Mountain View, California, 19/05/26 (Más).- El debate sobre la inteligencia artificial ha entrado en una nueva etapa en la que el principal desafío ya no es su capacidad tecnológica, sino el elevado costo que implica su operación a gran escala, especialmente en empresas que dependen de estos sistemas para procesos diarios y análisis de datos.
Durante el evento Google I/O 2026, la empresa, encabezada por Sundar Pichai, expuso un cambio de enfoque en la industria: la discusión dejó de centrarse en qué modelos de inteligencia artificial son más potentes y pasó a enfocarse en cuáles son más eficientes y sostenibles en términos de gasto operativo.
En este contexto, la compañía explicó de manera más detallada uno de los conceptos clave para entender el funcionamiento y costo de la inteligencia artificial: los “tokens”. Un token es una unidad de texto con la que el modelo trabaja y procesa información; puede ser una letra, una sílaba, una palabra completa o incluso un signo de puntuación. Esto significa que la IA no interpreta frases como un bloque único, sino que las divide en pequeños fragmentos para analizarlas y generar respuestas.
En términos prácticos, cada token representa un costo computacional porque requiere servidores, energía eléctrica, chips especializados e infraestructura en la nube para ser procesado. Por ello, la industria no cobra por “respuestas completas”, sino por la suma de tokens de entrada (lo que el usuario escribe) y tokens de salida (lo que la IA genera).
Para dimensionarlo, una regla aproximada en inglés indica que 1 token equivale a unos 4 caracteres o que 100 tokens corresponden a unas 75 palabras. Así, una respuesta corta puede implicar decenas de tokens, mientras que análisis largos pueden escalar a miles o incluso cientos de miles de tokens por conversación.
Las plataformas de inteligencia artificial operan además con lo que se conoce como “ventanas de contexto”, es decir, la cantidad máxima de tokens que un modelo puede “recordar” en una sola interacción.
Por ejemplo, modelos como los de OpenAI pueden manejar desde 8 mil hasta 128 mil tokens dependiendo de la versión, mientras que sistemas como Gemini de Google pueden alcanzar desde 32 mil tokens en versiones básicas hasta cerca de un millón de tokens en escenarios avanzados. Otros modelos como Claude manejan ventanas de hasta 200 mil tokens en sus versiones más robustas.
Un ejemplo sencillo ayuda a entenderlo: una tarea escolar de secundaria sobre la Independencia de México, con una pregunta corta y una respuesta de cinco renglones, puede representar alrededor de 100 a 150 tokens en total.
En términos de costo, si se toma una referencia aproximada de 0.01 USD por cada 1,000 tokens, esa tarea tendría un costo estimado de entre 0.001 y 0.002 USD (aproximadamente 2 a 4 centavos de peso mexicano), es decir, prácticamente imperceptible a nivel individual.
En el mundo real, este uso se multiplica de forma masiva. Una sola empresa puede procesar miles de millones de tokens al día, lo que convierte cada interacción en un microcosto acumulado.
Por ello, aunque una consulta individual pueda valer menos de un centavo de dólar, el volumen global transforma ese gasto en miles de millones de dólares para las compañías tecnológicas.
Para ponerlo en escala nacional, si 10 millones de personas en México hicieran 10 consultas diarias similares (150 tokens cada una), se generarían cerca de 15 mil millones de tokens al día. Con una tarifa de referencia de 0.01 USD por cada 1,000 tokens, eso representaría aproximadamente 150 mil dólares diarios (alrededor de 2.5 a 3 millones de pesos mexicanos), solo en consumo teórico de IA.
Google detalló que las grandes organizaciones que utilizan inteligencia artificial en la nube procesan diariamente cerca de un billón de tokens, lo que ha llevado a un aumento significativo en los costos operativos del sector, al mismo tiempo que impulsa el desarrollo de modelos más eficientes como Gemini 3.5 Flash.
La estrategia de la empresa es clara: utilizar modelos más potentes para tareas complejas y modelos más eficientes para el alto volumen de consultas, reduciendo así el costo por token sin sacrificar rendimiento.
Sin embargo, el propio evento evidenció la magnitud del problema económico detrás de esta tecnología. La empresa reconoció que el consumo de tokens ha crecido de forma exponencial en los últimos años, mientras que su inversión en infraestructura ha escalado hasta cifras cercanas a los 190 mil millones de dólares.
Expertos del sector advierten que esta transición marca un cambio estructural en la industria: la inteligencia artificial ya no se evalúa únicamente por su capacidad, sino por el costo de cada token procesado, lo que redefine la manera en que las empresas adoptan y escalan estas tecnologías.
En este nuevo escenario, la inteligencia artificial se consolida como una herramienta indispensable, pero también como un sistema donde incluso una palabra —o una parte de ella— tiene un impacto directo en los costos globales de la economía digital.
.
Descubre más desde Más Información
Suscríbete y recibe las últimas entradas en tu correo electrónico.