La verdadera brecha de la inteligencia artificial no se mide en dólares

Pagar o no pagar una suscripción de inteligencia artificial dejó de ser una duda de nicho tecnológico. Hoy se discute en la oficina, en el aula, en la mesa familiar. Y la respuesta casi nunca es la misma para todos, porque depende de un dato que la mayoría no mide bien:cuánto y para qué se usa realmente la herramienta.

La verdadera brecha de la inteligencia artificial no se mide en dólares.

Si alguien hace tres preguntas cortas por día, probablemente no necesite pagar nada. Las versiones gratuitas de hoy son extraordinariamente buenas para ese uso. La suscripción empieza a tener sentido cuando la inteligencia artificial deja de ser un buscador sofisticado y se convierte en un colaborador de trabajo, cuando hay documentos para analizar, conversaciones largas, código para escribir, datos para procesar o proyectos que continúan durante semanas. La cuenta, ahí, es bastante sencilla. Si un profesional cuesta decenas de dólares por hora y una suscripción de veinte dólares le libera una hora de trabajo por mes, la ecuación ya cerró. En las empresas la ecuación es todavía más generosa, porque casi nunca se trata solo de ahorrar horas, sino de mejorar la satisfacción del cliente, reducir tiempos de resolución o atender más operaciones con la misma gente. Mientras que si nunca se choca contra un límite, si nunca se carga un archivo y cada conversación empieza y termina en cinco minutos, probablemente se esté pagando de más.

El contenido al que quiere acceder es exclusivo para suscriptores.

El perfil más beneficiado no es el más obvio. Un programador multiplica su producción de forma evidente, pero el fenómeno se repite en cualquier trabajador del conocimiento que produzca mucho y necesite trabajar con contexto propio. Un periodista con la tarea de leer cuarenta fuentes antes de escribir una nota o un abogado revisando contratos extensos. Diferente es el caso de los estudiantes, que merece un análisis aparte. ¿Por qué? Vale la pena pagar si la herramienta se usa para aprender más, no para aprender menos, si funciona como tutor que explica de otra manera, genera ejercicios o ayuda a practicar un idioma. Por supuesto que en las situaciones que se abona para que resuelva el trabajo práctico, lo que se está comprando, en rigor, es dejar de entrenar justamente lo que había que entrenar.

Entre los planes que hoy rondan los veinte dólares mensuales conviene evitar la comparación de moda, la de quién ganó el benchmark de esta semana, porque eso cambia demasiado rápido. Lo que sí cambia poco es el posicionamiento de cada uno. ChatGPT sigue siendo el más generalista, escritura, archivos, investigación, imágenes y herramientas conviviendo en el mismo lugar. Claude es fuerte para quien trabaja con documentos extensos, razonamiento y desarrollo de software, terreno en el que Anthropic viene ampliando los límites de sus planes. Google juega otra carta, la del ecosistema, y no es menor, Google AI Pro cuesta 19,99 dólares en Argentina e incluye cinco terabytes de almacenamiento y acceso ampliado a sus herramientas de investigación, algo que pesa mucho para quien ya vive dentro de Gmail, Docs y Drive. Arriba de esa franja existe otra liga, con planes de cien y doscientos dólares que rara vez conviene mirar antes de que el escalón de veinte dólares se vuelva, de manera concreta, un cuello de botella. Y hay una cuarta alternativa que casi nunca entra en la conversación, correr modelos abiertos en hardware propio, donde el costo marginal por uso se acerca a cero a cambio de asumir hardware, energía y complejidad. Ningún modelo, ni el abierto ni el cerrado, es neutral. Todos cargan con los sesgos de los datos y las políticas con las que fueron entrenados.

Hay además una capa que el usuario nunca ve, los tokens. Cada texto, cada documento cargado, cada respuesta generada consume cómputo, y en una suscripción personal ese costo queda escondido detrás de un precio fijo. Cuando una empresa empieza a operar a escala con agentes, ese consumo deja de estar escondido y aparece directo en la factura, con la seguridad, la integración y el gobierno de esos sistemas sumando cifras que pueden ser varias veces el valor de una suscripción individual.

La mejor forma de decidir no es teórica. Conviene pagar un mes y probarlo contra un problema real de trabajo: darle cinco tareas que hoy insumen una hora por semana y ver los tiempos y la calidad de resolución. El mejor modelo no siempre es el más inteligente. Muchas veces es, simplemente, el que ya está donde se trabaja.

Pero reducir todo esto a quién paga y quién no sería quedarse con la mitad más chica del problema. La brecha que realmente va a importar no es la de los veinte dólares, es la que separa a quien sabe trabajar con inteligencia artificial de quien solo sabe preguntarle cosas. Habrá quienes aprendan a delegar, dar contexto, verificar, combinar modelos y decidir con criterio qué tarea le toca a la máquina y cuál sigue siendo humana. Y habrá otros que usen la misma herramienta como si fuera un buscador cualquiera. Las dos personas pueden compartir la misma carrera universitaria y terminar con capacidades productivas completamente distintas. Desde la educación preocupa una brecha todavía más de fondo, la de quienes usan la inteligencia artificial para pensar más y quienes la usan para evitarlo. Los primeros aprenden mucho más rápido. Los segundos producen más en el corto plazo, pero construyen menos capacidad propia.

Tampoco hay que ignorar la cuestión económica. Veinte dólares son un costo marginal para un profesional de un país desarrollado y una barrera real para un estudiante latinoamericano, lo que obliga a universidades, empresas y Estados a pensar el acceso a estas herramientas casi como se pensó, en su momento, el acceso a una computadora o a internet. Pero incluso si toda la inteligencia artificial fuera gratis mañana, la desigualdad de fondo no desaparecería. Porque el recurso escaso ya no es acceder a la inteligencia. Es saber qué hacer con ella.

Gustavo Brey, Co-founder de Ingenia