El 29 de abril de 2026, Andrej Karpathy propuso una idea en una charla junto al fuego de Sequoia AI Ascent: está surgiendo una nueva economía nativa para agentes (agent-native), y todo el software, la documentación y los procesos escritos para humanos hoy deben reescribirse para ser “escritos para Agentes”. Él hablaba de la reingeniería del lado de la oferta, pero dejó una pregunta sin respuesta: si todo debe reescribirse, ¿quién pagará por esta reescritura y cómo se distribuirá el valor?
La cuestión de la economía de los agentes comienza precisamente con esta pregunta. En el primer artículo de esta serie, «La encrucijada de la comercialización de la IA: ¿Por qué la publicidad y la suscripción son difíciles por separado?», se discutió cómo monetizar la IA, concluyendo que tanto la publicidad como la suscripción son difíciles de sostener solas, y que el centro de gravedad de la comercialización se desplaza de “vender la entrada” a “vender el resultado”. Este artículo profundiza en la siguiente capa: por qué debe cambiar el modelo de negocio. La respuesta hay que buscarla en la estructura de costes: la experiencia de Internet de que “servir a un usuario adicional cuesta casi nada adicional” está dejando de ser válida, y la forma de distribución de beneficios construida en torno a esta experiencia ha llegado al momento de un nuevo cálculo. Durante las últimas dos décadas, la creencia comercial más importante de las empresas de Internet ha sido: cuantos más usuarios, menor el coste y mayor el beneficio.
Los motores de búsqueda, las redes sociales, los vídeos cortos, las plataformas de contenidos y las plataformas de comercio electrónico se basan esencialmente en la misma premisa: una vez construida la infraestructura, el coste marginal de servir a un usuario adicional, mostrar una página más o distribuir un contenido más es prácticamente cero. El verdadero cuello de botella de las empresas de Internet a menudo no es “si cada servicio pierde dinero”, sino si pueden obtener suficiente tiempo de usuario, datos, anunciantes y escenarios transaccionales.
La publicidad se convirtió precisamente en uno de los modelos de negocio más importantes de Internet gracias a esta premisa.
Porque cuando los contenidos y las páginas se pueden distribuir a un coste casi nulo, las plataformas pueden descomponer las búsquedas, visitas, clics, tiempo de permanencia y rutas de compra de los usuarios en posiciones publicitarias individuales que se pueden vender. Cuanto más largo sea el viaje del usuario, más puntos de contacto comerciales puede insertar la plataforma; cuanto más comparen los usuarios, más valor tendrán la publicidad, las recomendaciones, los contenidos de marca y la clasificación en las búsquedas.
Pero los Agentes de IA están socavando esta creencia.
Los Agentes de IA no están simplemente distribuyendo información existente, sino ejecutando tareas en nombre del usuario. Cada conversación, cada razonamiento, cada lectura de archivo, cada llamada a una herramienta, cada verificación de resultados, tiene detrás un coste real de potencia de cálculo en GPU, consumo de electricidad, depreciación de chips y gestión del sistema.
Lo que es más importante, la IA no solo cambia la estructura de costes de las empresas de Internet, sino también la cadena de usuario en 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 pueden directamente entregar sus necesidades a un Agente, dejando que éste filtre, juzgue, clasifique, reserve e incluso complete transacciones.
Esto significa que en la era del Agente de IA, cada servicio a un usuario gratuito podría significar una pérdida de dinero, y la publicidad tradicional también perderá parte del espacio de cadena larga del que depende para monetizar.
Si la palabra clave de la economía de Internet era “tráfico”, la palabra clave de la economía del Agente de IA es “tarea”. El tráfico puede distribuirse de forma barata, pero las tareas deben ejecutarse realmente. La publicidad vendía antes por dónde pasaba la atención del usuario, mientras que en la era de la IA la pregunta más importante se convierte en: quién comprende la tarea, quién la orquesta, quién la completa, y qué marcas pueden entrar en el conjunto de candidatos y las bases de decisión del Agente.
Por lo tanto, la economía del Agente de IA no es una extensión natural del modelo de negocio de Internet, sino una corrección inversa del mito del crecimiento de Internet y de la lógica publicitaria.
Premisa de la publicidad en Internet: bajo coste marginal
La lógica subyacente del modelo de negocio de Internet (incluyendo el software) puede entenderse con la fórmula más básica de la economía:
CT = CF + CM × Q (Coste Total = Coste Fijo + Coste Marginal × Cantidad)
En la era tradicional de Internet, ya sea para desarrollar una App, escribir un artículo o grabar un vídeo, el coste principal se concentra en las etapas iniciales de desarrollo y producción, es decir, un Coste Fijo CF alto. Sin embargo, una vez que el producto está en línea, el coste adicional de servidores y ancho de banda para servir al primer usuario y al millonésimo usuario a menudo es insignificante, CM se acerca a 0.
Este coste marginal extremadamente bajo da a los modelos de negocio relacionados una ventaja de escala naturalmente fuerte. La característica central de los productos digitales es que pueden copiarse infinitamente y el coste de copia es casi cero. Una vez que se desarrolla el software y se despliegan los servidores, el coste marginal de añadir un nuevo usuario es casi despreciable, no es más que ocupar unos KB más de espacio de almacenamiento y consumir unos KB más de tráfico de ancho de banda.
Esta característica hace que la economía de las plataformas forme más fácilmente ventajas de escala: quien primero alcance el punto crítico de escala, podrá convertir los nuevos ingresos en beneficios en una proporción mayor, formando así un fuerte apalancamiento operativo.
Sobre esta base, Internet ha evolucionado hacia tres modelos de negocio clásicos.
Modelo de suscripción: el coste de copiar software es extremadamente bajo, el crecimiento de usuarios suscritos se corresponde directamente con el crecimiento de ingresos. Esta es también la razón por la que el mercado de capitales ha estado dispuesto a largo plazo a dar altas valoraciones a las empresas SaaS: una vez superado el punto de equilibrio, la velocidad de crecimiento de los beneficios a menudo supera con creces la velocidad de crecimiento de los ingresos.
Modelo de comisión: construye infraestructura de transacción, pago y cumplimiento, cobra una comisión estable por cada transacción adicional.
Modelo publicitario: servicios gratuitos atraen a una gran cantidad de usuarios, empaquetan la atención y la venden a los anunciantes. Tomando la publicidad en buscadores como ejemplo, una vez desplegados el algoritmo de búsqueda y el sistema publicitario, el coste adicional de servidores por cada solicitud de búsqueda más es relativamente limitado, mientras que cada clic publicitario adicional significa ingresos incrementales.
El modelo publicitario ha podido sostenerse a largo plazo no solo porque hay muchos usuarios, sino porque el viaje del usuario es lo suficientemente largo. Un usuario, desde que genera una necesidad hasta que completa una compra, a menudo pasa por múltiples etapas: búsqueda, navegación, comparación, guardado, consulta, redirección, pedido, etc. La plataforma puede vender publicidad en la página de resultados de búsqueda, puede hacer ‘plantación’ (planting) en el flujo de información, puede reforzar la conversión en la página de detalles, y también puede seguir influyendo en la decisión del usuario en la fase de remarketing. El valor de la publicidad proviene esencialmente de la intervención capa por capa en el viaje del usuario.
La plataforma no necesita asumir el coste completo del servicio por cada decisión del usuario. El motor de búsqueda dirige al usuario a una página web, la plataforma social lo dirige a una cuenta de marca, la plataforma de vídeos cortos lo dirige a una transmisión en directo, la plataforma de comercio electrónico lo dirige a una página de detalles de producto. La plataforma está más “mediando entre la información y la atención”.
El dilema de la economía del Agente de IA: coste marginal + coste de entrenamiento
Internet distribuye información existente, mientras que la IA genera información en tiempo real. Este cambio cualitativo de “copiar” a “generar” trae una estructura de costes y una lógica comercial completamente diferentes.
En primer lugar, el coste de inferencia de la IA es explícito, el coste marginal del uso de la IA es significativamente mayor que cero (CM > 0).
Cada vez que el modelo grande introduce/produce un Token (unidad léxica), la GPU está funcionando a alta velocidad, consumiendo electricidad real y costes de depreciación de chips. Cuanto mayores son los parámetros del modelo, más largo es el contexto, más compleja es la tarea, mayor es el coste de inferencia por uso. Una simple pregunta y respuesta, una investigación profunda (Deep Research), un desarrollo de código, una operación entre software, el coste puede diferir decenas o incluso cientos de veces. La economía del Agente de IA no solo tiene un coste marginal distinto de cero, sino que el propio coste marginal es altamente heterogéneo.
Aunque el precio por Token está cayendo rápidamente, esto no significa que el coste marginal vaya a tender continuamente a cero: a medida que las capacidades del Agente mejoran, la magnitud de Tokens consumidos por tarea está aumentando rápidamente de cientos a cientos de miles — la planificación, llamar a herramientas, leer archivos, autoverificación, reintentos por fallos, todo consume una gran cantidad de potencia de cálculo. El Token individual está en deflación, la tarea individual está en inflación, la diferencia entre estas dos curvas constituye el núcleo de la economía de la IA: cuanto más barato es el Token, más osados son a hacer que la IA haga trabajos más pesados, y la factura total es aún mayor; esta es precisamente la “Paradoja de Jevons” en el campo de la IA.
La bajada de precio del Token individual no es unidireccional a la baja. Las estadísticas de Morgan Stanley muestran que en el segundo trimestre de 2026, el precio medio de salida de la API de los modelos grandes nacionales aumentó aproximadamente un 80% en comparación con el primer trimestre de 2025, la industria está pasando de la guerra de precios a la fijación de precios por valor. El propio precio también se está estratificando, los modelos commodity continúan bajando, mientras que los modelos de vanguardia ajustan al alza. La inteligencia de vanguardia se fija por valor, y su coste no baja al mismo ritmo que la commodity.
Aunque se puede reducir el coste unitario mediante procesamiento por lotes para mejorar la utilización de GPU, caché KV, clústeres de inferencia propios, chips propios, etc., la magnitud de la bajada del coste marginal está lejos de ser comparable a la de la economía de Internet, y será compensada por el crecimiento en profundidad de uso. Esta es también la razón central por la que ChatGPT lanzó rápidamente una versión de suscripción de pago después de la explosión de usuarios.
Al mismo tiempo, el coste fijo pasa de ser “único” a ser “perpetuo”. El coste de entrenamiento deja de ser una inversión fija única, sino un gasto de capital perpetuo que debe iterar una nueva generación de modelo cada seis meses a un año. El modelo grande se convierte en un “activo perecedero” con una “vida útil” de 6-12 meses, si no se reentrena para seguir el ritmo, se queda rápidamente obsoleto, y el coste de un solo entrenamiento puede alcanzar decenas o incluso cientos de millones de dólares. Tomando OpenAI como ejemplo, en 2025 sus ingresos fueron de 13.070 millones de dólares, con un margen bruto de aproximadamente el 43% (esta métrica solo deduce la potencia de cálculo de inferencia, la más cara, la potencia de cálculo de entrenamiento se incluye por separado en gastos de I+D), pero sus gastos de I+D alcanzaron los 19.180 millones de dólares, de los cuales aproximadamente 10.600 millones se utilizaron para pagar la potencia de cálculo de entrenamiento a Microsoft, siendo también la principal razón de sus pérdidas.
Por lo tanto, la economía del Agente de IA presenta estas características: el coste de inferencia (coste variable) crece linealmente con el volumen de uso, y es altamente diferenciado; el coste de infraestructura y talento (coste semifijo) aumenta “a saltos” con la escala de usuarios — cuando el número de usuarios supera un umbral, se deben añadir un lote de servidores GPU; además, el coste de I+D (es decir, el coste de entrenamiento del modelo) es enorme. Estos costes se superponen capa a capa, haciendo que las empresas de IA estén siempre en la vía de reinvertir la totalidad de los beneficios, no existe ese punto dulce de Internet de “crecimiento exponencial de beneficios después de superar el punto de equilibrio”.
Esta lógica de costes también remodela la fuente de las barreras de entrada de la industria: la barrera central de Internet es el efecto de red, cuantos más usuarios, más útil es el producto; el tipo de barrera del Agente cambia, pasando del efecto de red de la cadena de relaciones al volante de datos (data flywheel) y al coste de cambio, la nueva barrera proviene del contexto acumulado — la memoria del usuario, preferencias, archivos, flujos de trabajo y datos de autorización. Cuanto más se use, mayor será la adaptación del Agente al usuario, y mayor será el coste de migración al cambiar de proveedor de servicios. Internet bloqueaba la cadena de relaciones del usuario, el Agente bloquea el contexto de trabajo del usuario, esta es también la razón central por la que la industria compite por posicionarse en la entrada: lo que se disputa no es solo el tráfico, sino la acumulación primaria de contexto.
La lógica subyacente de la economía del Agente de IA: de monetizar la atención a entregar valor
Obviamente, necesitamos cambiar la lógica para ver la economía del Agente de IA: las plataformas de Internet compiten por la “entrada del usuario”, las plataformas de Agentes de IA compiten por la “entrada de la tarea”.
Si la unidad básica de la economía de Internet era la “exposición/clic”, la unidad básica de la economía del Agente de IA es la “tarea”. Un clic solo representa que el usuario entra en una página, una tarea representa que el usuario delega en la IA la realización de un objetivo — el Agente necesita comprender el objetivo, descomponer la tarea, llamar a herramientas, leer archivos, operar software, verificar repetidamente los resultados, y cuando sea necesario, solicitar autorización al usuario. Esto hace que la estructura de costes del Agente de IA se asemeje más a un “empleado digital”, no a un “medio digital”.
En el pasado, un usuario abría el motor de búsqueda y preguntaba “qué empresa de reformas es buena”, el motor de búsqueda devolvía resultados de páginas web, publicidad y mapas; ahora, un usuario puede decirle directamente a un Agente: “Ayúdame a filtrar tres empresas de reformas confiables, compara precios, reputación, garantías de construcción y ayúdame a concertar una cita para comunicarme.” El valor comercial del primero proviene de la exposición y los clics, el valor comercial del segundo proviene de la finalización de la tarea y la delegación de decisiones. La publicidad ya no es solo información que aparece en una página, sino que se convertirá en opciones candidatas, fuentes de datos, fuentes confiables o interfaces transaccionales en el proceso de decisión del Agente, ayudando al usuario a completar finalmente la tarea.
Las empresas de modelos no solo proporcionan capacidades subyacentes, sino que se convertirán en el nuevo sistema operativo de tareas. Ya sean fabricantes nativos de IA o grandes empresas integradas, todos están evolucionando de “modelo grande” a “plataforma de Agentes”, lanzando así una serie de productos como Claude Cowork, Codex, Workbuddy, etc. — quien controle la entrada de tareas del usuario, podrá decidir el orden de llamada a herramientas, la prioridad de las fuentes de datos, la lógica de recomendación comercial y el cierre de la transacción.
“Saber que la economía unitaria es negativa, pero igualmente quemar dinero para disputar la entrada” es precisamente la apuesta estratégica más central de la industria actual, y también la fuente de la controversia sobre la valoración. Porque detrás de la entrada no solo está el volumen de usuarios, ni siquiera el número de conversaciones, sino el futuro control sobre la distribución de tareas, las recomendaciones comerciales y el cierre de transacciones.
Este cambio de lógica también traerá inevitablemente otra tendencia: la estratificación.
Los productos de Internet buscan la estandarización extrema, un mismo código sirve a todos los usuarios, para maximizar así la ventaja del coste marginal cero. El Agente de IA, en cambio, es naturalmente adecuado para una oferta estratificada — la diferencia de coste entre tareas de diferente complejidad es enorme, el coste de una simple pregunta y respuesta y un razonamiento complejo puede diferir decenas o cientos de veces. Por lo tanto, las empresas de IA lanzarán productos de diferentes niveles: versión gratuita con modelo pequeño, limitando el uso; versión de pago básica con modelo medio; versión avanzada con el modelo más potente; versión corporativa personalizada que ofrece despliegue y optimización exclusivos.
Esta fijación de precios estratificada es esencialmente clasificar por coste, cobrar por valor, el valor está positivamente correlacionado con el coste. Cuanto mayor sea la capacidad que obtiene el usuario, mayor será el coste que paga. Por lo tanto, el ecosistema del Agente de IA evolucionará hacia una “economía de doble velocidad”: la inteligencia con medio ciclo de retraso será extremadamente barata (código abierto + subsidios de las grandes empresas, convirtiéndose en infraestructura básica como agua, electricidad y gas), mientras que la inteligencia de vanguardia siempre será cara (el modelo más potente siempre estará en el extremo más caro de la curva de costes). Lo gratuito será la inteligencia de “ayer”, lo de pago será la inteligencia de “hoy”.
El “efecto de impacto” de la economía del Agente de IA
El impacto más profundo de la economía del Agente de IA en la economía tradicional no es que haya un tipo más de productos de IA en el mercado, sino que la entrada del usuario que antes estaba dispersa en sitios web, Apps y software está siendo disputada de nuevo por una nueva capa de agentes de tareas. Los fabricantes de teléfonos móviles, las super Apps, etc., están haciendo cada uno su propio Agente, la entrada aún no está unificada, sino que está más fragmentada. En el pasado, el grupo de beneficios de Internet se formaba alrededor de “por dónde pasa el tráfico”, en el futuro es más probable que se redistribuya alrededor de “quién orquesta la tarea, quién la completa”.
Lo primero que se reescribe es la entrada y el poder de distribución.
En la era de Internet, los motores de búsqueda, las tiendas de aplicaciones, las plataformas de contenidos y las super Apps controlaban la entrada, las empresas competían por el ranking, los espacios de recomendación y el tiempo de usuario. Pero con la aparición del Agente, el usuario no necesariamente necesita abrir aplicaciones una por una: reservar vuelos, buscar proveedores, analizar datos, responder correos, todo puede iniciarse desde la misma entrada de tarea. Los sitios web y las Apps no desaparecerán, pero pueden convertirse cada vez más en fuentes de datos, herramientas e interfaces de cumplimiento detrás del Agente.
Esto significa que el nuevo poder de plataforma ya no es solo “a dónde dirigir al usuario”, sino decidir cómo se completa la tarea: qué modelo llamar, qué software, qué comercio, qué conjunto de datos. Parte del “impuesto de distribución” que antes controlaban los motores de búsqueda, las tiendas de aplicaciones y las plataformas de tráfico, puede transferirse gradualmente a las manos de las plataformas de Agentes.
Aquí hay un impacto no fácil de percibir pero crucial: los Agentes de IA están reduciendo sustancialmente el viaje del cliente, comprimiendo así el espacio para el negocio publicitario.
En el pasado, un usuario necesitaba buscar diez veces, comparar múltiples páginas web y plataformas, para entrar en la fase de transacción; mientras que en el escenario de IA, un usuario puede solo necesitar hacer 3-5 preguntas consecutivas para haber completado ya el filtrado de información, la comparación de opciones y la decisión de compra. Cuanto más alta sea la intención, más fuerte la decisión, más comparaciones requiera la industria, más fácil será que la IA reescriba su lógica de distribución. Los usuarios ya no necesitan navegar repetidamente entre resultados de búsqueda, páginas de contenido y páginas principales de comerciantes, sino que delegan directamente la tarea de decisión en la IA para que la complete. En ese momento, los nodos en los que la publicidad puede intervenir serán menos, y la influencia de la publicidad tradicional se debilitará.
Lo realmente difícil es que la publicidad en las respuestas de la IA debe ser altamente explícita. En el pasado, la publicidad podía integrarse en el viaje del usuario en múltiples escenarios como la clasificación en búsquedas, el formato nativo en el flujo de información, las recomendaciones de influencers, los contenidos de marca, etc. Mientras que en las respuestas de IA, cualquier recomendación comercial suave, oculta o no claramente identificada impactará directamente la confianza del usuario en la objetividad de la plataforma. Cuanto más se asemeje la IA a un agente que toma decisiones por el usuario, menos tolerará éste que sea influenciada por intereses comerciales de manera no transparente.
El segundo impacto ocurrirá pronto en la economía de plataformas e intermediarios.
Plataformas transaccionales como compras, viajes, comida a domicilio, vida local, etc., son esencialmente ayudar a los usuarios a buscar, comparar y mediar en transacciones, y estos son precisamente los eslabones que el Agente puede automatizar más fácilmente. Las capas intermedias que solo proporcionan “listas de información” serán comprimidas, lo realmente difícil de sortear serán los suministros exclusivos, el pago, el crédito, la logística, el servicio postventa y el cumplimiento offline.
La barrera de entrada de las plataformas transaccionales pasará de “cuánto tráfico poseo”, a “cuánta capacidad real de suministro y ejecución, que el Agente no pueda reemplazar, controlo”.
Para las grandes empresas que poseen cadenas de transacción cerradas, la IA a corto plazo sí impactará en sus negocios publicitarios y transaccionales existentes, pero a largo plazo, la participación del Agente de IA se convertirá en un nuevo amplificador comercial. La plataforma, al controlar tanto la demanda del usuario como el suministro de los comerciantes, la transacción, el pago, el cumplimiento y el servicio postventa, puede reorganizar el valor comercial de una manera integral y estratégica: el comerciante invierte en publicidad en la plataforma de comercio electrónico → genera un GMV más alto → la IA prioriza en el nivel de recomendación las marcas con GMV alto, buena reputación, cumplimiento estable → la marca obtiene un cierre de transacción en el escenario de IA → la plataforma mejora simultáneamente el valor publicitario, el valor transaccional y el valor de distribución de la IA.
El límite clave aquí es que la IA no puede cobrar tasas publicitarias tan altas como las plataformas publicitarias tradicionales. Si la IA cobra demasiado, dañará su activo más central: la objetividad y la confianza del usuario. Una forma más razonable es cobrar una cierta proporción de tarifa por servicios técnicos, con una tasa similar al nivel de la industria, generalmente entre el 1% y el 10%, principalmente para cubrir costes de cálculo, llamadas y servicios.
La tercera capa, y un cambio aún más profundo, es que los límites entre la economía del software y la economía de los servicios comienzan a difuminarse.
El SaaS tradicional (incluyendo software) es esencialmente todavía una herramienta. Salesforce proporciona un sistema CRM, pero quienes realmente mantienen las relaciones con los clientes son los vendedores; Adobe proporciona 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 decisión los sigue haciendo la persona. Por lo tanto, el modelo de negocio del SaaS ha girado durante mucho tiempo en torno a la “licencia por usuario (Seat)”: cuantos empleados use el software la empresa, tantas cuentas compra. En los últimos años, la facturación por uso está surgiendo, la facturación mixta se ha convertido en la corriente principal, pero el modelo por usuario sigue siendo común en software colaborativo.
El Agente de IA cambia esta premisa.
Cuando el software comienza a poder leer datos por sí mismo, juzgar el siguiente paso y ejecutar el trabajo, lo que la empresa compra ya no es solo “un software que usa un empleado”, sino posiblemente una capacidad que completa tareas directamente. Un Agente de IA puede operar simultáneamente sistemas CRM, ERP, BI, correo y servicio al cliente, procesos que antes requerían múltiples personas en diferentes software, se comprimen en una llamada de tarea. En ese momento, la lógica de crecimiento de “cuantos más empleados, más licencias, mayores ingresos de SaaS” se verá desafiada.
Lo más importante es que el propio SaaS puede estratificarse: en la base está el “sistema” (System of Record) que guarda datos centrales como clientes, pedidos, finanzas, inventario; en la capa superior aparece la “capacidad” (System of Action) responsable de comprender necesidades, llamar a sistemas y completar tareas.
En el pasado, ambos estaban encapsulados en la misma interfaz de software, en el futuro pueden separarse. El software que controla datos centrales, permisos, cumplimiento y reglas de negocio sigue teniendo una fuerte barrera; mientras que aquel software cuyo valor principal proviene de la interfaz, el flujo y la encapsulación de funciones, enfrenta un gran riesgo, una vez que el Agente tome la capa de interacción, pueden pasar de ser software que el usuario abre cada día, a convertirse en una interfaz llamada en segundo plano por el Agente.
A la inversa, esto también hará que el mercado de software invada por primera vez a gran escala los servicios tradicionales. En el pasado, las empresas de software competían por el presupuesto de TI de las empresas, en el futuro las empresas de Agentes de IA apuntarán a presupuestos aún más grandes de costes laborales, externalización y servicios profesionales. Servicio al cliente, investigación básica, operaciones de ventas, selección de personal, procesamiento financiero e incluso parte del trabajo de consultoría, pueden pasar de “comprar tiempo de personas” a “comprar tareas completadas por máquinas”. El límite del mercado del software se expande así desde el antiguo “presupuesto de digitalización (Software Spend)”, comenzando a erosionar el “presupuesto de mano de obra (Labor Spend)”.
Conclusión
La economía de Internet de las últimas dos décadas: más usuarios significa más tráfico, más tráfico significa más ingresos por publicidad, transacciones y suscripciones, mientras que el coste adicional que traen los nuevos usuarios no crece significativamente. “Primero hacer crecer la escala de usuarios, luego buscar formas de monetizar” 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 lo que proporciona el Agente de IA ya no es solo información, sino que está consumiendo realmente recursos de cálculo, llamando a herramientas externas y completando tareas. Más usuarios no necesariamente significan más beneficios; las tareas más complejas incluso pueden significar que los costes crezcan más rápido. Lo que las empresas realmente necesitan calcular ya no es solo el DAU, la tasa de retención y el tiempo de usuario, sino cuánto cuesta completar una tarea, cuánto está dispuesto a pagar el usuario por ese resultado, y cuánto valor puede retener la plataforma de ello.
Lo que realmente es escaso en la era de la IA está cambiando.
En la era de Internet lo escaso era el tráfico, por eso las empresas competían por la atención del usuario; en la era del Agente de IA lo realmente escaso pueden ser las tareas de alto valor, y los datos, permisos, herramientas y capacidades de ejecución necesarios para completar esas tareas.
El Agente de IA no es la próxima forma de producto de Internet, sino que está cambiando la unidad de transacción más básica de la economía digital. Lo que vende el Agente es la capacidad de completar tareas.
Cuando la unidad básica de la economía pasa de “clic” a “tarea”, de “usar herramientas” a “entregar resultados”, el modelo de negocio, el poder de las plataformas y la distribución de beneficios construidos en torno al tráfico en las últimas dos décadas, inevitablemente enfrentarán una reorganización .
Este artículo proviene del WeChat Official Account “Tencent Research Institute” (ID:cyberlawrc), autor: Grupo de Investigación de Economía de IA
