Se acabó la barra libre. Y el mapa de la IA se volvió multipolar.

Hernán Rodríguez
Julio 2026

(Tiempo total de lectura: 3 minutos)

Hola, comunidad 👋

Esta semana ocurrieron dos movimientos que parecen separados, pero cuentan la misma historia.

En Estados Unidos, las compañías de IA comenzaron a dejar atrás la lógica de acceso casi ilimitado. Los modelos más avanzados empiezan a cobrarse mediante consumo adicional, créditos y trabajo realizado.

En China, Moonshot presentó Kimi K3, el modelo open-weight más grande conocido hasta ahora, mientras 29 países firmaron la creación de una nueva organización internacional de cooperación en inteligencia artificial con sede en Shanghái.

Una historia trata de precios.
La otra, de geopolítica.

Juntas anuncian una nueva etapa:

la inteligencia dejó de ser una demostración subsidiada.
Ahora es una infraestructura que se cobra, se gobierna y se disputa entre bloques.

1) Se acabó la barra libre

Durante los últimos años, muchas empresas adoptaron IA bajo una ilusión cómoda.

Pagaban una licencia mensual.
Sus equipos experimentaban.
Y el costo marginal de cada nueva tarea parecía prácticamente invisible.

Esa etapa empieza a cerrarse.

Anthropic anunció que Claude Fable 5, su modelo más avanzado para uso general, quedaría incluido temporalmente dentro de ciertos límites semanales. Después de ese periodo, su utilización pasaría a cobrarse mediante usage credits.

En API, Fable 5 cuesta $10 por millón de tokens de entrada y $50 por millón de salida.

El mensaje es importante: los modelos frontera ya no caben cómodamente dentro de una suscripción plana.

Cuanto más trabajo ejecutan, más compute consumen.
Cuanto más largos son los procesos, más llamadas hacen.
Y cuanto más autónomo es el agente, menos visible se vuelve el gasto hasta que llega la factura.

Por eso Sarah Friar, CFO de OpenAI, propuso cambiar la métrica.

En lugar de obsesionarnos con el precio por token, las empresas deberían medir “inteligencia útil por dólar”.

No cuánto cuesta una llamada.

Sino:

• cuántas tareas valiosas termina,

• cuánto cuesta cada resultado correcto,

• cuántos reintentos necesita,

• y cuánta revisión humana sigue siendo necesaria.

Ése es un cambio mucho más profundo que una modificación de precios.

La IA está pasando de presupuesto experimental a unidad económica.

2) Un modelo caro puede resultar más barato

Durante meses, los equipos de compras compararon modelos como si compararan almacenamiento en la nube:

¿Cuánto cuesta el token?
¿Cuál ofrece el mayor descuento?
¿Cuál tiene la tarifa más baja?

Pero un agente no produce tokens como resultado final.

Produce —o debería producir— trabajo.

Imaginemos dos modelos.

El primero cuesta la mitad, pero falla con frecuencia, necesita cinco intentos y termina enviando el caso a una persona.

El segundo cuesta más por llamada, pero completa el proceso correctamente al primer intento.

El modelo más caro puede tener el menor costo total.

Por eso, a partir de ahora, el CFO debería medir:

• costo por conciliación terminada,

• costo por contrato revisado,

• costo por ticket resuelto,

• costo por reporte generado,

• costo por proceso ejecutado sin intervención humana.

No basta con revisar la factura de API.

Hay que sumar retries, herramientas externas, supervisión, correcciones y excepciones.

El token es el insumo.
El resultado correcto es el producto.

3) China construye una segunda mesa

Mientras Estados Unidos refina cómo monetizar sus modelos, China está construyendo una alternativa.

Moonshot AI presentó Kimi K3, un sistema open-weight de 2,8 trillones de parámetros, contexto de un millón de tokens y capacidades avanzadas de razonamiento, programación y ejecución de tareas largas.

La compañía afirma que compite con los mejores modelos estadounidenses. Evaluaciones independientes lo ubican cerca de la frontera, particularmente en coding y tareas complejas de múltiples pasos.

No significa que Kimi K3 sea automáticamente mejor.

Tampoco que cualquier empresa pueda instalarlo fácilmente: operar un modelo de esa escala exige infraestructura costosa.

Pero sí destruye una suposición importante:

la frontera de IA ya no pertenece exclusivamente a tres laboratorios estadounidenses.

Y el movimiento no fue únicamente técnico.

Esta misma semana, 29 países firmaron un acuerdo para crear la World AI Cooperation Organization, una institución intergubernamental con sede en Shanghái.

China está ofreciendo otra combinación:

• modelos abiertos,

• infraestructura más económica,

• formación para países emergentes,

• y una arquitectura política alternativa a la liderada por Estados Unidos.

El mundo de la IA ya no es unipolar.

Empieza a dividirse entre ecosistemas con distintos modelos, chips, estándares, restricciones y alianzas.

4) Europa abrió otra grieta

Europa también movió una pieza importante.

La Comisión Europea ordenó a Google abrir funciones clave de Android para que asistentes rivales puedan activarse por voz y actuar dentro de otras aplicaciones.

También le exigió compartir con competidores ciertos datos anonimizados que utiliza para optimizar su buscador.

La medida busca que Gemini no tenga una ventaja automática por venir integrado en Android y en el buscador dominante.

Esto confirma que la competencia ya no ocurre solamente entre modelos.

También ocurre en:

• sistemas operativos,

• distribución,

• acceso a datos,

• identidad,

• permisos,

• y capacidad de actuar sobre otras aplicaciones.

En otras palabras:

el próximo monopolio de IA podría no ser el modelo más inteligente, sino la plataforma que controla dónde vive y qué puede hacer.

5) Qué significa para una empresa real

Esta semana deja tres movimientos concretos.

Primero: reabre tu presupuesto de IA.

Los supuestos de comienzos de 2026 probablemente ya están desactualizados. Separa licencias, créditos, APIs, infraestructura, herramientas y supervisión humana. Después calcula el costo por resultado terminado.

Segundo: evita confundir precio bajo con economía favorable.

No elijas un modelo únicamente por su tarifa. Mide precisión, reintentos, excepciones y costo de revisión. La métrica correcta no es tokens por dólar, sino trabajo útil por dólar.

Tercero: diseña una arquitectura multiproveedor.

La competencia entre Estados Unidos, China y Europa significa que los precios, restricciones y condiciones de acceso seguirán cambiando. Tu ventaja no puede depender totalmente de un solo modelo.

El moat debe vivir en:

• tus procesos,

• tus datos,

• tus reglas,

• tu memoria operacional,

• y tu capacidad de cambiar de proveedor sin reconstruirlo todo.

La pregunta ya no es:

¿qué modelo debemos comprar?

La pregunta correcta es:

¿cuánto trabajo útil obtenemos por cada dólar y qué tan rápido podemos cambiar de proveedor cuando el mapa vuelva a moverse?

6) Mi pregunta para ti

Si la barra libre terminó y la inteligencia avanzada ya se ofrece desde distintos bloques:

¿tu empresa está pagando por trabajo útil terminado o todavía está comprando tokens sin saber qué retorno producen?

Escríbeme.
Las mejores respuestas las cito en la próxima edición.

Nos vemos pronto,
Hernán

P.D. Cuando la inteligencia se convierte en materia prima, la ventaja deja de estar en acceder a ella. Pasa a quien sabe medirla, gobernarla y convertirla en ejecución.