La economía de los agentes de IA desafía el modelo de almuerzo gratuito de Internet

El 29 de abril de 2026, Andrej Karpathy planteó en una charla de fuego abierto en el evento AI Ascent de Sequoia que una nueva economía orientada a agentes nativos está surgiendo, y que todo el software, documentación y procesos actuales diseñados para humanos deben reescribirse “para agentes”. Habló de una reestructuración técnica en el lado de la oferta, pero dejó sin responder una pregunta: si todo debe reescribirse, ¿quién paga esta reescritura y cómo se distribuye el valor?

El tema de la economía de agentes comienza precisamente con esta pregunta. El primer artículo, "El cruce de caminos de la comercialización de la IA: ¿Por qué la publicidad y las suscripciones por sí solas son difíciles de hacer funcionar?", analiza cómo la IA puede generar ingresos, concluyendo que la publicidad y las suscripciones por sí solas son difíciles de implementar, y que el enfoque comercial se está desplazando de "vender acceso" a "vender resultados". Este artículo profundiza un nivel más: ¿por qué el modelo de negocio debe cambiar? La respuesta se encuentra en la estructura de costos: la experiencia del internet de que "servir a un usuario adicional casi no implica costos adicionales" está dejando de ser válida, y el modelo de distribución de beneficios construido sobre esta experiencia ha llegado a un momento de reevaluación. Durante las últimas dos décadas, la creencia comercial más importante de las empresas de internet ha sido: cuantos más usuarios, menores los costos y mayores los beneficios.

Los motores de búsqueda, las redes sociales, las plataformas de videos cortos, las plataformas de contenido y las plataformas de comercio electrónico se basan esencialmente en el mismo supuesto: una vez que la infraestructura está construida, atender a un usuario adicional, mostrar una página adicional o distribuir un contenido adicional tiene un costo marginal casi nulo. La verdadera limitación de las empresas de internet suele no ser si cada servicio genera pérdidas, sino si puede obtener suficiente tiempo de usuario, datos, anunciantes y escenarios de transacción.

La publicidad es, precisamente bajo este supuesto, uno de los modelos de negocio más importantes de Internet.

Porque cuando el contenido y las páginas pueden distribuirse con un costo casi nulo, la plataforma puede descomponer las acciones del usuario —búsquedas, navegación, clics, tiempo de permanencia y recorrido de compra— en espacios publicitarios vendibles. Cuanto más larga sea la experiencia del usuario, más puntos de contacto comerciales puede integrar la plataforma; cuanto más tiempo compare el usuario, mayor será el valor de los anuncios, recomendaciones, contenido de marca y clasificación de búsqueda.

Pero el agente de IA está sacudiendo esta creencia.

El agente de IA no solo distribuye información existente, sino que ejecuta tareas en nombre del usuario. Cada conversación, cada razonamiento, cada lectura de archivo, cada llamada a herramienta y cada verificación de resultado implican costos reales de potencia de GPU, consumo eléctrico, depreciación de chips y programación del sistema.

Más importante aún, la IA no solo ha cambiado la estructura de costos de las empresas de internet, sino también la cadena de usuarios sobre la que se basa la publicidad. En el pasado, los usuarios necesitaban buscar y comparar repetidamente entre múltiples páginas, plataformas y marcas; en el futuro, los usuarios podrían simplemente entregar sus necesidades a un agente, que las filtrará, evaluará, ordenará, reservará e incluso completará la transacción.

Esto significa que, en la era de los agentes de IA, los usuarios gratuitos podrían representar una pérdida por cada servicio prestado, y la publicidad tradicional también perderá parte del espacio de cadena larga en el que se basaba para monetizarse.

Si la palabra clave de la economía de Internet es "tráfico", entonces la palabra clave de la economía de AI Agent es "tarea". El tráfico puede distribuirse de forma barata, pero las tareas deben ejecutarse realmente. Anteriormente, la publicidad vendía la atención del usuario por dónde pasaba; en la era de la IA, la pregunta más importante se ha convertido en: ¿quién entiende la tarea, quién la organiza, quién la completa, y qué marcas pueden ingresar al conjunto de candidatos del agente y sus criterios de decisión.

Por lo tanto, la economía de los agentes de IA no es una extensión natural del modelo de negocio de internet, sino una corrección inversa al mito del crecimiento de internet y a la lógica publicitaria.

La lógica subyacente del modelo de negocio de Internet (incluyendo software) se puede entender con la fórmula más básica de la economía:

TC = FC + MC × Q (Costo total = Costo fijo + Costo marginal × Producción)

En la era de Internet tradicional, ya sea desarrollar una aplicación, escribir un artículo o grabar un video, los costos principales se concentran en las etapas iniciales de desarrollo y producción, es decir, en altos costos fijos (FC). Sin embargo, una vez que el producto se lanza, los costos adicionales de servidores y ancho de banda para atender al primer usuario o al millón de usuarios son a menudo mínimos, con MC cercano a 0.

Este costo marginal extremadamente bajo hace que los modelos de negocio relacionados tengan naturalmente un fuerte efecto de escala. La característica principal de los productos digitales es que pueden replicarse infinitamente con un costo de replicación casi nulo. Una vez que el desarrollo del software está completo y los servidores están implementados, el costo marginal de agregar un nuevo usuario es casi insignificante, consistiendo únicamente en un ligero aumento en el uso de unos pocos KB de espacio de almacenamiento y unos pocos KB de ancho de banda.

Esta característica facilita que la economía de la plataforma alcance ventajas de escala: quien alcance primero el punto crítico de escala puede convertir los ingresos adicionales en ganancias a una proporción más alta, generando así un apalancamiento operativo poderoso.

Sobre esta base, internet evolucionó hacia tres modelos de negocio clásicos.

Modelo de suscripción: el costo de copia del software es extremadamente bajo, y el crecimiento de usuarios suscritos se traduce directamente en crecimiento de ingresos. Por eso, los mercados de capitales han estado dispuestos durante mucho tiempo a otorgar valoraciones más altas a las empresas SaaS: una vez que se supera el punto de equilibrio, la velocidad de crecimiento de las ganancias suele superar con creces la velocidad de crecimiento de los ingresos.

Modelo de comisiones: Construir la infraestructura de comercio, pago y cumplimiento, cobrando una comisión estable por cada transacción adicional.

Modelo publicitario: servicio gratuito para atraer a una gran cantidad de usuarios, empaquetando la atención para venderla a anunciantes. Por ejemplo, en la publicidad de búsqueda, una vez implementados el algoritmo de búsqueda y el sistema publicitario, cada solicitud adicional de búsqueda incrementa solo ligeramente el costo del servidor, mientras que cada clic adicional en un anuncio significa ingresos adicionales.

El modelo publicitario puede sostenerse a largo plazo no solo por la gran cantidad de usuarios, sino también porque su recorrido es lo suficientemente extenso. Un usuario, desde que surge la necesidad hasta que completa la compra, suele atravesar múltiples etapas: búsqueda, navegación, comparación, guardado, consulta, redirección y realización del pedido. La plataforma puede vender publicidad en las páginas de resultados de búsqueda, generar interés en el flujo de contenido, reforzar la conversión en la página de detalles y seguir influyendo en la decisión del usuario durante las campañas de remarketing. El valor de la publicidad proviene, en esencia, de la intervención progresiva en cada etapa del recorrido del usuario.

La plataforma no necesita asumir el costo completo del servicio por cada decisión del usuario. Los motores de búsqueda dirigen a los usuarios a una página web, las plataformas sociales dirigen a los usuarios a una cuenta de marca, las plataformas de videos cortos dirigen a los usuarios a un transmisión en vivo, y las plataformas de comercio electrónico dirigen a los usuarios a una página de detalles de producto. La plataforma está más bien en "emparejar información con atención".

Internet distribuye información existente, mientras que la IA genera información en tiempo real. Esta transformación cualitativa de "copiar" a "generar" trae consigo estructuras de costos y lógicas comerciales completamente diferentes.

En primer lugar, el costo de la inferencia de IA es explícito; el costo marginal del uso de IA es significativamente mayor que cero (MC > 0).

Cada vez que un modelo grande ingresa o genera un Token, la GPU funciona a alta velocidad, consumiendo electricidad real y costos de depreciación de chips. Cuanto mayores sean los parámetros del modelo, más larga sea la secuencia de contexto y más compleja sea la tarea, mayor será el costo de inferencia por operación. El costo puede diferir decenas o incluso cientos de veces entre una simple pregunta y respuesta, una investigación profunda, un desarrollo de código o una operación cruzada entre software. La economía de los AI Agentes no solo tiene costos marginales no nulos, sino que estos costos marginales son altamente heterogéneos.

Aunque el precio por token está cayendo rápidamente, esto no significa que el costo marginal tienda constantemente a cero: a medida que las capacidades de los agentes mejoran, la cantidad de tokens consumidos por tarea está aumentando rápidamente de cientos a decenas de miles: planificación, uso de herramientas, lectura de archivos, autoverificación y reintento tras fallos consumen una gran cantidad de capacidad de cómputo. El token se está desinflando, pero la tarea se está inflando; la diferencia entre estas dos curvas constituye el núcleo de la economía de la IA: cuanto más baratos sean los tokens, más dispuestos estarán los usuarios a hacer que la IA realice tareas más intensivas, lo que resulta en facturas totales más altas: este es precisamente el “paradójica de Jevons” en el ámbito de la IA.

La reducción de precios de un solo token no es un movimiento unidireccional hacia abajo. Según estadísticas de Morgan Stanley, el precio promedio de salida de API de los grandes modelos nacionales en el segundo trimestre de 2026 aumentó aproximadamente un 80% en comparación con el primer trimestre de 2025, lo que indica que la industria está pasando de una guerra de precios a una valoración basada en el valor. Los propios precios también se están segmentando: los modelos comercializados continúan bajando, mientras que los modelos de vanguardia aumentan sus precios. Los modelos de inteligencia de vanguardia se valoran según su valor, y sus costos no disminuyen al mismo ritmo que los modelos comercializados.

Aunque se puede reducir el costo unitario mediante métodos como el procesamiento por lotes, mayor utilización de la GPU, caché KV, clusters de inferencia propios y chips desarrollados internamente, la disminución del costo marginal es mucho menor que en la economía de internet y será contrarrestada por el aumento en el nivel de uso. Esta es la razón principal por la que ChatGPT lanzó rápidamente una versión de suscripción de pago tras el auge en su cantidad de usuarios.

Al mismo tiempo, los costos fijos pasaron de ser “ocasionales” a ser “permanentes”. El costo de entrenamiento ya no es una inversión fija única, sino un gasto de capital continuo que requiere iterar un nuevo modelo cada seis meses a un año. Los modelos grandes se han convertido en “activos desechables” con una “vida útil” de 6 a 12 meses; si no se vuelven a entrenar y actualizar, se vuelven obsoletos rápidamente, y el costo de un solo entrenamiento puede alcanzar decenas de millones e incluso miles de millones de dólares. Por ejemplo, OpenAI generó ingresos de 13.070 millones de dólares en 2025, con un margen bruto de aproximadamente el 43% (este cálculo solo deduce los costos de inferencia, mientras que los costos más elevados de entrenamiento se incluyen por separado como gastos de investigación y desarrollo), pero sus gastos de investigación y desarrollo alcanzaron los 19.180 millones de dólares, de los cuales aproximadamente 10.600 millones de dólares se destinaron al pago de los costos de entrenamiento a Microsoft, siendo esta la principal causa de sus pérdidas.

Por lo tanto, la economía de los agentes de IA presenta las siguientes características: el costo de razonamiento (costo variable) crece linealmente con el uso y es altamente diferenciado; los costos de infraestructura y talento (costos semifijos) aumentan en saltos "por escalones" con el tamaño de los usuarios: cuando la cantidad de usuarios supera un umbral determinado, es necesario añadir un nuevo conjunto de servidores GPU; al mismo tiempo, los costos de investigación y desarrollo (es decir, el costo de entrenamiento del modelo) son enormes. Estos costos se acumulan capa tras capa, haciendo que las empresas de IA siempre se encuentren en una trayectoria de reinversión total de sus ganancias, sin existir el punto óptimo que caracteriza a Internet: "traspasar el punto de equilibrio y experimentar un crecimiento exponencial de las ganancias".

Esta lógica de costos también reconfigura las fuentes de ventaja competitiva de la industria: la barrera fundamental de Internet es el efecto de red, donde cuanto más usuarios haya, mejor funciona el producto; en cambio, la barrera de los Agentes ha cambiado, pasando del efecto de red basado en cadenas de relaciones al ciclo de datos y los costos de cambio. La nueva barrera proviene del contexto acumulado: la memoria del usuario, sus preferencias, archivos, flujos de trabajo y datos autorizados. Cuanto más tiempo se use un Agente, mejor se adapta al usuario, y mayores se vuelven los costos de migración al cambiar de proveedor. Internet atrapa las cadenas de relaciones del usuario, mientras que los Agentes atrapan el contexto laboral del usuario; esta es la razón fundamental por la que la industria compite por acceder a los puntos de entrada: no se trata solo de captar tráfico, sino de acumular el contexto original.

Claramente, necesitamos adoptar una lógica diferente para entender la economía de los AI Agent: las plataformas de internet compiten por el "punto de entrada de los usuarios", mientras que las plataformas de AI Agent compiten por el "punto de entrada de tareas".

Si la unidad básica de la economía de Internet es la "exposición/clic", entonces la unidad básica de la economía de los AI Agentes es la "tarea". Un clic solo indica que el usuario ingresó a una página, mientras que una tarea representa que el usuario ha encomendado al AI la realización de un objetivo: el agente debe comprender el objetivo, desglosar la tarea, utilizar herramientas, leer archivos, operar software, verificar repetidamente los resultados y, cuando sea necesario, solicitar autorización al usuario. Esto hace que la estructura de costos de los AI Agentes sea más similar a la de un "empleado digital" que a la de un "medio digital".

Anteriormente, los usuarios abrían un motor de búsqueda y preguntaban: "¿Cuál es la mejor empresa de decoración?", y el motor devolvía resultados de páginas web, anuncios y mapas; ahora, los usuarios podrían decir directamente al agente: "Ayúdame a filtrar tres empresas de decoración confiables, compara sus cotizaciones, reputación y garantías de construcción, y programa una reunión para mí." El valor comercial del primer caso proviene de la exposición y los clics; el del segundo, de la finalización de la tarea y la representación en la toma de decisiones. Los anuncios ya no serán simplemente información que aparece en la página, sino que se convertirán en opciones, fuentes de datos, fuentes confiables o interfaces de transacción dentro del proceso de decisión del agente, ayudando al usuario a completar finalmente su tarea.

Las empresas de modelos no solo proporcionan capacidades subyacentes, sino que se convertirán en el nuevo sistema operativo de tareas. Tanto las empresas nativas de IA como los grandes conglomerados están evolucionando de los "grandes modelos" hacia las "plataformas de Agentes", lanzando una serie de productos como Claude Cowork, Codex y Workbuddy: quien controle la entrada de tareas del usuario podrá decidir el orden de llamada a las herramientas, la prioridad de las fuentes de datos, la lógica de recomendaciones comerciales y el ciclo de transacciones.

“A pesar de saber que la economía por unidad es negativa, se debe gastar dinero para ganar acceso” es precisamente la apuesta estratégica más central de la industria actual y la fuente de la controversia sobre la valoración. Porque detrás del acceso no solo se encuentra la cantidad de usuarios ni el número de conversaciones, sino el control sobre la asignación de tareas futuras, las recomendaciones comerciales y el cierre del ciclo de transacciones.

Este cambio de lógica también traerá consigo otra tendencia: la jerarquización.

Los productos de internet buscan la estandarización extrema: un solo código sirve a todos los usuarios para maximizar la ventaja del costo marginal cero. Los agentes de IA, en cambio, son naturalmente adecuados para una oferta jerarquizada: el costo de tareas de diferente complejidad varía enormemente; el costo de una simple pregunta y respuesta puede diferir decenas o cientos de veces del de un razonamiento complejo. Por ello, las empresas de IA lanzan productos en distintos niveles: una versión gratuita con modelos pequeños y límites de uso; una versión básica de pago con modelos medianos; una versión avanzada con los modelos más potentes; y una versión personalizada para empresas con despliegue y optimización exclusivos.

Este modelo de precios por capas es esencialmente una tarificación basada en costos y valor, donde el valor está directamente relacionado con el costo. Cuanto más poderosa sea la capacidad que obtiene el usuario, mayor será el costo que debe asumir. Por lo tanto, el ecosistema de AI Agent evolucionará hacia una “economía de doble velocidad”: la inteligencia atrasada media generación será extremadamente barata (open source + subsidios de grandes empresas, convirtiéndose en infraestructura como agua, electricidad y gas), mientras que la inteligencia de vanguardia siempre será cara (los modelos más potentes siempre estarán en el extremo más costoso de la curva de costos). Lo gratuito es la inteligencia de “ayer”; lo que se paga es la inteligencia de “hoy”.

El impacto más profundo del agente de IA en la economía tradicional no es la aparición de una nueva clase de productos de IA en el mercado, sino que las entradas de usuario anteriormente dispersas en sitios web, aplicaciones y software están siendo reivindicadas por una nueva capa de agentes de tareas. Los fabricantes de teléfonos móviles, las superapps y otros actores están desarrollando sus propios agentes, y la entrada aún no se ha unificado, sino que se ha vuelto aún más fragmentada. En el pasado, el depósito de beneficios de Internet se formó en torno a "por dónde pasaba el tráfico"; en el futuro, es más probable que se redistribuya en torno a "quién orquesta y quién ejecuta las tareas".

Primero se reescribió la entrada y los derechos de distribución.

En la era de Internet, los motores de búsqueda, las tiendas de aplicaciones, las plataformas de contenido y las superapps controlan los puntos de entrada, y las empresas compiten por el ranking, los lugares de recomendación y el tiempo de uso del usuario. Pero con la aparición de los Agentes, los usuarios ya no necesitan abrir aplicaciones una por una: reservar boletos de avión, buscar proveedores, analizar datos o responder correos electrónicos pueden iniciarse desde una misma entrada de tarea. Los sitios web y las aplicaciones no desaparecerán, pero podrían convertirse cada vez más en fuentes de datos, herramientas e interfaces de ejecución detrás de los Agentes.

Esto significa que el nuevo poder de la plataforma ya no se trata solo de “dirigir a los usuarios hacia dónde”, sino de decidir cómo se completan las tareas: qué modelo, qué software, qué comerciante y qué conjunto de datos se utilizan. Parte del “impuesto de distribución” que antes controlaban los motores de búsqueda, las tiendas de aplicaciones y las plataformas de tráfico podría transferirse gradualmente a las plataformas de Agentes.

Hay un impacto sutil pero crucial: los agentes de IA están reduciendo drásticamente el recorrido del cliente, comprimiendo así el espacio para los negocios publicitarios.

Anteriormente, los usuarios necesitaban realizar diez búsquedas, comparar múltiples páginas web y plataformas antes de llegar a la etapa de compra; en un escenario de IA, los usuarios podrían completar la selección de información, la comparación de opciones y la decisión de compra con solo tres a cinco preguntas consecutivas. Cuanto más intensa sea la intención, más fuerte sea la decisión y más relevante sea la comparación en una industria, más fácil será que la IA reescriba su lógica de distribución. Los usuarios ya no necesitan moverse constantemente entre los resultados de búsqueda, las páginas de contenido y las páginas principales de los vendedores, sino que pueden delegar directamente la tarea de decisión a la IA. En este momento, los puntos donde puede intervenir la publicidad se reducirán y la influencia de la publicidad tradicional también se verá debilitada.

Lo realmente difícil es que los anuncios en las respuestas de IA deben ser altamente visibles. Anteriormente, los anuncios podían integrarse en la experiencia del usuario a través de diversos escenarios, como la clasificación de búsquedas, contenido nativo en flujos de información, recomendaciones de influencers y contenido de marca; sin embargo, en las respuestas de IA, cualquier recomendación comercial sutil, oculta o no claramente identificada afecta directamente la confianza del usuario en la objetividad de la plataforma. Cuanto más la IA se parezca a un agente que toma decisiones en nombre del usuario, menos tolerante será este ante la influencia de intereses comerciales sin transparencia.

El segundo impacto ocurrirá pronto en la plataforma y la economía intermediaria.

Las plataformas de transacciones como compras, viajes, entrega de comida y vida local, en esencia, ayudan a los usuarios a buscar, comparar y emparejar transacciones, y precisamente estos son los aspectos más fáciles de automatizar con Agentes. La capa intermedia que simplemente proporciona “listas de información” se verá comprimida; lo que realmente será difícil de evitar se convertirá en suministro exclusivo, pago, crédito, logística, servicio postventa y cumplimiento offline.

La ventaja competitiva de las plataformas de intercambio pasará de “cuánto tráfico poseo” a “cuánta oferta real y capacidad de ejecución que los Agentes no pueden reemplazar poseo”.

Para las grandes empresas con una cadena de cierre de transacciones cerrada, la IA ciertamente afectará a corto plazo los negocios actuales de publicidad y comercio, pero a largo plazo, la participación de los agentes de IA se convertirá en un nuevo multiplicador comercial. Al poseer tanto la demanda de los usuarios como la oferta, transacciones, pagos, cumplimiento y servicio postventa de los comerciantes, la plataforma puede reorganizar el valor comercial de manera integral: los comerciantes invierten en publicidad en plataformas de comercio electrónico → generan un GMV más alto → la IA prioriza en recomendaciones las marcas con alto GMV, buenas reseñas y cumplimiento estable → las marcas obtienen un cierre de transacciones en escenarios de IA → la plataforma mejora simultáneamente el valor publicitario, el valor de transacción y el valor de distribución de IA.

El límite clave aquí es que la IA no debe cobrar tarifas publicitarias excesivas como lo hacen las plataformas publicitarias tradicionales. Si la IA cobra demasiado, dañará su activo más valioso: la objetividad y la confianza del usuario. Un enfoque más razonable es cobrar una tarifa de servicio técnico proporcional, con una tasa equivalente al nivel de la industria, generalmente entre el 1% y el 10%, destinada principalmente a cubrir los costos de cómputo, llamadas y servicios.

El tercer nivel, un cambio aún más profundo, es que la frontera entre la economía del software y la economía de servicios comienza a difuminarse.

El SaaS tradicional (incluyendo software) sigue siendo esencialmente una herramienta. Salesforce proporciona un sistema CRM, pero quienes realmente mantienen las relaciones con los clientes son los vendedores; Adobe ofrece software de diseño, pero quienes realmente completan los diseños son los diseñadores; el software financiero se encarga de registrar datos, pero el análisis y la toma de decisiones siguen siendo realizados por personas. Por lo tanto, el modelo de negocio del SaaS ha estado históricamente centrado en el “asiento (Seat)” : las empresas compran tantas cuentas como empleados utilicen el software. Recientemente, la facturación según el uso ha ganado popularidad, y el modelo híbrido se ha convertido en el estándar, pero el modelo de asiento sigue siendo común en software de colaboración.

El agente de IA cambia este supuesto.

Cuando el software comience a poder leer datos por sí mismo, decidir el siguiente paso y ejecutar tareas, las empresas ya no estarán comprando simplemente “un software para que lo use un empleado”, sino posiblemente una capacidad directa para completar tareas. Un agente de IA puede operar simultáneamente en CRM, ERP, BI, correo electrónico y sistemas de atención al cliente, reduciendo procesos que antes requerían a múltiples personas trabajando en diferentes software a una sola llamada de tarea. En este momento, la lógica de crecimiento “cuantos más empleados, más asientos, mayores ingresos de SaaS” será cuestionada.

Más importante aún, el SaaS mismo puede dividirse en capas: la capa inferior es el "Sistema de Registro" que almacena datos fundamentales como clientes, pedidos, finanzas e inventario; la capa superior incluye las "Capacidades" encargadas de comprender las necesidades, invocar el sistema y completar tareas.

En el pasado, ambos estaban encapsulados en la misma interfaz de software; en el futuro, podrían separarse. El software que controla los datos centrales, los permisos, el cumplimiento y las reglas de negocio sigue teniendo una barrera muy fuerte; mientras que aquel cuyo valor principal proviene de la interfaz, los procesos y la encapsulación de funciones enfrenta un gran riesgo: una vez que los Agentes asuman la capa de interacción, podrían reducirse de software que los usuarios abren diariamente a simples interfaces llamadas en segundo plano por los Agentes.

Por el contrario, esto también permitirá que el mercado de software invada por primera vez a gran escala los servicios tradicionales. Anteriormente, las empresas de software competían por los presupuestos de TI empresarial; en el futuro, las empresas de agentes de IA apuntarán a presupuestos mucho más grandes relacionados con costos laborales, gastos de externalización y servicios profesionales. Servicios de atención al cliente, investigación básica, operaciones de ventas, selección de personal, procesamiento financiero e incluso parte del trabajo de consultoría podrían pasar de “comprar tiempo humano” a “comprar tareas completadas por máquinas”. Por lo tanto, el límite del mercado del software se extiende desde el antiguo “presupuesto de software (Software Spend)” hacia el “presupuesto laboral (Labor Spend)”.

La economía de internet de las últimas dos décadas: más usuarios significan más tráfico, más tráfico significa más ingresos por publicidad, transacciones y suscripciones, mientras que el costo de adquirir nuevos usuarios no aumenta significativamente. “Primero crece la base de usuarios, luego busca formas de monetización” se convirtió en la fórmula de crecimiento más clásica de la era de internet.

El agente de IA está poniendo fin a esta simple relación lineal.

Porque los agentes de IA ya no solo proporcionan información, sino que realmente consumen recursos de cómputo, llaman a herramientas externas y completan tareas. Cuantos más usuarios haya, no necesariamente significa mayores ganancias; cuanto más complejas sean las tareas, incluso puede significar que los costos aumenten más rápidamente. Lo que las empresas realmente necesitan calcular ya no es solo DAU, tasa de retención y tiempo de uso del usuario, sino cuánto cuesta completar una tarea, cuánto está dispuesto a pagar el usuario por ese resultado y cuánto valor puede conservar la plataforma.

Lo que realmente escasea en la era de la IA está cambiando.

En la era de Internet, lo escaso es el tráfico, por lo que las empresas compiten por la atención de los usuarios; en la era de los AI Agentes, lo verdaderamente escaso podría ser las tareas de alto valor, así como los datos, permisos, herramientas y capacidades de ejecución necesarios para completarlas.

El agente de IA no es la próxima forma de producto de Internet, sino que está transformando la unidad de intercambio más básica de la economía digital. Lo que vende el agente es la capacidad de completar tareas.

Cuando la unidad básica de la economía cambia de “clic” a “tarea”, y de “usar herramientas” a “entregar resultados”, los modelos de negocio, el poder de las plataformas y la distribución de beneficios construidos durante las últimas dos décadas en torno al tráfico inevitablemente enfrentarán una reestructuración.

Este artículo proviene del canal de WeChat "Instituto de Investigación de Tencent" (ID: cyberlawrc), autor: Grupo de Investigación de la Economía de la IA