La IA como servicio básico, sin regulación básica

Actualizado el 13 de agosto de 2026.

El 11 de marzo de 2026, durante la Cumbre de Infraestructura de BlackRock en Washington, Sam Altman describió el futuro de la inteligencia artificial con una comparación bastante clara. Dijo que la inteligencia podía convertirse en un servicio básico, parecido a la electricidad o el agua, que las personas comprarían mediante un medidor.

También habló de la aspiración de volverla tan barata que casi no valiera la pena medirla. Esa idea suena atractiva, pero en Chile sabemos que una promesa de consumo barato puede valer un cuerno cuando la realidad termina llegando a la cuenta.

1. Una cosa es la promesa y otra es la cuenta

Las tarifas eléctricas chilenas estuvieron congeladas desde 2019 mediante mecanismos legales que postergaron el cobro de parte de sus costos. La normalización comenzó en julio de 2024 y se aplicó en distintas etapas. En julio de 2025, por ejemplo, el Ministerio de Energía informó un ajuste promedio nacional de 7,1%.

Eso no significa que todas las cuentas hayan subido exactamente lo mismo. El resultado depende de la distribuidora, la comuna, el tipo de tarifa, el consumo y los distintos componentes incluidos en cada fijación. Por esa razón no corresponde sumar porcentajes aislados y presentarlos como si describieran de manera uniforme a todos los hogares del país.

La lección, sin embargo, sigue siendo válida. Un servicio puede parecer barato durante un tiempo y transformarse después en un costo difícil de controlar. Con la inteligencia artificial el riesgo es todavía mayor, porque el consumo no siempre se traduce de manera evidente en un resultado útil.

2. El vaso de 200 centímetros cúbicos

Supongamos que abro la llave para llenar un vaso de 200 centímetros cúbicos. Espero que el medidor registre una cantidad parecida. Ahora imaginemos que, para llenar ese mismo vaso, la instalación deja escapar dos litros y medio. El vaso recibe lo que necesitaba, pero el resto también aparecerá en la cuenta.

Con la inteligencia artificial ocurre algo parecido. Pedimos una respuesta concreta y a veces recibimos una introducción que no solicitamos, varias advertencias generales y una conclusión que repite lo anterior. En un chat personal eso puede ser solo una molestia. En una empresa que procesa miles de solicitudes, cada repetición cuesta dinero.

La comparación tiene un límite importante. En una API sí es posible conocer cuántos tokens entraron y salieron, y algunos proveedores permiten fijar presupuestos, consultar reportes y registrar solicitudes. Lo que todavía cuesta determinar es qué parte de ese consumo era necesaria para resolver bien la tarea y qué parte no produjo valor.

Una respuesta breve puede involucrar instrucciones extensas, consultas a documentos, uso de herramientas, memoria intermedia o razonamiento adicional. Dependiendo del proveedor y del modelo, esas actividades se contabilizan y cobran de maneras distintas. Por eso el número de tokens sirve para calcular una factura, pero no demuestra por sí solo que el gasto haya sido eficiente.

3. El caso de Amazon

El problema dejó de ser teórico. Según un reportaje del Financial Times, reproducido por distintos medios especializados, un proyecto interno de Amazon utilizó Claude Sonnet para relacionar datos de autores con publicaciones de su plataforma de comercio electrónico. El gasto informado llegó a cerca de US$1,8 millones, habría superado el presupuesto en 860% y el proyecto no alcanzó a lanzarse.

El mismo reporte mencionó otros sobrecostos, entre ellos una herramienta de auditoría financiera y un sistema logístico. Estas cifras deben entenderse como antecedentes atribuidos a ese reportaje, no como una auditoría pública de las cuentas de Amazon. Aun con esa precaución, el caso muestra algo que cualquier empresa puede reconocer: adoptar una herramienta es mucho más fácil que demostrar que cada peso gastado en ella produjo un resultado útil.

El error sería transformar el consumo en una señal de éxito. Si se premia a un equipo porque usa más inteligencia artificial, las personas encontrarán tareas donde usarla aunque no sea necesaria. Es la conocida ley de Goodhart: cuando una medida se convierte en objetivo, deja de ser una buena medida.

4. Un token barato no garantiza una cuenta baja

Los modelos se han vuelto más eficientes y el precio de varias modalidades de uso ha disminuido. Pero una unidad más barata no garantiza un gasto total menor. Cuando una tecnología cuesta menos, se incorpora a más procesos, se hacen más consultas y aparecen nuevas automatizaciones. Es una versión de la paradoja de Jevons aplicada a la inteligencia artificial.

La empresa puede terminar gastando más, aunque cada consulta individual sea más barata. Esto no convierte a la IA en una mala inversión. Significa que el control debe mirar el proceso completo y no limitarse al precio publicado por cada millón de tokens.

5. Lo que ya se puede medir y lo que todavía falta

Hoy existen herramientas útiles. Las plataformas pueden informar tokens de entrada y salida, costos por modelo, uso de caché y, en ciertos casos, consumo por solicitud. También es posible fijar límites, crear alertas, agrupar gastos por proyecto y conservar registros para análisis posteriores.

Estas capacidades permiten controlar mejor el presupuesto, pero no resuelven todo. La medición y la factura normalmente provienen del mismo proveedor. Además, una cifra exacta de consumo no dice si la tarea era necesaria, si pudo resolverse con un modelo más económico o si el resultado aportó algo al negocio.

El medidor técnico debe complementarse con un medidor de valor. Para una empresa pequeña eso puede significar registrar qué proceso se automatizó, cuánto costaba antes, cuánto cuesta ahora, cuántos errores se producen y quién puede detener el sistema si el gasto se desvía.

6. La comparación con el agua y la electricidad

En los servicios regulados, la medición está inserta en normas técnicas, fiscalización pública, procedimientos de certificación y canales de reclamo. Eso no significa que cada medidor sea infalible ni que todos los conflictos se resuelvan bien. Significa que existe una estructura externa a la sola voluntad de quien emite la cuenta.

La inteligencia artificial todavía no tiene un marco sectorial equivalente para auditar el costo de cada inferencia. Los paneles de los proveedores son valiosos y pueden ser suficientemente precisos para administrar un contrato, pero no constituyen por sí mismos una verificación independiente de necesidad, eficiencia o valor.

Si la industria quiere presentar la inteligencia como un servicio básico, tendrá que tomarse en serio no solo la capacidad de sus modelos, sino también la claridad de sus precios, la trazabilidad del consumo y los mecanismos para objetar una cuenta.

7. Dónde esto se pone serio para Chile

Un sobrecosto de US$1,8 millones puede ser absorbible para una empresa del tamaño de Amazon. Para una PYME chilena, una fracción mínima de ese monto puede comprometer su caja y poner en riesgo el proyecto completo.

El problema también importa en el Estado. El presupuesto público se aprueba por períodos y partidas, mientras el costo de un agente puede variar según el número de consultas, los documentos procesados, los reintentos, las herramientas utilizadas y el modelo elegido. Una contratación responsable necesita supuestos explícitos de consumo, topes, alertas, responsabilidades y una forma de detener el servicio antes de que la desviación se transforme en deuda.

No basta con preguntar cuánto cuesta un millón de tokens. También hay que definir qué tarea se pagará, cuántas veces podrá ejecutarse, qué evidencia demostrará que funcionó y quién responderá cuando el comportamiento real no coincida con lo presupuestado.

8. Protección de datos no es lo mismo que control de costos

La Ley N.º 21.719, que entra en vigencia el 1 de diciembre de 2026, refuerza en Chile las obligaciones de responsabilidad y seguridad en el tratamiento de datos personales. Cuando un agente procesa estos datos, la organización debe conocer para qué los utiliza, cuál es la base que permite el tratamiento, quiénes intervienen, qué medidas de seguridad se aplican y cómo podrá demostrar el cumplimiento. Los tratamientos de alto riesgo pueden requerir una evaluación de impacto.

La ley no regula el precio de los tokens ni ordena, de manera general, registrar cada llamada que haga un agente. No conviene atribuirle una obligación que no contiene. Mantener trazabilidad técnica sigue siendo una buena medida de gobierno porque ayuda a investigar errores, controlar proveedores y respaldar decisiones, pero su alcance debe definirse según el riesgo y el tratamiento realizado.

9. Raya para la suma

La visión de la inteligencia como servicio básico probablemente se materialice. La usaremos de forma continua y muchas veces ni siquiera sabremos qué modelo opera detrás. Precisamente por eso conviene discutir ahora cómo se medirá el consumo, quién podrá revisarlo y qué derechos tendrá quien pague la cuenta.

Ya contamos con medidores de tokens. Lo que falta madurar es la capacidad de relacionar ese número con necesidad, calidad y valor.

Cuando abro una llave, veo el agua y puedo cerrarla. Con la inteligencia artificial también deberíamos poder conocer el consumo, fijar un límite y detener el sistema. Pero, además, necesitamos saber si para llenar un vaso realmente era necesario gastar dos litros y medio.

Fuentes y alcance

La participación de Sam Altman y la fecha del encuentro pueden consultarse en la página oficial de la Cumbre de Infraestructura de BlackRock. La formulación sobre la inteligencia como servicio medido aparece en la transcripción de la intervención transmitida por C-SPAN.

El Ministerio de Energía explica el congelamiento iniciado en 2019 y el proceso de normalización tarifaria en su información sobre el subsidio eléctrico, y comunicó el ajuste promedio nacional de julio de 2025 en su nota sobre precios de la electricidad domiciliaria. Las fijaciones y sus documentos técnicos se publican en la Comisión Nacional de Energía.

El caso de Amazon fue informado originalmente por el Financial Times y puede revisarse en esta reproducción de Yahoo Finance. Las cifras corresponden a ese reporte periodístico y no a estados financieros auditados de acceso público.

La documentación de Amazon Bedrock sobre conteo de tokens, sus informes de costos y la información de precios de la API de OpenAI muestran que ya existen mecanismos de medición comercial, aunque con diferencias entre proveedores y modelos.

Las reglas chilenas sobre instalaciones, medición y certificación eléctrica pueden consultarse en las normas técnicas de la Superintendencia de Electricidad y Combustibles y en su sistema de certificación de productos. El texto oficial de la Ley N.º 21.719 está disponible en la Biblioteca del Congreso Nacional.

Las comparaciones con el agua y la electricidad son analogías para discutir gobernanza y control de costos. No implican que la inteligencia artificial tenga hoy la condición jurídica de servicio básico ni que esté sometida al mismo régimen regulatorio.