El 78% de las organizaciones prevé que su consumo de tokens aumente durante los próximos 24 meses, pero solo el 35% puede calcular el costo por resultado de negocio, incluso en su principal caso de uso de inteligencia artificial, según un estudio de Accenture.
Los tokens son las unidades de datos que procesan los modelos en instrucciones, respuestas, consultas de información e interacciones de agentes. Accenture utiliza el concepto de tokenomía para relacionar ese consumo con el valor que obtiene una empresa.
Admin
Las empresas identifican el consumo, pero no siempre su retorno
El estudio señala que el 59% de las organizaciones trabaja con estimaciones generales o indicativas del gasto, mientras el 48% comparte la responsabilidad de gestionar los costos y el retorno de la IA entre TI y Finanzas, sin un único responsable. Los equipos tecnológicos pueden conocer quién consume tokens y cuánto cuesta, aunque no determinar si ese gasto produjo un resultado de negocio que lo justifique.
Nicolás Deino, Managing Director Financial Services Lead de Accenture Chile, sitúa esta dificultad en la relación entre los directorios, las gerencias financieras y los responsables tecnológicos, que deben responder por el consumo de inteligencia artificial y sus resultados.
“[...] los directorios están exigiendo a los CEOs que expliquen el nivel de exposición y el retorno de estas inversiones; los CEOs recurren a los CFO para obtener control financiero; y los CFOs, a su vez, dependen de los CIOs para lograr que el consumo de IA sea predecible, económicamente disciplinado y capaz de demostrar valor de manera tangible [...]”.
Según el análisis de Accenture, las organizaciones que gestionan esta relación entre consumo y resultados pueden capturar hasta US$55 millones de valor por cada US$100 millones invertidos anualmente en IA. La estimación considera eficiencia operativa, control financiero y una medición más clara del retorno.
Columnas al director
Registrar los tokens y asignar los costos a cada área
La propuesta de Accenture contempla identificar el consumo por equipo y modelo, atribuir los costos a las áreas que los generan y adecuar la capacidad de los modelos a cada tarea. Deino explica las medidas.
“Esto comienza con la visibilidad: cada interacción con IA debe registrarse para identificar qué equipo utiliza qué modelo, cuánto cuesta y qué resultado genera. A partir de esa información, las empresas pueden asignar los costos a las áreas que los generan mediante modelos de chargeback [...]. Asimismo, es fundamental dirigir cada tarea al modelo adecuado, ya que el estudio de Accenture concluye que el 90% de las cargas de trabajo no requiere modelos de frontera y puede resolverse con alternativas más económicas”.
Admin
El retorno financiero debe definirse antes de la producción
Antes de llevar una solución de IA a producción, Accenture propone establecer qué resultado financiero se espera y cómo se medirá. El vocero de Accenture Chile advierte que todavía existen dificultades para vincular los costos con resultados.
“[...] actualmente, menos del 20% del gasto en tokens puede vincularse a un resultado económico cuantificable. A ello se suma la necesidad de desarrollar capacidades de IA en toda la organización, ya que más de la mitad de las solicitudes se envían a modelos más potentes y costosos de lo necesario. En este contexto, las compañías líderes son aquellas que combinan visibilidad, responsabilidad financiera, reglas claras de uso y formación continua [...]”.
Columnas al director
