Durante dos años, la conversación sobre inteligencia artificial fue siempre la misma: quién tiene el modelo más potente. Cada lanzamiento era un evento. Y la conclusión implícita era que si querías lo mejor, tenías que pagar lo que pedían.
Esa lógica se está rompiendo. El viernes pasado, el laboratorio chino DeepSeek lanzó un modelo de programación que cobra centavos por volúmenes enormes de código. En pruebas de programación compleja rinde cerca de Claude Opus 4.8, uno de los sistemas más capaces del mercado. En el ranking de Arena.ai para desarrollo front-end debutó directamente por encima.
No es un caso aislado. Es la señal más clara de algo que viene pasando hace meses: la inteligencia se está convirtiendo en un insumo básico, como la electricidad o el combustible. Y cuando algo se vuelve un insumo básico, dejás de preguntarte quién lo fabricó y empezás a preguntarte cuánto sale.
¿Qué significa que la IA se vuelva un “commodity”?
Un commodity es un producto donde la marca dejó de importar porque todas las opciones son razonablemente equivalentes. Nadie sabe qué central eléctrica le alimenta la casa ni qué refinería produjo la nafta que le cargó al auto. Se elige por precio y por disponibilidad.
Con los modelos de IA está pasando lo mismo, y rápido. Cualquiera de los modelos buenos de hoy te redacta un mail, te arma una presentación o te resume una reunión sin diferencias apreciables. La brecha de calidad entre el primero y el quinto se achicó tanto que, salvo para problemas muy difíciles, ya no justifica la diferencia de precio.
Zack Kass, ex jefe de go-to-market de OpenAI, lo llama rendimientos decrecientes de los modelos: llega un punto en que el próximo modelo deja de importarte. No porque sea malo, sino porque el que ya tenías alcanzaba.
Las empresas grandes ya se movieron
Esto no es una predicción. Ya está ocurriendo, y en empresas que no tienen fama de improvisadas.
A fines de junio, Brian Armstrong, CEO de Coinbase, contó que la compañía recortó su gasto interno en IA casi a la mitad mientras el consumo seguía creciendo. No lo hizo poniendo topes ni prohibiendo el uso. Lo hizo cambiando qué modelo se usa por defecto para cada tarea: los trabajos rutinarios van a modelos abiertos y baratos —mencionó GLM 5.2, del laboratorio chino Z.ai, y Kimi 2.7, de Moonshot AI—, y los modelos caros quedan reservados para lo que realmente los necesita.
Microsoft está mirando en la misma dirección. En junio confirmó que evalúa incorporar una versión propia de DeepSeek V4 —u otro modelo abierto— a Copilot Cowork como opción económica. Todavía no hay decisión final, así que conviene tomarlo como intención, no como hecho consumado. Lo que sí decidió Microsoft es más revelador: pasar Copilot Cowork a cobro por uso, porque la tarifa plana ya no le cierra.
Estos no son los precios que pagás vos. Son precios de acceso técnico para empresas que conectan modelos a sus propios sistemas. Los pongo porque explican por qué las empresas grandes se están moviendo — y porque esa presión termina bajando lo que pagamos todos.
¿Tu pyme está pagando de más por IA?
Casi seguro que no. Y esta es la parte donde conviene bajar a tierra.
Si en tu empresa usan ChatGPT, Claude o Gemini por la suscripción mensual normal, estás pagando entre veinte y treinta dólares por persona. Esa cuenta no se mueve por lo que hizo Coinbase. Coinbase gastaba millones porque conecta modelos directamente a su infraestructura y procesa volúmenes que una distribuidora de Bahía Blanca no va a procesar nunca.
Entonces, ¿para qué te sirve esta noticia? Para tres cosas concretas.
Lo que sí cambia para una pyme argentina
- Dejá de esperar el modelo perfecto. Si estabas postergando usar IA hasta que salga algo definitivo, esa espera ya no tiene sentido. Lo que hay hoy alcanza de sobra para el 90% de lo que hace una pyme. El cuello de botella no es la herramienta.
- Desconfiá del proveedor que te vende el modelo. Si alguien te ofrece una solución cuyo argumento central es “usa el modelo más avanzado”, te está vendiendo algo que se abarata solo. El valor está en cómo se integra a tu operación, no en la marca del motor.
- Pedí que se pueda cambiar el motor. Si contratás un desarrollo a medida —un bot de atención, un clasificador de pedidos, lo que sea—, exigí que el modelo se pueda reemplazar sin rehacer todo. Es la diferencia entre bajar costos el año que viene o quedar atado.
Cuando la herramienta se vuelve barata, la ventaja deja de estar en tenerla. Pasa a estar en saber para qué usarla.
La parte que nadie te dice: esto puede darse vuelta
Toda esta presión de precios se sostiene mientras los modelos baratos sigan el ritmo de los caros. Es una condición, no una ley.
Si mañana un laboratorio de frontera saca algo que abre una ventaja real de rendimiento, las empresas van a volver a pagar el sobreprecio sin dudarlo. Y con la velocidad a la que se lanzan modelos nuevos, eso puede pasar en cualquier momento.
Por eso no te recomiendo armar una estrategia sobre el supuesto de que la IA va a ser gratis. Te recomiendo armarla sobre el supuesto de que el motor va a cambiar varias veces. Son cosas distintas.
Hay un tema más, y es el que menos se discute: GLM, Kimi y DeepSeek son modelos chinos. Para una empresa argentina que procesa datos de clientes, dónde corre el modelo y bajo qué normativa no es un detalle técnico. Es una pregunta que corresponde hacerle a quien te implemente cualquier cosa, antes de firmar.
En resumen
- La brecha de calidad entre los modelos de IA se achicó, y el precio se derrumbó. Los modelos económicos ya resuelven la mayoría de las tareas cotidianas.
- Coinbase recortó su gasto en IA casi a la mitad enrutando tareas rutinarias a modelos abiertos y baratos. Microsoft evalúa un camino parecido para Copilot.
- A una pyme esto no le baja la factura de ChatGPT o Claude en lo inmediato. Le cambia el criterio con el que decide.
- La regla práctica: no te cases con un modelo, exigí que se pueda cambiar, y poné el foco en el proceso, no en la marca del motor.
- Si un laboratorio saca una ventaja grande, el precio vuelve a subir. Planificá para el cambio, no para lo barato.
Mi postura
Me parece la mejor noticia que le dieron a las pymes en dos años, aunque casi ninguna se haya enterado. Durante mucho tiempo el argumento para no empezar fue el costo. Ese argumento se está desarmando solo.
Lo que queda al descubierto es lo que siempre estuvo abajo: la mayoría de las empresas no arranca con IA por precio. No arranca porque nadie se sentó a pensar qué problema concreto quiere resolver. Y eso no lo abarata ningún laboratorio chino.
Si querés seguir estos movimientos traducidos al lenguaje de una pyme y no al de Silicon Valley, suscribite al newsletter. Mando análisis como este, sin tecnicismos y sin entusiasmo prestado.