La directora financiera de OpenAI, Sarah Friar, insta a las empresas a abandonar las métricas que han utilizado durante décadas para evaluar el software y adoptar un nuevo criterio para la inteligencia artificial, uno construido en torno al trabajo completado en lugar del número de personas que utilizan una herramienta.

En una publicación de blog publicada el viernes 17 de julio de 2026 y elaborada en una publicación de LinkedIn informada por Axios, Fortune y CFO Dive, Friar presentó lo que ella llama un enfoque de inteligencia útil por dólar. El argumento central: las métricas que definieron la era SaaS (plazas, usuarios activos, renovaciones) no logran capturar el valor que crea la IA. Para un análisis continuo de cómo las empresas están lidiando con la economía de la IA, siga nuestra cobertura de la industria de la IA.

Las cuatro preguntas

Friar propone que las organizaciones juzguen el valor de la IA respondiendo cuatro preguntas:

1. ¿La IA está completando el trabajo que importa?
2. ¿Cuánto cuesta cada tarea exitosa?
3. ¿Puede la gente depender del resultado?
4. ¿Cada dólar de IA produce más valor a medida que aumenta el uso?

"Durante años, el software se medía a través de la adopción: puestos, usuarios activos, renovaciones", escribió Friar en LinkedIn. "La IA es diferente: debe medirse por el trabajo realizado".

El marco reformula el consumo de tokens (la cantidad de procesamiento de IA que paga una empresa) no como un costo que debe minimizarse sino como una materia prima que sólo se vuelve valiosa cuando se convierte en producción utilizable. "Los tokens crean valor cuando se transforman en trabajo que la gente puede usar", escribió, argumentando que a medida que los modelos se vuelven más capaces, pueden asumir tareas más largas y de varios pasos que mantienen el contexto, razonan entre herramientas y se adaptan a medida que avanzan.

Por qué OpenAI está impulsando esto ahora

El discurso llega en un momento incómodo para la industria de la IA. Se prevé que el gasto mundial en IA alcance 2,59 billones de dólares en 2026, un aumento interanual del 47%, según cifras de Gartner citadas por CFO Dive. Sin embargo, la evidencia de que el gasto está dando frutos sigue siendo escasa. Un estudio de PwC publicado en enero encontró que solo el 12% de los directores ejecutivos dijeron que la IA había generado beneficios tanto en costos como en ingresos. Otro 33% reportó ganancias en costos o ingresos, mientras que 56% dijo que no había visto ningún beneficio financiero significativo hasta el momento.

Esa brecha está produciendo una frustración visible en la cima de la escala corporativa. El director ejecutivo de Palantir, Alex Karp, dijo recientemente a CNBC que muchos líderes empresariales están "cansados" de la economía de los grandes modelos lingüísticos y se preguntan si el aumento de los costos simbólicos se está traduciendo en retornos; comentarios que Karp hizo mientras promocionaba la propia tecnología de Palantir y reconoció que estaban motivados comercialmente.

Para OpenAI, que vende los tokens en cuestión, replantear la conversación en torno a los resultados en lugar del consumo es estratégicamente vital. Si los clientes miden el éxito por el trabajo realizado, entonces pagar más por un modelo de frontera que completa una tarea compleja de manera confiable parece eficiencia, no desperdicio.

Un alejamiento de la mentalidad de asientos y renovaciones

La idea de "inteligencia útil por dólar" se alinea con un replanteamiento más amplio de cómo se debe fijar el precio y medir la IA. El software empresarial tradicional se vendía por puesto; Los precios de la IA basados ​​en el uso rompen ese modelo, porque un solo puesto ahora puede consumir cantidades muy diferentes de computación según la tarea. Las cuatro preguntas de Friar piden efectivamente a los compradores que creen una contabilidad interna en torno a tareas completadas y costo por tarea exitosa: un número mucho más difícil de rastrear que el recuento de personal, pero que refleja lo que realmente hace la tecnología.

No todo el mundo está convencido de que el nuevo criterio favorezca a los compradores. Los críticos señalan que es difícil definir y auditar el "trabajo realizado", y que los proveedores tienen todos los incentivos para clasificar la producción de IA como exitosa. La confiabilidad (tercera pregunta de Friar) es particularmente difícil de medir cuando los modelos producen respuestas seguras pero incorrectas, el fenómeno conocido como alucinación. Sin una verificación independiente, la métrica corre el riesgo de convertirse en una herramienta de marketing en lugar de un mecanismo de rendición de cuentas.

Aún así, la propuesta refleja un cambio real en la conversación. Después de dos años de métricas de adopción apasionantes, los ejecutivos exigen pruebas de que el gasto en IA se está ganando el sustento. Las empresas que puedan responder las cuatro preguntas de Friar con datos (ya sea que utilicen los modelos de OpenAI o los de un competidor) serán aquellas cuyos presupuestos sobrevivan al inevitable escrutinio.

Fuentes

  • CFO Dive, "OpenAI impulsa un nuevo criterio para medir las inversiones en IA", 17 de julio de 2026
  • Axios, "Exclusivo: el director financiero de OpenAI presenta una nueva forma de medir el valor de la IA", 17 de julio de 2026
  • Fortune, "Director financiero de OpenAI: 4 preguntas que revelan si su inversión en IA está dando sus frutos", 17 de julio de 2026

Manténgase a la vanguardia en IA empresarial

La economía de la IA se está reescribiendo en tiempo real. Agregue nuestra página de inicio a favoritos para [la última cobertura empresarial de IA] (https://aibuzzwire.news).

Leer más noticias sobre IA →