Esta semana Anthropic ha lanzado Claude Fable 5, el modelo de IA más potente disponible para el público, y con él ha llegado también la letra pequeña que define la nueva era: a partir del 23 de junio se paga por uso. Por tokens. Como la luz o el agua. Y eso cambia la pregunta que debe hacerse cualquier pyme. Ya no es "¿cuál es la mejor IA?", sino una mucho más de negocio: ¿qué tareas mías justifican pagar el modelo caro y cuáles se resuelven con uno barato? Spoiler: la mayoría de lo que haces cada día pertenece al segundo grupo.
La cultura del token: por qué la IA empieza a cobrarse como un suministro
Durante tres años nos hemos acostumbrado a la tarifa plana: 20 euros al mes y chat ilimitado. Ese modelo de negocio aguanta mientras los modelos sean razonablemente baratos de ejecutar. Pero los modelos punteros de 2026 consumen una cantidad de cómputo enorme por respuesta, y las empresas de IA han empezado a trasladar ese coste al cliente: precios por millón de tokens de entrada y de salida, créditos que se agotan y modelos premium excluidos de las suscripciones estándar.
Para una pyme esto tiene una consecuencia directa: la factura de IA deja de ser fija y pasa a ser variable. Y como toda factura variable —pregúntale a cualquiera que haya revisado el recibo de la luz de su negocio— o la mides y la gestionas, o se te dispara sin que nadie sepa muy bien por qué.
La pregunta correcta: no "qué modelo", sino "qué tarea"
El error de base es pensar en la IA como un único producto que se contrata. En realidad es un catálogo de motores con precios que varían hasta 50 veces entre el más barato y el más caro. La decisión inteligente es la misma que con cualquier otro recurso del negocio: asignar el coste al valor de la tarea.
Tareas donde un modelo barato (o el que ya pagas) sobra
- Redactar y responder emails comerciales.
- Resumir documentos, actas y reuniones.
- Borradores de publicaciones para redes y blog.
- Hojas de cálculo, fórmulas y pequeños análisis.
- Plantillas de presupuestos, contratos y propuestas (con revisión humana).
- Atención al cliente de primer nivel con un chatbot bien configurado.
En todo esto, la diferencia entre el mejor modelo del mundo y uno de gama media es imperceptible para tu cliente. Pagar precio premium por estas tareas es, literalmente, tirar el dinero.
Tareas donde el modelo grande se paga solo
- Trabajo técnico de gran volumen: migraciones de código, refactorizaciones, auditorías de sistemas. El caso que ha publicado Anthropic con Stripe —una migración que habría costado más de dos meses de equipo, hecha en un día— es extremo, pero la lógica aplica a escalas pequeñas: si una sesión de 60 euros sustituye una semana de trabajo, la cuenta sale sola.
- Análisis complejos puntuales: due diligence de una compra, revisión de un contrato crítico, un plan financiero a tres años con escenarios.
- Trabajo agéntico de varias horas: tareas que el modelo ejecuta de principio a fin con decenas de pasos, donde un modelo flojo se pierde y uno bueno termina. Si no te suena el concepto, aquí explicamos qué son los agentes de IA y cómo usarlos en tu empresa.
La regla rápida: modelo caro para tareas donde el error o el tiempo humano cuestan mucho más que los tokens; modelo barato para todo lo demás.
El retorno real está en la capa de aplicación, no en el ranking de benchmarks
Hay otra verdad incómoda que los titulares de cada lanzamiento tapan: para la mayoría de pymes, el cuello de botella no es la potencia del modelo. Es la integración. Un modelo mediocre bien integrado en tu flujo —que lee tus facturas, conoce tus precios, escribe con tu tono y dispara acciones en tus herramientas— genera más dinero que el mejor modelo del mundo usado en una pestaña del navegador a base de copiar y pegar.
Por eso, antes de obsesionarte con el último modelo, el orden correcto de inversión suele ser:
- Procesos documentados: la IA no puede automatizar el caos.
- Datos accesibles: facturación, clientes y catálogo fuera de cabezas y de carpetas perdidas. Si todavía haces presupuestos a mano, empieza por automatizar facturas y cobros.
- Integraciones sencillas: un asistente personalizado sobre tus documentos, como un GPT personalizado para tu negocio, da más retorno que cualquier salto de modelo.
- Presencia digital sólida: los agentes de IA trabajan sobre tu web, tus formularios y tus fichas. Si esa base está mal hecha, la IA hereda el problema. Una web profesional bien estructurada es infraestructura para la IA, no un gasto aparte.
Cinco reglas para controlar el gasto en IA sin frenar la adopción
- Pon un presupuesto mensual de IA como lo tienes de teléfono o software. Aunque sea pequeño. Lo que no tiene partida, no se controla.
- Asigna modelos por defecto a cada tipo de tarea y documéntalo: "emails y resúmenes, modelo estándar; análisis de contratos, modelo premium". Evita que cada empleado use el más caro por inercia.
- Mide antes de escalar: prueba la tarea cara una vez, calcula el coste por resultado (por informe, por migración, por análisis) y compáralo con el coste humano de hacerlo. Solo escala lo que sale a cuenta.
- Aprovecha las ventanas de prueba: los lanzamientos suelen incluir periodos sin coste extra (Fable 5 lo está hasta el 22 de junio para planes de pago). Son la forma barata de calibrar si el salto de calidad te aporta algo.
- Revisa trimestralmente: los precios de la IA bajan rápido para capacidades equivalentes. El modelo premium de hoy será gama media en un año; lo que descartaste por caro puede ser gratis dentro de seis meses.
Errores típicos que vemos en pymes
- Contratar el plan más caro "para ir sobrados" sin haber definido una sola tarea concreta.
- Medir la IA por lo impresionante de la demo y no por el coste por resultado en tu negocio.
- No formar al equipo: el mismo modelo rinde el doble en manos de quien sabe pedirle las cosas.
- Ignorar las ayudas: buena parte de la inversión en digitalización e IA es subvencionable; revisa las ayudas para digitalizar tu pyme en 2026 antes de pagarlo todo de tu bolsillo.
- Esperar al modelo perfecto: siempre habrá uno mejor en tres meses. La ventaja no la da el modelo, la da llevar un año usándolo bien.
Preguntas frecuentes
¿Cuánto debería gastar una pyme en IA al mes?
No hay cifra mágica, pero una referencia razonable para empezar: una o dos suscripciones de gama estándar (20-60 euros al mes por usuario clave) más una pequeña bolsa para uso por tokens en tareas puntuales de alto valor. Lo importante no es el importe, sino tener partida, medir el retorno por tarea y ajustar cada trimestre.
¿Qué es exactamente pagar por tokens?
Los modelos de IA cobran por cantidad de texto procesado: los tokens son fragmentos de palabras. Se factura tanto lo que envías (entrada) como lo que el modelo genera (salida), y la salida suele ser bastante más cara. Una conversación normal consume pocos céntimos; un agente trabajando horas sobre documentos largos puede consumir decenas de euros.
¿Compensa cambiar de proveedor de IA cada vez que sale un modelo mejor?
Casi nunca. El coste de cambiar —reaprender, rehacer integraciones, migrar instrucciones y datos— suele superar la mejora real para tareas de negocio corrientes. Cambia solo si hay una diferencia medible en una tarea que te importa, y aprovecha los periodos de prueba gratuitos para comprobarlo antes.
¿La IA potente no acabará bajando de precio?
Sí, esa es la tendencia constante: las capacidades del modelo premium de hoy suelen estar disponibles en modelos mucho más baratos en cuestión de meses. Por eso la estrategia sensata para una pyme es usar modelos baratos para el día a día, pagar el caro solo cuando el valor de la tarea lo justifique y revisar precios cada trimestre.
En resumen
La era del pago por uso en IA ya está aquí, y trata a las pymes igual que a las grandes: factura variable, catálogo de modelos y decisiones de compra que son pura gestión. La buena noticia es que la respuesta no exige estar a la última: modelo barato para el 90% del trabajo, modelo potente solo cuando una tarea cara lo amortice, y la inversión seria en procesos, datos e integraciones, que es donde de verdad se gana dinero con esto. El mejor modelo de IA para tu pyme no es el que lidera los benchmarks: es el que tiene una tarea asignada y un retorno medido.
