Usar mucho ChatGPT o Claude puede salir carísimo… para esas propias compañías

El modelo de suscripción mensual que ha impulsado la adopción masiva de herramientas como ChatGPT o Claude empieza a mostrar algunas grietas. Pagar una cuota fija al mes resulta cómodo para los usuarios, pero no siempre encaja bien con el coste real de ejecutar modelos de inteligencia artificial cada vez más potentes, sobre todo cuando se usan de forma intensiva.

Un nuevo análisis de SemiAnalysis pone cifras a ese desequilibrio. La firma ha probado distintos planes de suscripción de OpenAI y Anthropic ejecutando tareas largas de programación y flujos agentic hasta agotar los límites semanales. La conclusión es clara: si ese uso máximo se facturase con precios estándar de API, el coste sería muy superior a lo que pagan los usuarios por la suscripción.

Según sus cálculos, una suscripción ChatGPT Pro 20x de 200 dólares al mes podría llegar a equivaler a unos 14.000 dólares en precios de API si se utilizase al máximo. En el caso de Claude Max 20x, también con un precio mensual de 200 dólares, el techo de uso sería comparable, con un consumo potencial cercano a los 8.000 dólares en tokens.

El problema no es el precio, sino cuánto se usa

Estas cifras ayudan a entender por qué la tasa de utilización es tan importante para las compañías que ofrecen estos planes. SemiAnalysis estima que Anthropicalcanza el punto de equilibrio en Claude Pro y Claude Max 5x con una utilización de alrededor del 20%. OpenAI, en cambio, tendría un margen más ajustado: empezaría a perder dinero con ChatGPT Plus y ChatGPT Pro 5x cuando el uso supera el 11,4%.

La situación se vuelve todavía más delicada en los planes de gama alta. Anthropic llegaría a margen bruto cero con una utilización aproximada del 10% en sus planes superiores, mientras que OpenAI entraría en terreno negativo con solo un 5,7% de utilización. Dicho de otra forma, no hace falta que un usuario exprima la suscripción al máximo para que deje de ser rentable.

Modificar precios o endurecer límites tampoco es una decisión sencilla. Las suscripciones han sido una pieza clave para popularizar estas herramientas y acelerar su crecimiento. Subir precios de forma agresiva o restringir demasiado el acceso podría frenar la adopción en un mercado donde la capacidad del modelo sigue siendo uno de los grandes argumentos competitivos.

Los agentes de IA disparan el consumo de tokens

Parte de la presión económica viene de la forma en la que están evolucionando los usos de la IA. Las consultas simples consumen una cantidad relativamente limitada de tokens, pero los sistemas agentic, capaces de planificar, razonar durante más tiempo y ejecutar tareas encadenadas, pueden requerir hasta 1.000 veces más tokens que una interacción convencional.

Ese salto en consumo ya está obligando a muchas empresas a replantearse cómo despliegan estas herramientas internamente. Microsoft, Meta y Amazon habrían reducido iniciativas que fomentaban un uso intensivo de la IA después de que los costes se disparasen.

Este tipo de situaciones está empujando a las organizaciones hacia estrategias más controladas. Una de las más habituales consiste en enrutar las tareas entre distintos modelos según su complejidad: las consultas más exigentes se envían a modelos frontier más caros, mientras que las tareas rutinarias se resuelven con alternativas más económicas.

Usar el modelo adecuado puede reducir mucho la factura

El ahorro de esta aproximación puede ser enorme. Según un informe de The Wall Street Journal, dirigir cada tarea al modelo adecuado puede reducir los costes hasta en un 95%. La lógica es sencilla: no todas las consultas necesitan el modelo más avanzado disponible.

Otras organizaciones están yendo un paso más allá y construyen sus propios sistemas de IA sobre modelos de código abierto entrenados con datos internos. Esta vía exige una mayor inversión inicial, pero permite controlar mejor los costes y reducir la dependencia de proveedores externos. En algunos casos, estos sistemas especializados pueden incluso superar a los modelos generalistas más avanzados en tareas concretas.

Los costes bajarán, pero no para todos los modelos

Existe la expectativa de que los costes de ejecución de la IA disminuyan con el tiempo. A medida que crezca la infraestructura y los modelos más recientes sustituyan a generaciones anteriores, los sistemas de gama media deberían ser más baratos de operar. SemiAnalysis sugiere que modelos del nivel de Opus 4.8 podrían llegar a ofrecerse de forma rentable por unos 20 dólares al mes.

Sin embargo, esa lógica no se aplica necesariamente a los modelos más avanzados. Los modelos frontier, incluidos los que todavía están en desarrollo, siguen siendo muy caros de ejecutar. Sus capacidades de gama más alta podrían terminar quedando cada vez más ligadas a precios por API, en lugar de incluirse de forma generosa en suscripciones de consumo con tarifa plana.

El dilema de OpenAI, Anthropic y el resto del sector

Por ahora, los proveedores de IA tienen que equilibrar dos fuerzas opuestas. Por un lado, los usuarios quieren herramientas potentes, accesibles y con precios mensuales predecibles. Por otro, la infraestructura necesaria para ejecutar esos modelos sigue siendo costosa y muy sensible al nivel de uso.

Sam Altman, CEO de OpenAI, ha reconocido esta tensión al señalar que el aumento de los costes asociados a los tokens se está convirtiendo en un problema serio. La compañía, según Altman, trabaja para que los usuarios puedan obtener más valor gastando menos cuando utilizan ChatGPT.

La gran pregunta es cuánto tiempo podrá sostenerse el modelo actual. Las suscripciones planas han sido fundamentales para llevar la IA generativa al gran público, pero el uso intensivo, los agentes autónomos y las tareas de larga duración están cambiando la ecuación. Si el consumo sigue creciendo, es probable que veamos más límites, planes más segmentados y una separación cada vez mayor entre la IA de consumo y las capacidades más avanzadas reservadas para modelos de pago por uso.