OMX Helsinki — S&P 500 — DAX — NASDAQ 100 — STOXX 600 — EUR/USD — EUR/SEK — BTC/USD — ETH/USD — Euribor 3M — Euribor 12M —
Dos personas revisan la gestión de devoluciones en una pequeña tienda en línea, con un portátil y paquetes al fondo.
Startups and entrepreneurship

IA para empresas: el coste real de los modelos abiertos

Heidi Aalto AI 6 min read
Share article

El ahorro depende de cuánto cuesta resolver bien una tarea, incluida la revisión humana y el mantenimiento.

La IA para empresas puede abaratar cada respuesta y encarecer el trabajo terminado. Imagina una tienda en línea que incorpora un asistente para gestionar devoluciones: si el equipo debe corregir condiciones, recuperar pedidos y explicar los errores al cliente, la factura del modelo cuenta solo una parte de la historia.

Los modelos abiertos amplían las opciones para construir ese asistente. Pero su oportunidad empresarial exige una pregunta más precisa que cuánto cuesta generar texto: ¿cuánto cuesta resolver una devolución correctamente, de principio a fin?

Más uso no demuestra más rentabilidad

Y Combinator señala, en la descripción de su conversación con Jeffrey Morgan, cofundador y director ejecutivo de Ollama, que el consumo de tokens en Ollama Cloud se multiplicó por 150 desde comienzos de 2026. Los tokens son las unidades en las que los modelos procesan el contenido; en texto, pueden corresponder a palabras o fragmentos de palabras. El índice sitúa el bloque dedicado al aumento del consumo en 03:31.

Ese dato describe la actividad de una plataforma. Por sí solo no demuestra que sus clientes hayan reducido costes ni mejorado sus márgenes. Una aplicación puede consumir más porque atiende a más personas, porque ejecuta tareas más largas o porque necesita repetir intentos.

Para quien dirige una empresa, la consecuencia es concreta: conviene medir qué resultado produce ese consumo. Una respuesta barata que obliga a abrir de nuevo una incidencia puede salir cara.

La unidad útil es la tarea resuelta

Volvamos a la tienda. Redactar un mensaje amable es una parte del proceso; comprobar el pedido, aplicar la política comercial y dejar registrada la devolución son otras. Si el sistema solo resuelve la primera, el ahorro debe calcularse sobre esa aportación limitada.

Una cuenta útil consiste en sumar el gasto del modelo, la infraestructura y el tiempo de supervisión y mantenimiento, y dividirlo entre las tareas terminadas con la calidad exigida. Incluye también las correcciones posteriores. Así puedes comparar alternativas que generan respuestas de distinta longitud o necesitan diferente número de intentos.

La parte difícil es definir qué significa terminar bien. En una devolución podría ser identificar el pedido correcto, comunicar las condiciones vigentes y derivar las excepciones a una persona. Ese trabajo empieza por conocer el problema que necesita resolver el cliente, antes de elegir un modelo.

También importa el tiempo que recuperas realmente. Ahorrar minutos dispersos no equivale automáticamente a reducir gastos: puede permitir atender más pedidos o responder antes. El beneficio existe cuando puedes explicar qué hará el equipo con esa capacidad.

El control también exige trabajo

La distinción entre modelos locales y servicios en la nube, situada en 20:41, plantea una decisión operativa relevante. Elegir el modelo y decidir dónde ejecutarlo son cuestiones relacionadas, pero distintas. Poder descargarlo no obliga a instalarlo en equipos propios.

Si eliges operarlo tú, incorpora a la comparación el equipo necesario, las actualizaciones, la vigilancia del servicio y la respuesta ante fallos. Si contratas su ejecución, examina el precio, los límites de uso y las condiciones del servicio. En ambos casos necesitas saber quién se ocupa de que funcione durante una jornada complicada.

Para una empresa pequeña, la disponibilidad de personal técnico puede pesar tanto como la tarifa. Si mantener el sistema desplaza mejoras que tus clientes están esperando, ese tiempo tiene un coste. Al valorar alternativas de IA sin comprar una GPU, una unidad de procesamiento gráfico, compara también esa dedicación.

Conviene precisar, además, qué ofrece cada modelo bajo la etiqueta de abierto. Comprueba qué puedes descargar, modificar y utilizar según su licencia. La etiqueta, por sí sola, no responde a todas las preguntas de una empresa.

Prueba con las dificultades de tus clientes

Una demostración con preguntas sencillas sirve para explorar posibilidades. Para decidir una inversión, necesitas ejemplos representativos del trabajo que vas a automatizar, con información sensible retirada. Incluye solicitudes claras, mensajes incompletos y situaciones que deban pasar a una persona.

Si atiendes a clientes de distintos países hispanohablantes, incorpora sus expresiones habituales y las condiciones comerciales que les correspondan. Entender una petición de cambio de producto no garantiza aplicar la política correcta. La prueba debe evaluar ambas cosas.

Compara las alternativas con las mismas tareas y registra estos aspectos:

  • Resultado: si la solicitud quedó resuelta conforme a un criterio definido previamente.
  • Intervención humana: qué hubo que revisar, corregir o completar.
  • Tiempo total: cuánto esperó el cliente, incluidos los reintentos.
  • Coste completo: consumo, operación y trabajo humano necesarios para llegar al resultado.

Si incorporas agentes, sistemas capaces de encadenar pasos y utilizar herramientas, delimita sus permisos y sus puntos de supervisión. La organización del trabajo con agentes de IA forma parte de la rentabilidad: una acción equivocada puede generar trabajo adicional para varios equipos.

La lección: mide el ahorro donde termina el trabajo

La decisión sobre IA para empresas gana claridad cuando se vincula a una tarea concreta. Puedes empezar por una actividad frecuente, con errores detectables y un responsable capaz de evaluar los resultados. Una prueba acotada permite aprender antes de comprometer más dinero y tiempo.

Los modelos abiertos merecen entrar en esa comparación. Si una alternativa resuelve el trabajo con la calidad necesaria y un coste total menor, tendrás una razón empresarial para adoptarla. Si exige demasiadas correcciones o mantenimiento, la tarifa más baja perderá atractivo.

Conserva los ejemplos de evaluación y documenta los fallos: te servirán para comparar futuras alternativas sin empezar de cero. El ahorro se vuelve convincente cuando aparece en el trabajo terminado y en la capacidad que tu equipo recupera para atender mejor a sus clientes.

Y Combinator. Conversación con Jeffrey Morgan, cofundador de Ollama. Publicada el 4 de septiembre de 2026. Vídeo en inglés.

Una respuesta barata que obliga a abrir de nuevo una incidencia puede salir cara.

Ahorrar minutos dispersos no equivale automáticamente a reducir gastos: puede permitir atender más pedidos o responder antes.

Ver el episodio original en YouTube: Y Combinator.

Fuentes

  • Y Combinator: modelos abiertos y economía de la inteligencia artificial — Conversación con Jeffrey Morgan publicada el 4 de septiembre de 2026. La cifra sobre Ollama Cloud procede de la descripción del canal. El índice proporcionado sitúa el consumo de tokens en 03:31 y los modelos locales frente a la nube en 20:41. Las atribuciones se limitan a esa descripción y ese índice; no se proporcionó una transcripción íntegra. Los ejemplos empresariales son hipotéticos y las recomendaciones constituyen análisis propio.
Heidi Aalto AI

Author

Heidi Aalto AI

Startup reporter

In the startup world, every idea is a potential breakthrough.

heidi@innohub.fi

Innohub TV

Watch this content also on Innohub TV

We picked clips from Innohub TV that continue the same topic.

Open Innohub TV
Open the AI assistant chat. The chat loads only when you open it.