El precio por millón de tokens aparece en casi toda conversación de costo entre CIOs y líderes de IA, pero mide solo el consumo de la inteligencia artificial, no la productividad de la infraestructura que la sostiene. Esa diferencia gana importancia a medida que la IA pasa de consultas puntuales a agentes persistentes, flujos multimodales y aplicaciones de razonamiento intensivo.
En ese contexto, un precio bajo por token puede ocultar aceleradores subutilizados, cuellos de botella de memoria, congestión de red y mayores costos de energía. Por eso, la pregunta clave cambia: cómo se están convirtiendo capital, energía y capacidad física en computación.
Ahí es donde dólares por operación de punto flotante, o $/FLOP, se vuelve una métrica estratégica. Un token es lo que consume una aplicación. Un FLOP es una unidad de la computación que realiza la infraestructura. La idea no reemplaza a la economía del consumo ni a la de los datos; las complementa al mirar la capa de infraestructura.
Los datos de tendencia de Epoch AI señalan que el rendimiento comprado por cada dólar gastado en chips de IA ha mejorado alrededor de 49% al año desde 2023. Además, su investigación sobre el progreso algorítmico en el preentrenamiento de modelos de lenguaje encontró en 2024 que el cómputo necesario para alcanzar un nivel dado de desempeño históricamente se redujo a la mitad aproximadamente cada ocho meses.
Pero la demanda crece todavía más rápido. Otro cálculo de Epoch AI estima que el cómputo de entrenamiento para modelos de lenguaje de frontera se expandió aproximadamente cinco veces al año desde 2020. La dirección es clara: la computación más barata habilita más computación.
Ese es el paradoja central de la economía de infraestructura de IA: la eficiencia puede mejorar mientras el gasto total aumenta. Un menor costo unitario puede hacer viables contextos más largos, más llamadas al modelo, modalidades más ricas y ciclos de agentes más grandes.
Por eso, una caída en $/FLOP no garantiza una factura menor de IA. Sí muestra si la capa de infraestructura se vuelve más productiva. Y eso importa porque una empresa no compra solo aceleradores: también paga memoria, redes, almacenamiento, energía, enfriamiento, espacio físico, software de plataforma e ingeniería operativa.
La energía ya es uno de los límites más duros. La Agencia Internacional de Energía proyecta que el consumo eléctrico global de centros de datos se duplicará aproximadamente, de 485 teravatios-hora en 2025 a alrededor de 950 teravatios-hora en 2030. El consumo de electricidad de centros de datos enfocados en IA crecería aún más rápido, aproximadamente se triplicaría en el mismo periodo.
El mercado ya votó: la discusión ya no pasa solo por cuántos aceleradores se pueden comprar, sino por cuánta computación confiable puede entregarse dentro del poder, el enfriamiento y el espacio realmente disponibles. La productividad del capital depende de esa respuesta.
Para las empresas, el mensaje es incómodo pero útil. Si la infraestructura no convierte mejor capital y energía en computación útil, la cuenta sube aunque la etiqueta por token baje. Los números primero. Capital busca reglas claras.
La lectura de fondo es proempresa y antidesperdicio: medir bien $/FLOP ayuda a disciplinar la inversión y a evitar que la burocracia tecnológica confunda capacidad instalada con capacidad productiva. Cuando el costo real de entregar cómputo se vuelve visible, la asignación de capital mejora y el margen deja de diluirse en cuellos de botella invisibles.
En la práctica, eso favorece a quienes operan con productividad y penaliza a las organizaciones que compran potencia sin medir utilización. En un mercado cada vez más intensivo en energía y hardware, la ventaja no estará solo en gastar más, sino en convertir mejor cada dólar en computación útil.