La IA es prepara per cobrar per resultats i no per consultes

Durant els últims anys, el negoci de la intel·ligència artificial s'ha basat principalment en el consum: nombre de consultes fetes, volum de text processat o llicències contractades per persona usuària. En aquest model, una de les unitats bàsiques de facturació és el segment textual o token, és a dir, el fragment mínim de text que el model processa o genera. Pot ser una paraula curta, una part d'una paraula o un signe de puntuació.

No obstant això, els experts de la UOC apunten a un canvi de fons: l'evolució de la IA generativa cap a agents d'IA capaços d'executar processos complets està desplaçant el valor de l'ús tècnic de l'eina cap al resultat obtingut. "El client no vol comprar còmput, sinó una tasca resolta: un informe, una campanya, una reserva, una incidència tancada o una millora de la productivitat", explica Carles Méndez-Ortega, professor dels Estudis d'Economia i Empresa i investigador del grup i2TIC-IA Lab de la UOC.

El debat ja està present en els mitjans internacionals i en la recerca acadèmica, malgrat que a Espanya ha tingut menys visibilitat pública. Un estudi recent conclou que els agents d'IA consumeixen molts més segments textuals que els xats convencionals: planifiquen, consulten eines, verifiquen i executen accions. En les tasques analitzades, arribaven a consumir fins a mil vegades més segments textuals.

La qüestió, per tant, ja no és només quant de text genera una IA, sinó quina tasca aconsegueix completar. En lloc de pagar per segments textuals, consultes o accessos, les organitzacions podrien començar a pagar per incidències resoltes, processos completats, campanyes executades o estalvis generats.

Del bot de conversa a l'agent: quan la IA deixa de respondre i comença a actuar

Mentre que els bots de conversa actuals es limiten principalment a conversar, els nous agents intel·ligents poden interactuar amb aplicacions, bases de dades, calendaris o correus electrònics. "Un bot de conversa sol limitar-se a conversar. Un agent d'IA, en canvi, va un pas més enllà, perquè no només respon, sinó que pot actuar", explica Antonio Pita, professor dels Estudis d'Informàtica, Multimèdia i Telecomunicació i investigador del grup ICSO de la UOC.

Segons l'expert, la diferència és comparable a l'existent entre un assessor i un executor. "El bot de conversa ajuda a pensar, redactar o dissenyar, mentre que l'agent ajuda a fer. És com passar d'un pensador a un executor", resumeix. Completar processos de principi a final modifica la percepció del valor de la tecnologia. Si un sistema pot resoldre una incidència, gestionar una cita, tramitar una comanda o corregir un error de programació, el valor ja no està en quants missatges intercanvia la IA, sinó en el resultat final.

Per a Méndez-Ortega, aquest canvi pot alterar profundament el model de negoci de la IA perquè desplaça la unitat de valor. La tecnologia deixa de monetitzar-se únicament com a ús tècnic d'un model i comença a vincular-se directament amb l'impacte econòmic que genera. "En la pràctica, acosta la IA al llenguatge tradicional de l'empresa: estalvi de costos, substitució o augment del treball humà, reducció de temps i resultats mesurables", afirma.

Els primers sectors per experimentar aquesta transició podrien ser aquells en els quals els resultats són fàcils de definir i mesurar: centres d'atenció al client, gestió administrativa, compres, recursos humans o determinades tasques de desenvolupament de programari. "El valor no rau en quants missatges intercanvia la IA, sinó en si la cita queda modificada, la incidència queda tancada o la clientela obté una resposta satisfactòria", assenyala Pita.

Una cosa semblant pot passar a compres, quan un agent compara proveïdors, sol·licita pressupostos o tramita una comanda; a recursos humans, quan filtra candidatures o agenda entrevistes; o en desenvolupament de programari, quan corregeix un error, genera una prova automàtica o documenta codi.

La fi de les llicències per persona usuària i el debat sobre qui assumirà els costos

Aquest canvi amenaça un dels pilars tradicionals de la indústria del programari: el cobrament de llicències per persona usuària. Si un únic agent d'IA és capaç de dur a terme el treball que abans havien de fer diverses persones, aquest model perd part de la seva lògica econòmica.

"El model de llicència per usuari té cada vegada menys sentit", afirma Méndez-Ortega. Durant els pròxims anys conviuran diferents fórmules: algunes companyies mantindran una quota fixa d'accés, mentre que unes altres incorporaran pagaments variables vinculats al nombre d'agents desplegats, al volum d'activitat o a les tasques completades.

"En àmbits com atenció al client, vendes, programació, màrqueting o anàlisi financera, tindria sentit cobrar per cada tiquet resolt, lead qualificat, codi validat, informe lliurat o procés automatitzat", explica l'expert.

Aquest model de pagament per tasques ofereix avantatges per a totes dues parts. La clientela redueix la seva incertesa: ja no paga per accedir a una tecnologia, sinó per un resultat concret i verificable. Per al proveïdor, suposa una oportunitat de creixement: si els seus agents completen més tasques amb èxit, els seus ingressos augmenten directament en funció del valor que generen. No obstant això, el model també planteja desafiaments. Perquè funcioni, és necessari definir amb precisió què constitueix un resultat satisfactori i com mesurar-lo.

"Només té sentit aplicar-lo a accions que puguin mesurar-se amb claredat, com ara incidències resoltes, comandes tramitades o errors corregits, perquè, si el resultat és ambigu o difícil d'avaluar, serà complicat establir un acord just entre proveïdor i client", adverteix Pita. Un altre risc és que el proveïdor tendeixi a evitar les tasques més complexes o costoses, i que la clientela hagi de dedicar recursos a supervisar i verificar cada resultat, la qual cosa trasllada part de la càrrega de control a la part compradora.

A aquests reptes se suma el cost de la inferència, el procés mitjançant el qual un model ja entrenat genera una resposta. Un estudi del 2025 sobre l'economia de la inferència subratlla que desplegar aquests sistemes a escala implica equilibrar el cost per segment textual, la velocitat, la memòria i la latència. Alguns analistes parlen d'una possible crisi d'inferència: si els preus baixen mentre l'ús es multiplica, la pressió sobre els marges augmentarà. Un altre estudi analitza la inferència com a activitat productiva, amb el seu cost marginal, economies d'escala i qualitat, la qual cosa constitueix una base per a futurs models de preus.

Segons Méndez-Ortega, aquesta pressió es repartirà entre els diferents actors de la cadena de valor. "Una part l'assumiran els proveïdors de models, una altra les plataformes que integren la IA en els seus productes i una altra les empreses d'infraestructura, com les de xips, núvol, centres de dades i energia", assenyala.

No totes les companyies partiran de la mateixa posició. "Els qui tindran més capacitat per mantenir marges seran els actors integrats verticalment, és a dir, aquells que controlin models, infraestructura, distribució i la relació directa amb la clientela", afirma. També estaran més ben situades les empreses capaces d'especialitzar models, optimitzar la inferència, assignar cada tasca a models més barats o integrar la IA en productes d'alt valor afegit.

En canvi, els proveïdors que només venguin accés indiferenciat a models per API (interfície de programació), cobrant per cada consulta o segment textual consumit, sense oferir serveis addicionals ni personalització, poden experimentar més pressió competitiva, perquè la clientela podrà comparar preu, rendiment i cost per tasca amb més facilitat.

A mesura que la IA es converteixi en una infraestructura cada vegada més ubiqua, alguns analistes comparen la seva evolució amb la de tecnologies com internet o l'electricitat: eines imprescindibles el valor econòmic de les quals acaba concentrant-se cada vegada més en els serveis construïts sobre elles i menys en l'accés.

Si aquesta tendència es consolida, el futur de la IA podria mesurar-se menys per segments textuals consumits i més per problemes resolts.