Hay una conversación incómoda ocurriendo en las salas de dirección de las empresas en México y en toda América Latina. No es sobre si adoptar inteligencia artificial. Esa decisión ya está tomada: según el Lenovo CIO Playbook 2026, el 94% de las organizaciones planea incrementar su inversión en IA durante el próximo año. La conversación incómoda es otra, más concreta y urgente: ¿por qué está costando más de lo que calculamos?
El 92% de las organizaciones que han comenzado a desplegar IA agéntica reporta costos superiores a lo previsto. Es un dato que debería hacernos reflexionar. No porque indique que la IA no funciona, sino porque revela que muchas empresas están construyendo sobre una arquitectura que no fue diseñada para escalar de manera sostenible. Esa es precisamente la cuestión que se debe resolver.
Durante los primeros años de la era de los grandes modelos de lenguaje, la conversación empresarial giraba en torno al entrenamiento por qué tan grande era el modelo, cuántos parámetros tenía. Ese capítulo ya lo escribieron los laboratorios especializados.
El capítulo que les toca escribir a las empresas es el de la inferencia continua y la ejecución autónoma, que los modelos respondan, decidan y actúen miles de veces al día, integrados en procesos de negocio reales. Y aquí es donde la ecuación financiera cambia radicalmente.
Cuando una organización escala agentes de IA para automatizar procesos, atender clientes o apoyar a sus equipos de TI, el costo por token deja de ser una métrica técnica y se convierte en una variable de rentabilidad. La arquitectura sobre la que corre esa inferencia determina si el caso de uso es viable o si queda archivado después del piloto.
Las soluciones diseñadas específicamente para cargas de trabajo de inferencia sostenida pueden ofrecer un costo por token hasta 8 veces menor que la infraestructura en la nube como servicio, y hasta 18 veces menor por millón de tokens en comparación con las APIs de modelos como servicio. Esa diferencia no es marginal: es la diferencia entre escalar y estancarse.
Hay otro principio que con frecuencia se subestima: la proximidad importa. La inteligencia artificial más efectiva no es necesariamente la que corre en el servidor más potente del mundo, sino la que está disponible donde se generan los datos y donde se toman las decisiones.
Las organizaciones operan en múltiples entornos simultáneamente: en la computadora del empleado, en el centro de datos propio, en la nube. Forzar todos esos flujos hacia un único punto centralizado genera latencia, crea vulnerabilidades innecesarias y, de nuevo, eleva los costos. Ejecutar inferencia de manera distribuida en un modelo verdaderamente híbrido no es un privilegio reservado para grandes corporaciones,: es una necesidad operativa para cualquier organización que quiera escalar IA responsablemente, desde una estación de trabajo hasta un quiosco de retail que asiste a clientes en tiempo real.
Reducir costos tampoco es la única variable. Escalar IA sin gobierno es construir a gran velocidad sin cimientos. Las organizaciones que despliegan inteligencia artificial hoy enfrentan preguntas legítimas: ¿dónde están mis datos? ¿Quién tiene acceso a ellos? ¿Cómo garantizo el cumplimiento regulatorio cuando un agente autónomo toma decisiones?
La respuesta no puede ser un parche al final del proceso. La confianza, la seguridad y el gobierno deben estar integrados desde el diseño. La IA agéntica aquella que actúa de forma autónoma, completa tareas de múltiples pasos y reduce la fricción en procesos que hoy consumen tiempo y talento ya está disponible, ya es desplegable y ya genera resultados medibles. Hemos visto casos donde el despliegue de agentes de conocimiento ha generado ahorros de miles de horas de trabajo en organizaciones completas, según análisis independientes.
La pregunta que deben hacerse los líderes empresariales en México ya no es si su organización necesita IA. La pregunta es si están construyendo la base correcta para escalarla de manera sostenible, segura y económicamente viable.
El costo del token importa. La arquitectura importa. El lugar donde corre la inferencia importa. Y el gobierno con el que se despliega importa todavía más. Quienes entiendan que no se trata solo de adoptar IA, sino de adoptarla correctamente, serán quienes conviertan esta tecnología en ventaja competitiva real. Los demás seguirán preguntándose por qué les costó más de lo que esperaban.
