Un cuadro de mando para la era de la IA
La pregunta que escucho de los CFO en todas partes es sencilla: cómo obtenemos más valor de nuestro gasto en IA.
Durante años, el mercado midió el éxito del software por su adopción: licencias compradas, usuarios activos y licencias renovadas. Entender el valor de la IA exige una medida más potente: el trabajo realizado.
La pregunta económica básica que enfrentan los CFO y otros líderes empresariales es si el valor del trabajo que completa la IA crece más rápido que el costo de producirlo.
Responder esa pregunta exige mirar más allá de una métrica como el costo por token. Un modelo de menor costo puede tener tokens más baratos, pero lograr grandes resultados puede requerir más intentos, más tiempo o más revisión humana. Un modelo más capaz puede tener tokens más costosos, pero completar la misma tarea en un solo intento. Lo que importa es el costo total de producir un resultado exitoso, medido frente al valor que ese resultado crea.
El cuadro de mando definitivo para la era de la IA podría verse como "inteligencia útil por dólar". Esta métrica responde cuatro preguntas clave:
- ¿La IA completa trabajo importante?
- ¿Cuánto cuesta cada tarea exitosa?
- ¿Las personas pueden confiar en el resultado?
- ¿Cada dólar destinado a IA genera más valor a medida que crece el uso?
Empieza por el trabajo en sí.
¿Cuántos problemas de clientes ayudó a resolver la IA? ¿Cuántos cambios de código ayudó a lanzar? ¿Cuántos contratos revisó? ¿Cuánto tiempo les devolvió a las personas? ¿Cuántas decisiones mejoraron porque el contexto adecuado estuvo disponible en el momento adecuado?
Los tokens crean valor cuando se transforman en trabajo que las personas pueden usar. A medida que los modelos se vuelven más capaces, pueden asumir tareas más largas y complejas: mantener el contexto, razonar en varios pasos, trabajar con distintas herramientas y adaptarse sobre la marcha.
El mejor punto de partida es un flujo de trabajo. Define qué significa "terminado" y mide ese resultado en el sistema donde ocurre el trabajo.
Para un equipo de soporte, "terminado" podría significar un problema de cliente resuelto. Para un equipo de ingeniería, podría significar un cambio de código que supera sus pruebas. Para un equipo legal, podría significar un contrato revisado con precisión y a tiempo.
Considera a un equipo de finanzas que se prepara para una revisión de pronóstico. Gran parte del trabajo ocurre antes de tomar una decisión final: encontrar el pronóstico más reciente, trasladar datos a Excel o Sheets, identificar cambios, conciliar pestañas, rehacer presentaciones y comprobar que todo cuadre perfectamente.
ChatGPT Work puede asumir gran parte de ese proceso y darle al equipo más tiempo para enfocarse en las preguntas importantes: ¿qué cambió? ¿Por qué? ¿Qué deberíamos hacer ahora?
Eso es inteligencia útil por dólar en la práctica. Se completa más trabajo, más rápido, mientras las personas dedican más tiempo a aplicar criterio, creatividad y experiencia.
La siguiente pregunta es cuánto cuesta completar bien ese trabajo.
Las tareas de IA varían mucho. Una respuesta rápida puede requerir poco cómputo. Un flujo de trabajo de programación, investigación o finanzas puede implicar razonamiento más profundo, uso de herramientas y muchas acciones. Esas tareas más complejas pueden requerir más cómputo, pero también pueden crear mucho más valor.
A nivel del modelo, el costo por tarea exitosa depende del precio, la cantidad de cómputo usado y la probabilidad de llegar al resultado correcto. Para una empresa, el costo total también incluye el tiempo de los empleados, la revisión humana, los reintentos y el retrabajo.
El cálculo es directo:
- Suma el costo total de completar el trabajo.
- Cuenta las tareas que alcanzaron el nivel de calidad requerido.
- Divide el costo total entre el número de tareas exitosas.
Por eso, el precio más bajo por token no siempre produce el menor costo por resultado. Un modelo de vanguardia puede ofrecer el mejor valor incluso para una solicitud rutinaria si produce la respuesta correcta en un solo intento, reduciendo reintentos, latencia, revisión y cómputo total.
Una familia de modelos por niveles da a los clientes más formas de optimizar esta ecuación. GPT‑5.6, que lanzamos la semana pasada, tiene tres niveles: Sol es nuestro buque insignia; Terra equilibra rendimiento y costo; Luna es nuestro modelo más rápido y accesible.
Estos niveles ofrecen puntos de partida útiles. La economía de la tarea completa debería determinar, en última instancia, el modelo correcto. Un cliente podría usar Luna para un flujo de trabajo rápido y de gran volumen, Terra para trabajo que requiere mayor profundidad, o Sol cuando un razonamiento más sólido ofrece el mejor resultado con menos intentos.
Entrenamos GPT‑5.6 para obtener más trabajo útil de cada token. En el Artificial Analysis Coding Agent Index, GPT‑5.6 Sol con razonamiento max estableció un nuevo referente al usar un 54 % menos de tokens de salida que otro modelo líder. El gráfico siguiente ilustra la comparación.
DeepSWE v1.1: tareas de ingeniería de largo alcance; GPT‑5.6 Sol alcanza una nueva alta de 72.7 %, por encima del 69.9 % de Claude Fable 5, con un costo estimado de API 36.2 % menor.
En toda la familia GPT‑5.6, el objetivo es el mismo: más trabajo exitoso por dólar. Una mayor eficiencia hace que las tareas existentes sean más accesibles. Una mayor capacidad hace posibles tipos de trabajo completamente nuevos.
Cada nueva generación de modelos debería mejorar ambos lados de esa ecuación. Los clientes deberían poder realizar trabajo más valioso mientras, al mismo tiempo, el costo de completar cada tarea sigue bajando.
La tercera medida es la confiabilidad.
La adopción de IA suele profundizarse por etapas. Primero, la IA ayuda a redactar. Luego encuentra contexto y razona entre herramientas y datos. Con el tiempo, empieza a tomar acciones, manejar excepciones y completar flujos de trabajo, mientras las personas aportan criterio y control donde hace falta.
Cada paso crea más valor y exige más del sistema.
La confiabilidad tiene valor económico directo. Cuando los resultados son precisos, bien respaldados, consistentes y se escalan adecuadamente, las personas dedican menos tiempo a revisar, corregir y repetir el trabajo. Las tareas exitosas cuestan menos, y las organizaciones ganan la confianza para usar IA en flujos de trabajo más importantes.
Los equipos pueden concretarlo siguiendo tres resultados:
- Listo para usar: el resultado cumplió el nivel de calidad tal como fue entregado.
- Necesita corrección: el resultado requirió otro intento o ediciones humanas.
- Necesita escalamiento: una persona tuvo que intervenir y terminar el trabajo.
Estas medidas cuentan una historia más rica que la precisión del modelo por sí sola. Muestran si la IA realmente está reduciendo el trabajo necesario para completar el proyecto.
La confiabilidad también requiere límites claros. Antes de que la IA pase de redactar a tomar acciones, las organizaciones deberían definir:
- A qué datos puede acceder el sistema.
- Qué sistemas puede usar o cambiar.
- Cuándo una persona debería revisar o aprobar una acción.
La seguridad, la privacidad y el control crean la base para un uso más profundo. Las personas necesitan entender cómo se comporta el sistema, cómo se manejan sus datos y cómo se gobiernan sus acciones.
ChatGPT Work se basa en los fundamentos de seguridad, privacidad, cumplimiento y gestión del espacio de trabajo de ChatGPT Enterprise. Esto permite a las organizaciones dar a la IA más contexto y acceso a flujos de trabajo más valiosos, sin dejar de mantener una supervisión adecuada.
La capacidad logra el primer uso. La confiabilidad hace que la IA forme parte de cómo se realiza el trabajo.
La pregunta final es si la economía mejora a escala.
Las empresas pueden medirlo siguiendo el mismo flujo de trabajo a lo largo del tiempo. Haz seguimiento de cuántas tareas alcanzaron el nivel de calidad, el costo total de completarlas y el costo por tarea exitosa. Si el trabajo completado crece más rápido que el costo total mientras la calidad se mantiene o mejora, cada dólar destinado a IA está generando más valor.
El cómputo está en el centro de esta ecuación.
El cómputo impulsa la investigación y cada tarea que completa la IA. Moldea la calidad del producto, la velocidad, la confiabilidad, la disponibilidad y el costo. El cómputo de entrenamiento construye capacidades futuras. El cómputo de inferencia entrega trabajo útil hoy. Ambos deberían traducirse en mejores resultados para los clientes.
Mejores modelos, inferencia más eficiente, hardware diseñado para un propósito específico, mayor utilización, enrutamiento más inteligente y un diseño de producto más sólido mejoran el retorno del cómputo. Cada generación de infraestructura ayuda a entrenar modelos más capaces. Luego, mejores algoritmos, hardware y software ayudan a servir esos modelos de forma más eficiente.
Los clientes viven esas mejoras en términos humanos: mejores respuestas, resultados más rápidos, menos correcciones, productos más confiables y un menor costo por el trabajo que necesitan realizar.
Las ganancias se acumulan. Una mejor infraestructura acelera la investigación. La investigación produce modelos más capaces y eficientes. Mejores modelos mejoran los productos. Mejores productos impulsan la adopción, el aprendizaje y los ingresos. Ese crecimiento sostiene la inversión continua en la próxima generación de investigación, cómputo, implementación y seguridad.
OpenAI reúne estas piezas en una plataforma de inteligencia compartida. Las personas la usan a través de ChatGPT y ChatGPT Work. Los desarrolladores crean con ella a través de Codex y la API. Las empresas la implementan en los sistemas donde ocurre el trabajo.
Cuando una capa mejora, todos los productos y clientes pueden beneficiarse.
En conjunto, estas cuatro medidas nos dicen si la inteligencia útil por dólar está mejorando.
El trabajo útil nos dice qué produce la IA. El costo por tarea exitosa nos dice qué se necesita para alcanzar el resultado. La confiabilidad nos dice qué proporción del trabajo pueden usar las personas con confianza. El valor a escala nos dice si cada dólar y cada unidad de cómputo logran más con el tiempo.
El objetivo es una IA que ayude a las personas a hacer trabajo más significativo, tomar mejores decisiones y dedicar más tiempo a las partes de su empleo que requieren criterio y creatividad claramente humanos.
Nuestro trabajo es mejorar esa ecuación con cada generación: modelos más capaces, resultados más rápidos y confiables, y menores costos para el trabajo que los clientes necesitan realizar.
Así es como la IA se vuelve más útil para más personas y organizaciones con el tiempo.
