resariales, con el fin de optimizar costes y aumentar la eficiencia en el uso de la inteligencia artificial. Esta tendencia, que ha venido ganando fuerza en el mercado enterprise, refleja un cambio de paradigma en la adopción de IA por parte de las empresas.
Anteriormente, el criterio principal para elegir un modelo de IA era su rendimiento en los benchmarks de razonamiento. Sin embargo, con la caída de los precios por token de los modelos de frontera en un 70-90% en los últimos 18 meses, las empresas han comenzado a utilizar estos modelos para tareas más complejas y demandantes de tokens, lo que ha llevado a un aumento significativo en las facturas de inferencia de IA.
Ante esta nueva realidad, las empresas están implementando estrategias de «tokenminimizing», que incluyen establecer límites al consumo de tokens de los empleados, utilizar modelos menos costosos para tareas que no requieren la máxima potencia y auditar los flujos de trabajo para identificar áreas de alto consumo innecesario.
Este cambio en el mercado empresarial de IA está impulsando la adopción de agentes específicos de tarea integrados en las aplicaciones enterprise, con el objetivo de utilizar modelos más especializados y económicos para tareas específicas. Esta tendencia ha llevado a que el margen de diferenciación se desplace hacia la eficiencia en la infraestructura de inferencia, donde el costo de procesar tokens es clave en la competitividad.
A pesar de que los modelos de frontera seguirán siendo necesarios para tareas complejas, como el razonamiento avanzado o el análisis legal, la mayoría de las tareas de oficina se cubrirán con modelos más pequeños y especializados, corriendo en infraestructura eficiente que los grandes proveedores de servicios en la nube están desarrollando.
En definitiva, el «tokenminimizing» en el mercado enterprise de IA representa una señal de madurez, donde las empresas están aprendiendo a gestionar la inteligencia artificial como un recurso productivo con costes reales. Aunque el período de transición para adaptarse a modelos más económicos puede plantear desafíos de ingeniería, esta tendencia hacia la eficiencia en el uso de IA promete acelerar la competencia y beneficiar a todo el sector a largo plazo.
