La IA como servicio básico, sin regulación básica

El 11 de marzo de 2026, en la Cumbre de Infraestructura de BlackRock en Washington, Sam Altman, CEO de OpenAI, describió con inusual claridad el modelo económico hacia el que avanza la industria: vemos un futuro en que la inteligencia es un servicio básico, como la electricidad o el agua, y las personas la compran mediante un medidor.

Esa frase dio la vuelta al mundo, pero lo que dijo unos segundos antes casi no se citó: que uno de los objetivos más importantes es lograr que la inteligencia sea, tomando prestada una expresión vieja de la industria energética que nunca terminó de cumplirse, demasiado barata para medirla.

En Chile sabemos exactamente cuánto vale esa promesa (un cuerno). Las tarifas eléctricas se congelaron en 2019 y durante cinco años la cuenta de la luz fue, en efecto, artificialmente barata. Entre junio de 2024 y agosto de 2026, las tarifas eléctricas residenciales en Chile registraron seis episodios relevantes de alza:

Fecha	Alza aproximada
Junio de 2024	7,2%
Julio de 2024	12,0%
Octubre de 2024	18,9%
Enero de 2025	10,8%
Julio de 2025	7,3%
Julio de 2026	4,9% promedio estimado

Considerando el efecto compuesto de estos movimientos, la electricidad en Chile habría aumentado alrededor de 75% respecto del nivel previo a junio de 2024.

Un ejemplo más para pensar que las ideas de Altman conviven mal. Una describe la aspiración; la otra, el negocio. Y el negocio es el que ya está operando.

No tengo objeciones con el modelo de cobro por consumo. Cada inferencia gasta electricidad, chips, refrigeración y capacidad de centro de datos: es razonable que se pague por lo que se usa. Mi problema es otro, y es más específico.

Cuando abro la llave del agua, veo cuánta sale. Puedo cerrarla. Y el medidor que registra el consumo lo certifica alguien que no es la empresa sanitaria.

Con la inteligencia artificial no tengo ninguna de las tres cosas.

El vaso de 200 centímetros cúbicos

Supongamos que abro la llave para llenar un vaso de 200 centímetros cúbicos. El medidor debería registrar aproximadamente esa cantidad. Ahora imaginemos que, para llenar el mismo vaso, la instalación deja escapar dos litros y medio. El vaso recibe lo que necesitaba, el resto se pierde y además aparecerá en mi boleta. Nadie en su sano juicio aceptaría esa instalación y es una de las razones de por qué existe justamente una superintendencia.

Con la IA algo parecido ocurre a diario y no tenemos cómo reclamarlo. Pedimos una respuesta concreta y recibimos una introducción que no pedimos, tres advertencias genéricas, cinco secciones y una conclusión que repite el título. Quienes usamos estos modelos todos los días conocemos el fenómeno: respuestas de diez líneas que contenían una idea de dos.

En un chat personal eso es molesto. En una integración que ejecuta cientos de miles de solicitudes, es dinero.

Pero el punto no es solo que los modelos escriban de más. Es que no podemos distinguir el vaso de la fuga. Una respuesta breve puede haber requerido un razonamiento interno largo y caro. Una respuesta extensa puede estar plenamente justificada. Un agente puede hacer catorce llamadas que el usuario nunca ve. No existe una forma independiente de saber qué parte del consumo era necesaria y qué parte era pérdida en la cañería.

Y esto no es un detalle técnico: es la definición misma de un servicio básico mal regulado, y vaya que en Chile tenemos ejemplos de esto.

Que le pregunten a Amazon

Esto dejó de ser hipotético hace unas semanas.

Según reportó el Financial Times, un proyecto interno de Amazon usó Claude Sonnet para vincular datos de autores con publicaciones de su plataforma de comercio electrónico. Costó cerca de US$1,8 millones, superó su presupuesto en 860%, tardó cinco meses en ser detectado y el detalle que más importa: nunca se lanzó. En la misma presentación aparecieron una herramienta de auditoría financiera con unos US$541 mil de sobrecosto y un sistema logístico con US$134 mil.

Lo más revelador no son las cifras, es lo que declararon los propios ingenieros: que resulta muy difícil entender cuánto cuesta cualquier cosa relacionada con inteligencia artificial. Lo dice la empresa que opera la nube donde el resto del mundo compra IA, y que además vende el caché, el procesamiento por lotes y el ruteo de modelos que habrían evitado el problema.

Uber vivió una versión propia: agotó en cuatro meses el presupuesto anual de herramientas de programación con IA, y terminó imponiendo un tope de US$1.500 mensuales por empleado. Su presidente y director de operaciones, Andrew Macdonald, reconoció después que no lograba trazar una línea entre el aumento del consumo de tokens y la cantidad de funcionalidades útiles entregadas a los usuarios.

Hay un hilo que conecta ambos casos y que casi nadie está tirando, y a mi juicio vale la pena relevar sobre todo por la experiencia de empresas chilenas en adopción de IA. En Amazon el desborde ocurrió mientras existía un ranking interno de uso de agentes; lo desmontaron cuando los equipos empezaron a asignarles tareas inútiles para subir posiciones. Uber incentivó la adopción con una tabla que ordenaba equipos por consumo. Meta tenía algo parecido y también lo bajó.

Tres de las empresas más sofisticadas del planeta convirtieron el consumo de tokens en métrica de éxito, y las tres tuvieron que retroceder. Es la ley de Goodhart en vivo: cuando una medida se transforma en objetivo, deja de ser una buena medida.

Alguien dirá con razón que el precio por token viene cayendo sostenidamente y que los modelos son cada vez más eficientes. Es cierto. El costo unitario de una tarea equivalente hoy es una fracción del de hace dos años.

Pero eso no resuelve nada; solo explica por qué el gasto total sube igual. Es la paradoja de Jevons aplicada a la inferencia: cuando algo se abarata, se usa más, y la factura crece, aunque cada unidad cueste menos. Las cuentas de Amazon y Uber no se dispararon a pesar de la caída de precios, sino en parte gracias a ella y, sobre todo, abaratar el token no vuelve visible el consumo. Sigue sin haber llave de paso ni medidor auditable. Solo hay una fuga más barata.

Lo que hay y lo que falta

Sería injusto decir que no hay herramientas. Existen paneles de uso, límites de gasto por proyecto, almacenamiento en caché, APIs por lotes, ruteo dinámico de modelos y una industria completa de observabilidad para LLM. Sin embargo, creo que el problema es de otra naturaleza: el mismo actor controla el modelo, el sistema de medición y la factura. ¿Les suena parecido?

Existe un desalineamiento fundamental y estructural de incentivos que ninguna industria regulada aceptaría: en el agua y en la electricidad, el medidor lo certifica un tercero, precisamente porque el interés del que cobra y el del que paga no coinciden.

Si la inteligencia va a venderse como servicio básico, sus medidores deberían importar tanto como sus modelos.

Dónde esto se pone serio para Chile

Un experimento fallido de US$1,8 millones para Amazon es una diapositiva en una reunión interna. Para muchas MIPYMES chilenas, menos del 0,5% de ese monto significa el desastre.

Y para el Estado el problema es todavía más estructural. El presupuesto público es anual, rígido y se ejecuta por ítem. La compra pública supone precio conocido al momento de adjudicar. ¿Cómo se licita un servicio cuyo costo depende de cuántos tokens consuma un agente que todavía no existe? ¿Qué pasa cuando un municipio adjudica en marzo un sistema de atención ciudadana y en septiembre el consumo real triplica lo proyectado? ¿Quién responde: el proveedor que integró, el modelo que respondió de más o la unidad que no supo especificar el límite?

A eso se suma la trazabilidad. La Ley 21.719 exige saber qué se hace con los datos personales y poder demostrarlo. Un agente autónomo que decide por su cuenta qué documentos abrir y cuántas veces reintentar es, además de un problema de presupuesto, un problema de registro.

Nada de esto se resuelve enseñando a escribir mejores instrucciones.

Raya para la suma

La visión de la inteligencia como servicio básico probablemente se materialice. La usaremos de forma continua, muchas veces sin saber qué modelo opera detrás. Precisamente por eso conviene discutir ahora cómo se medirá, quién controla los medidores y qué derechos tiene quien paga la cuenta.

Cuando abro una llave, veo el agua y puedo cerrarla. Cuando enciendo una luz, puedo apagarla.

Con la inteligencia artificial todavía no. Y mientras eso siga así, seguiremos pagando dos litros y medio cada vez que solo necesitábamos llenar un vaso.