el valor medible que devuelve a la organización.
A medida que el consumo de esta tecnología comienza a escalar entre las empresas, la economía de los tokens se está convirtiendo en un riesgo y una oportunidad cada vez más determinantes. Al respecto, Juan Antonio García, Senior Client Account Executive para Accenture Colombia, explica que “las juntas directivas están exigiendo a los CEOs que expliquen el nivel de exposición y el retorno de estas inversiones; los CEOs quieren conocer el impacto en los resultados de la compañía y recurren a los CFO para obtener control financiero; y éstos, a su vez, dependen de los CIOs para lograr que el consumo de IA sea predecible, económicamente disciplinado y capaz de demostrar valor de manera tangible. Las empresas que logren dominar esta economía tendrán una ventaja competitiva frente a sus competidores”.
La verdadera oportunidad de la tokenomía no es únicamente optimizar costos, sino transformar el consumo de IA en un activo gestionable capaz de demostrar resultados de negocio. De acuerdo con el análisis de Accenture, las organizaciones que dominan esta disciplina pueden capturar hasta 55 millones de dólares de valor por cada 100 millones de dólares invertidos anualmente en IA, combinando eficiencia operativa, control financiero y una medición más clara del retorno generado.
No obstante, el estudio señala que el 48% de las organizaciones opera bajo un modelo de responsabilidad compartida entre TI y Finanzas, donde no existe una persona única responsable de gestionar los costos y el retorno de la inversión. De esta manera, los equipos tecnológicos pueden identificar qué función, área o persona está consumiendo tokens y cuánto cuesta ese consumo, pero no pueden determinar si dicho gasto generó un resultado que realmente justifique la inversión.
Para capturar el valor de la IA a escala, las organizaciones deben avanzar más allá de la simple medición del consumo y adoptar una gestión disciplinada. Juan Antonio García precisa que “esto comienza con la visibilidad: cada interacción con IA debe registrarse para identificar qué equipo utiliza qué modelo, cuánto cuesta y qué resultado genera. A partir de esa información, las empresas deben asignar los costos a las áreas que los generan mediante modelos de allocation o cobro interno, una práctica que sigue siendo poco común, pero que ha demostrado ser una de las más efectivas para optimizar gastos y atribuir valor. Asimismo, es fundamental dirigir cada tarea al modelo adecuado, ya que el estudio de Accenture concluye que el 90% de las cargas de trabajo no requiere modelos avanzados ni complejos y puede resolverse con alternativas más económicas”.
La disciplina financiera también exige evaluar el caso de negocio antes de llevar una solución de inteligencia artificial a producción, definiendo con anticipación qué resultado financiero se espera obtener y cómo será medido.
Frente a este punto, García destaca que “actualmente, menos del 20% del gasto en tokens puede vincularse a un resultado económico cuantificable. A ello se suma la necesidad de desarrollar capacidades de IA en toda la organización, ya que más de la mitad de las solicitudes se envían a modelos más potentes y costosos de lo necesario por falta de criterio, de capacitación y de entrenamiento. En este contexto, las compañías líderes son aquellas que combinan visibilidad, asignación financiera, reglas claras de uso y formación continua para garantizar que cada token consumido contribuya efectivamente a la generación de valor para el negocio”.
