La UOC prevé que se pagará a la IA solo por los problemas que logre resolver

Expertos de la Universitat Oberta de Catalunya prevén sistemas de pago vinculados a incidencias resueltas, procesos automatizados o valor generado. Estos expertos de la UOC apuntan a un cambio de fondo: la evolución de la IA generativa hacia agentes de IA capaces de ejecutar procesos completos está desplazando el valor del uso técnico de la herramienta hacia el resultado obtenido. 

Un estudio reciente de la UOC concluye que los agentes de IA consumen muchos más tokens que los chats convencionales: planifican, consultan herramientas, verifican y ejecutan acciones. La cuestión, por tanto, ya no es solo cuánto texto genera una IA, sino qué tarea logra completar. En lugar de pagar por tokens, consultas o accesos, las organizaciones podrían empezar a pagar por incidencias resueltas, procesos completados, campañas ejecutadas o ahorros generados.

Mientras que los chatbots actuales se limitan principalmente a conversar, los nuevos agentes inteligentes pueden interactuar con aplicaciones, bases de datos, calendarios o correos electrónicos. "El chatbot ayuda a pensar, redactar o diseñar, mientras que el agente ayuda a hacer. Es como pasar de un pensador a un ejecutor", explica Antonio Pita, profesor de los Estudios de Informática, Multimedia y Telecomunicación e investigador del grupo ICSO de la UOC.

Este cambio amenaza uno de los pilares tradicionales de la industria del software: el cobro de licencias por persona usuaria. Si un único agente de IA es capaz de realizar el trabajo que antes requería de varias personas, ese modelo pierde parte de su lógica económica.

Este modelo de pago por tareas ofrece ventajas para ambas partes. La clientela reduce su incertidumbre: ya no paga por acceder a una tecnología, sino por un resultado concreto y verificable. Para el proveedor, supone una oportunidad de crecimiento: si sus agentes completan más tareas con éxito, sus ingresos aumentan directamente en función del valor que generan. 

Sin embargo, el modelo también plantea desafíos. Para que funcione, es necesario definir con precisión qué constituye un resultado satisfactorio y cómo medirlo. "Solo tiene sentido aplicarlo a acciones que puedan medirse con claridad, como incidencias resueltas, pedidos tramitados o errores corregidos, porque si el resultado es ambiguo o difícil de evaluar, será complicado establecer un acuerdo justo entre proveedor y cliente", advierte Antonio Pita. 

A medida que la IA se convierta en una infraestructura cada vez más ubicua, algunos analistas comparan su evolución con la de tecnologías como internet o la electricidad. Si esa tendencia se consolida, el futuro de la IA podría medirse menos por tokens consumidos y más por problemas resueltos.