OpenAI cambia las reglas: algunas empresas solo pagan cuando la IA completa el trabajo

OpenAI está probando una nueva forma de cobrar por sus sistemas de inteligencia artificial: algunos grandes clientes solo pagarían cuando la IA completa correctamente el trabajo encargado. El planteamiento rompe con la facturación tradicional por tokens, llamadas a la API o licencias por usuario y acerca estos agentes digitales a un modelo basado en resultados.

La información procede de The Information y, por ahora, OpenAI no ha anunciado públicamente este sistema ni ha revelado qué empresas participan en las pruebas. Tampoco se conocen las tarifas, las condiciones contractuales o los criterios utilizados para decidir cuándo una tarea puede considerarse terminada con éxito.

OpenAI empieza a vender resultados en lugar de capacidad

Según el citado informe, OpenAI habría permitido a algunos de sus clientes empresariales más importantes pagar únicamente cuando uno de sus agentes consigue finalizar una tarea. Uno de los ejemplos mencionados sería la resolución completa de una consulta de atención al cliente sin intervención humana.

Este sistema se conoce como «outcome-based pricing» o tarificación basada en resultados. En lugar de pagar por el tiempo de procesamiento, los tokens consumidos o cada acción ejecutada, la empresa abona una cantidad previamente acordada cuando obtiene el resultado esperado.

No parece tratarse de un nuevo plan comercial disponible para cualquier cliente. Todo apunta a que OpenAI lo está negociando de manera individual con un reducido grupo de grandes cuentas, probablemente mediante contratos adaptados a sus necesidades, volúmenes de trabajo y definiciones particulares de éxito.

Por tanto, conviene tomar la información con cierta cautela. OpenAI no ha confirmado los acuerdos, no se conocen las empresas implicadas y tampoco está claro si esta fórmula acabará extendiéndose a otros clientes. Aun así, el experimento resulta significativo porque el mayor proveedor de modelos de IA estaría aceptando parte del riesgo económico de los fallos de sus propios agentes.

El problema de pagar por tokens aunque la IA falle

El modelo de facturación por tokens ha sido fundamental para popularizar las API de inteligencia artificial. Es relativamente sencillo de medir y permite pagar según la cantidad de texto que procesa o genera un modelo, pero el coste aumenta con el número de intentos y no necesariamente con el valor obtenido.

Esta diferencia se vuelve especialmente importante cuando se utilizan agentes autónomos. Un agente puede consultar varias fuentes, llamar a diferentes herramientas, revisar sus propios resultados y repetir determinados pasos antes de terminar. Todos esos procesos consumen recursos, aunque finalmente la tarea fracase o necesite ser completada por una persona.

Un caso extremo fue el de un desarrollador que ejecutó alrededor de un centenar de agentes simultáneamente y acumuló un consumo equivalente a 1,3 millones de dólares (aproximadamente 1,12 millones de euros) en tokens durante 30 días. No representa el uso habitual de una empresa, pero ilustra lo difícil que puede resultar controlar los costes cuando muchos agentes trabajan en paralelo.

La situación se complica todavía más porque una factura elevada no garantiza un buen resultado. Bajo el modelo tradicional, el cliente paga por los intentos fallidos, las respuestas incorrectas y los procesos que terminan bloqueados. Con la tarificación por resultados, en cambio, es el proveedor quien debe asumir el coste de los errores y las repeticiones necesarias.

Intercom, Zendesk y Salesforce ya buscan otras fórmulas

La atención al cliente se ha convertido en el principal campo de pruebas de estos nuevos modelos comerciales. La razón es sencilla: una incidencia puede marcarse como solucionada, escalada o pendiente, por lo que el resultado es mucho más fácil de medir que en trabajos creativos, de análisis o programación.

Intercom aplica esta filosofía con Fin, su agente de soporte basado en IA. La compañía cobra 0,99 dólares (unos 0,85 euros) por cada resultado y solo contabiliza una unidad por conversación, incluso si el sistema responde a varias preguntas. El resultado puede ser una resolución confirmada, una conversación que no requiere más ayuda o la finalización de un procedimiento previsto.

Zendesk también ha orientado su oferta hacia las «Verified Resolutions». Desde mayo, una evaluación mediante un modelo de lenguaje comprueba en un plazo de hasta 72 horas si la incidencia se resolvió realmente. Las estimaciones externas sitúan el precio entre 1,20 y 1,50 dólares (aproximadamente entre 1,04 y 1,29 euros) por resolución con volumen contratado, aunque Zendesk no publica abiertamente esas tarifas.

Salesforce siguió un camino algo diferente. Agentforce apareció inicialmente con un precio de 2 dólares (alrededor de 1,73 euros) por conversación de 24 horas, independientemente de que el problema quedase resuelto. Tras las críticas por su coste y dificultad de previsión, la compañía introdujo Flex Credits, que cobra por cada acción ejecutada y no por el resultado final.

Los Flex Credits de Salesforce se comercializan desde 500 dólares (unos 431 euros) por 100.000 créditos. Una acción estándar consume 20 créditos, equivalentes a 0,10 dólares (aproximadamente 0,09 euros). Es un modelo más granular que el cobro por conversación, pero continúa siendo tarificación por consumo: una acción fallida también genera coste.

Las empresas quieren facturas más fáciles de prever

El interés por cambiar la facturación no procede únicamente de los proveedores. Un estudio de Futurum Group señalaba que el 43% de los compradores empresariales prefiere pagar según el consumo, mientras que otro 27% se inclina por los resultados obtenidos. Menos de uno de cada cinco sigue apostando por un modelo limitado exclusivamente a licencias por usuario.

Para un director financiero, pagar cuando una IA resuelve una incidencia resulta mucho más defendible que asumir una factura variable por millones de tokens. También facilita calcular el retorno de la inversión: basta con comparar el coste de cada resolución automática con el de una intervención humana equivalente.

La previsibilidad es particularmente importante durante la fase piloto. Muchas empresas prueban agentes durante meses sin extenderlos al conjunto de la organización porque desconocen cuánto costarán cuando gestionen decenas de miles de operaciones. Una tarifa por resultado elimina parte de esa incertidumbre y puede acelerar la adopción comercial.

Este cambio encaja con la evolución hacia agentes más autónomos, como los que permite crear la nueva generación de modelos de OpenAI. En Teknofilo ya explicamos cómo GPT-5.4 puede utilizar un ordenador y ejecutar tareas complejas, una capacidad que convierte a la IA en algo más parecido a un trabajador digital que a una simple herramienta de generación de texto.

Definir qué significa «trabajo completado» será el gran reto

La atención al cliente permite establecer criterios relativamente claros: el usuario confirma que su consulta está resuelta, no vuelve a pedir ayuda o el sistema completa un procedimiento concreto. Sin embargo, muchas tareas empresariales no ofrecen un indicador tan sencillo y objetivo.

Imaginemos un agente encargado de preparar una presentación comercial, analizar un contrato o buscar candidatos para una vacante. El sistema podría completar todos los pasos previstos y entregar un archivo, pero eso no significa necesariamente que el resultado tenga la calidad suficiente o produzca el beneficio esperado.

También pueden aparecer desacuerdos entre proveedor y cliente. Si un agente tramita correctamente una devolución, pero genera una mala experiencia para el consumidor, ¿se considera éxito? ¿Y si redacta una campaña que se publica sin errores pero apenas consigue conversiones? Cada contrato necesitará métricas, mecanismos de verificación y procedimientos para resolver disputas.

Cuanto más complejas sean las tareas, mayor será la dificultad para separar ejecución, calidad y resultado económico. OpenAI asegura que sus agentes ya son utilizados por millones de personas, pero convertir esas actividades en unidades comerciales exigirá sistemas de evaluación mucho más sofisticados que un simple campo de «incidencia resuelta».

El proveedor asume más riesgo, pero probablemente cobrará más por cada éxito

La tarificación por resultados parece claramente favorable para el cliente, aunque eso no significa que vaya a resultar barata. Un proveedor que deja de cobrar por los intentos fallidos necesita recuperar esos costes mediante un precio superior por cada operación completada correctamente.

Si un agente tiene una tasa de éxito elevada, la empresa tecnológica puede calcular el coste medio de los fallos y añadirlo a la tarifa final. Si su rendimiento es irregular, tendrá que aumentar todavía más el precio o limitar el contrato a procesos muy controlados, repetitivos y fáciles de verificar.

Esto explica por qué las resoluciones automatizadas de soporte se cobran normalmente en torno a un dólar y no a unos pocos céntimos. El precio no refleja solamente la última respuesta enviada al usuario, sino también la infraestructura, el razonamiento, las consultas internas y todos los intentos que no pueden facturarse.

OpenAI deberá encontrar un equilibrio entre una tarifa atractiva para las empresas y un margen que compense el riesgo asumido. También tendrá que protegerse frente a clientes que definan objetivos ambiguos o que rechacen resultados válidos para evitar el pago. El contrato comercial terminará siendo casi tan importante como la capacidad técnica del modelo.

Un cambio que puede transformar el negocio de la IA empresarial

Hasta ahora, OpenAI ha vendido principalmente suscripciones y capacidad de procesamiento, con precios diferentes según el modelo, los tokens utilizados y el número de llamadas. Permitir que una empresa pague por una tarea completada supone pasar de comercializar acceso a la inteligencia artificial a comercializar directamente su trabajo.

La propia compañía ya había anticipado públicamente que los acuerdos de licencia, la propiedad intelectual y la tarificación por resultados podrían formar parte de su futuro. La novedad es que, según las informaciones publicadas, esta idea habría comenzado a aplicarse de forma selectiva con clientes reales.

El modelo también podría alterar la competencia entre proveedores. Ya no bastaría con ofrecer el agente más potente o con el precio por token más bajo; las empresas podrían comparar cuánto cuesta resolver una incidencia, procesar una solicitud o completar un flujo de negocio de principio a fin.

Por ahora quedan muchas incógnitas y ninguna tarifa pública. Sin embargo, si las pruebas funcionan, la industria podría avanzar rápidamente desde el «paga por usar la IA» hacia el «paga cuando la IA cumple». Para las empresas, eso significaría facturas más comprensibles; para OpenAI, aceptar que los errores de sus modelos también deben tener consecuencias económicas.