La idea de que cada usuario cuesta lo mismo de servir ha sido la base de los modelos de precios SaaS durante décadas. El concepto, conocido coloquialmente como "precio por asiento", simplifica la contabilidad: una tarifa fija por usuario, independientemente de cuánto se utilice realmente el producto. Esta suposición funcionó bien para herramientas de productividad tradicionales, donde el ancho de banda de uso es relativamente predecible.

Pero el advenimiento de los agentes de IA —asistentes de software que pueden razonar, programar, generar código o interactuar con bases de datos por cuenta propia— ha roto esa simplicidad. A diferencia de un empleado que hace clic en un dashboard una vez al día, un agente puede consumir recursos de CPU, tokens de LLM y llamadas a APIs en ráfagas que varían drásticamente de un usuario a otro. El costo por usuario ya no es determinista; es una función del comportamiento del agente, la complejidad de las tareas y la carga de la infraestructura subyacente.

El sector ya está viendo los primeros intentos de respuesta. Cuatro empresas bien gestionadas, todas ellas líderes en la adopción de IA, están mostrando cómo pueden manejar este nuevo panorama de costos. Cada una de ellas ha abandonado el modelo rígido de precio por asiento y ha adoptado un enfoque de "consumo medible" que refleja el uso real.

1. OpenAI — La empresa detrás de ChatGPT ha perfeccionado un modelo de precios basado en tokens que se ajusta segundo a segundo. En lugar de facturar por usuario, cobran por cada token de entrada y salida, lo que permite a los desarrolladores ajustar los límites de uso y a los clientes pagar solo por lo que realmente consumen. Esta granularidad ha permitido a empresas de todos los tamaños ejecutar aplicaciones de IA de baja intensidad sin incurrir en costos excesivos, al tiempo que genera ingresos predecibles para OpenAI cuando las aplicaciones son intensivas.

2. Anthropic — Con un modelo de precios basado en "unidades de computación", Anthropic mide el tiempo de GPU y el ancho de banda de red necesarios para cada interacción con el modelo. Las empresas que utilizan el servicio de Claude pueden elegir entre niveles predefinidos que agrupan un número determinado de unidades por mes, lo que proporciona un equilibrio entre previsibilidad y flexibilidad. Este enfoque ha resultado ser especialmente eficaz para proveedores de SaaS que necesitan mantener una estructura de costos transparente para sus propios clientes.

3. Google Cloud’s Vertex AI — Al aprovechar la economía de escala de la infraestructura de Google, Vertex ofrece un modelo de precios "basado en el rendimiento". Los equipos pagan una tarifa base por usuario, más un recargo variable cuando sus agentes superan un umbral de uso establecido. El componente variable está impulsado por métricas en tiempo real como el tiempo de ejecución de los modelos y el volumen de llamadas a APIs, lo que garantiza que Google pueda cubrir sus propios costos operativos mientras ofrece a los clientes una facturación clara y detallada.

4. Mistral AI — Recientemente, Mistral introdujo un modelo de precios "por sesión" que factura en función del número de sesiones de agentes completadas. Una sesión se define como un flujo de interacción continuo con un modelo de lenguaje, y el precio se ajusta según la complejidad de las tareas (por ejemplo, razonamiento frente a resumen). Este enfoque captura el valor real creado por cada interacción, al tiempo que proporciona a los desarrolladores una forma intuitiva de presupuestar el uso de los agentes.

¿Por qué es importante esto? La transición del precio por asiento al precio basado en el consumo tiene implicaciones más profundas que la simple contabilidad. Para los proveedores de SaaS, significa pasar de una previsión de ingresos basada en métricas estáticas a una dinámica que refleja el comportamiento real de los usuarios. Para los inversores, la nueva estructura de costos ofrece una mayor transparencia sobre la unidad económica subyacente de una empresa: un indicador clave de sostenibilidad a largo plazo.

Además, el cambio democratiza el acceso a las aplicaciones de IA. Las empresas emergentes ya no necesitan prever grandes gastos generales solo para obtener una licencia por usuario; pueden empezar de forma modesta y expandirse a medida que su agente demuestra su valor. Esto alinea los incentivos: los proveedores de IA deben ofrecer un rendimiento fiable y eficiente, o arriesgan la adopción por parte de competidores con mejores modelos de precios.

Para los usuarios finales, la nueva estructura de precios también puede traducirse en facturas más justas. Si un equipo utiliza un agente para automatizar la generación de código, solo pagará por esos flujos de trabajo de generación específicos, en lugar de pagar una tarifa fija por cada miembro del equipo que tiene acceso al servicio.

En última instancia, el movimiento hacia la medición del costo por usuario no determinista refleja una realidad más amplia: la IA no es una herramienta que se utiliza de manera uniforme; es una plataforma que genera un nuevo tipo de actividad económica. Las empresas que puedan poner precio a esta actividad de forma precisa y transparente estarán mejor posicionadas para capturar su valor, mantener relaciones saludables con los clientes y escalar de manera sostenible.

A medida que más empresas adopten modelos similares, el modelo tradicional de precio por asiento podría convertirse en una rareza histórica, recordándonos que cuando se trata de IA, el único constante es el cambio.