La IA para codificar podría pronto costar más que un desarrollador, advierte Gartner
La inteligencia artificial está transformando el desarrollo de software a una velocidad impresionante. Sin embargo, detrás de los aumentos en la productividad se esconde una realidad menos visible: el coste. Según Gartner, el costo de los asistentes de programación impulsados por IA podría superar el salario promedio de un desarrollador para 2028, poniendo en duda la viabilidad económica de estas herramientas.
Los costos se disparan con los modelos de pago por uso
Durante varios años, las plataformas de asistencia al desarrollo se basaban principalmente en una suscripción fija por usuario. Este modelo está evolucionando hacia una facturación basada en el consumo.
Cada interacción con un agente de IA consume tokens, las unidades utilizadas por los grandes modelos de lenguaje para procesar datos. Cuanto más analiza un agente el código, genera funciones, ejecuta pruebas o realiza correcciones, mayor es el consumo… y la factura aumenta.
Según Gartner, las empresas están pasando gradualmente de gastar unos pocos dólares por desarrollador al mes a gastos que pueden alcanzar de 2,000 a 5,000 dólares mensuales para los usuarios más intensivos. En algunos entornos altamente automatizados, el gasto podría incluso superar los 7,500 dólares por empleado.
La firma estima que muchas organizaciones aún subestiman enormemente el impacto financiero del despliegue masivo de agentes de programación.
El paradoja de una tecnología cada vez más eficiente… y cada vez más costosa
El éxito de los asistentes de IA ya no está en duda. Aceleran el desarrollo, automatizan tareas repetitivas, facilitan las revisiones de código y reducen el tiempo dedicado a las operaciones más tediosas. Para muchos equipos, regresar a métodos anteriores ya parece impensable.
El problema, por tanto, no reside en su eficacia. Está en su modelo de facturación.
A diferencia de una suscripción fija, los modelos basados en la cantidad de tokens hacen que los gastos sean mucho más difíciles de anticipar. Un agente autónomo puede realizar múltiples generaciones de código, ejecutar decenas de pruebas y multiplicar las llamadas al modelo sin que el desarrollador realmente mida el coste de cada operación.
A escala de un equipo completo, este consumo puede convertir rápidamente un presupuesto controlado en un gasto mayor.
Las empresas aún carecen de visibilidad
Para Gartner, el principal desafío no son solo los precios de los modelos. Es especialmente la falta de transparencia. Muchos proveedores de IA aún no ofrecen herramientas lo suficientemente detalladas para rastrear con precisión el consumo de tokens o explicar los costos asociados con cada tarea.
El resultado: las direcciones técnicas tienen dificultades para prever sus gastos y medir el verdadero retorno de la inversión.
Los desarrolladores, por su parte, naturalmente priorizan la rapidez y calidad del código producido, sin siempre considerar el impacto financiero de las consultas que envían a los modelos.
¿Por qué continúan aumentando las facturas?
Varios factores contribuyen a esta inflación. Los agentes autónomos ahora ejecutan cadenas completas de tareas, lo que multiplica las llamadas a los modelos. Las ventanas de contexto están creciendo cada vez más, obligando a las IA a procesar más datos en cada consulta.
Finalmente, la democratización de las herramientas está transformando gradualmente a los usuarios ocasionales en usuarios intensivos, lo que aumenta mecánicamente el consumo global.
A esto podría sumarse un aumento en las tarifas de los modelos en sí, ya que los principales actores del sector buscan mejorar su rentabilidad.
La industria ya está comenzando a reaccionar
Ante esta nueva realidad, el ecosistema se adapta. Algunos proveedores de bases de datos están destacando su capacidad para reducir el número de llamadas realizadas por los agentes de IA, mientras que varios actores piden una mayor estandarización en los modelos de facturación.
Incluso los gigantes del sector están ajustando su estrategia. Algunas empresas ya limitan el uso diario de sus asistentes de IA para controlar sus gastos, mientras que otras están reevaluando sus asociaciones con ciertos proveedores considerados demasiado costosos a gran escala.
Así, el mercado entra en una nueva fase donde el rendimiento técnico ya no es suficiente: el control de costos se convierte en una ventaja competitiva en sí misma.
Gartner llama a una gestión más rigurosa
La firma recomienda a los responsables técnicos distinguir tres categorías de trabajo:
- las tareas realizadas únicamente por desarrolladores
- las tareas asistidas por un agente de IA
- las tareas completamente automatizadas
También aconseja reservar los modelos más potentes para operaciones complejas y utilizar modelos más ligeros para las tareas habituales.
Otro importante impulso: el context engineering. Reducir la información innecesaria enviada al modelo, resumir datos y optimizar los prompts puede limitar significativamente el consumo de tokens.
Finalmente, Gartner recomienda implementar un seguimiento automatizado del uso, establecer límites de consumo y realizar revisiones regulares de los flujos de trabajo más costosos antes de que los sobrecostos se conviertan en un problema.
Una nueva ecuación económica para la IA
El auge de la inteligencia artificial en el desarrollo de software parece no dejar lugar a dudas. Los aumentos de productividad son reales y las herramientas probablemente continuarán imponiéndose en la vida cotidiana de los equipos técnicos.
Pero, esta evolución también marca un cambio de paradigma. El costo de un asistente de IA ya no depende únicamente de la cantidad de usuarios, sino de la intensidad de su uso. Cuanto más autónomos se vuelven los agentes, más recursos consumen… y mayor es su costo.
La próxima batalla no se librará solo en la calidad de los modelos o su rendimiento en programación, sino en su eficacia económica. En los próximos años, las empresas que logren optimizar su consumo de tokens podrían obtener una ventaja tan importante como aquellas que adopten las IA más avanzadas.
