Del pago al despliegue: Stripe apuesta por la economía de los agentes de IA

marsbitPublicado a 2026-06-08Actualizado a 2026-06-08

Resumen

Stripe reimagina la infraestructura económica para la era de la IA, pasando de facilitar pagos para humanos y empresas a diseñar sistemas para agentes de IA. Estos agentes actúan ahora como nuevos participantes económicos: compradores y creadores. Para ello, Stripe introduce protocolos como Machine Payments Protocol, que permite pagos programáticos entre máquinas, y adapta su cartera Link para que los usuarios autoricen pagos a agentes. Además, Stripe Projects busca automatizar el despliegue de software generado por IA. La monetización también evoluciona: el modelo SaaS de cuotas fijas es reemplazado por facturación basada en el consumo real de tokens, con ejemplos como Lovable y ElevenLabs. Sin embargo, esto trae nuevos desafíos como el "robo de tokens". Stripe combina sus soluciones Metronome (para medición en tiempo real) y Tempo (para micropagos instantáneos) para permitir "pagos en streaming", cobrando a medida que se consumen los recursos, protegiendo a las empresas y mejorando la experiencia del cliente. En resumen, Stripe está construyendo la infraestructura necesaria para una economía donde los agentes de IA realizan transacciones y crean valor de forma autónoma.

Autor/a: Emily Sands

Traducción: Peggy, BlockBeats

Este artículo procede de una redefinición de Stripe sobre la "infraestructura económica de la IA": en el pasado, la infraestructura de pagos servía principalmente a usuarios humanos y empresas de software; ahora, debe servir simultáneamente a actores máquina. Los agentes necesitan poder leer precios, completar pagos, acceder a carteras y desplegar servicios; las empresas de IA también necesitan establecer nuevos mecanismos de facturación, control de riesgos y liquidación en torno al consumo de tokens.

Protocolos de pago para máquinas, Link, Stripe Projects, Metronome, Tempo y pagos en streaming, mencionados en el artículo, apuntan esencialmente a la misma tendencia: los agentes de IA están pasando de ser "herramientas" a convertirse en nuevos participantes económicos en internet. Son tanto compradores como constructores; crean software y también consumen recursos. Así, el modelo comercial de la era SaaS tradicional, con facturación por licencia, facturas a posteriori y liquidación manual, está siendo sustituido por nuevos modelos de medición en tiempo real, liquidación en tiempo real y legibles por máquinas.

Esto no es solo la narrativa de producto de Stripe, sino también un juicio de industria más amplio: si en el futuro gran parte del consumo de software es iniciado por agentes, entonces los flujos de pago, facturación, carteras, control de riesgos y despliegue necesitan rediseñarse. La IA no solo cambia la eficiencia productiva, sino también la propia forma en que se organiza el comercio.

A continuación, el texto original:

Los agentes están convirtiéndose en compradores y constructores. Esto cambiará por completo la forma en que opera el comercio.

Durante los últimos años, Stripe ha estado construyendo infraestructura económica para la IA. Esto incluye varios niveles: ayudamos a las empresas de IA de más rápido crecimiento en el mundo a acelerar su desarrollo a través de infraestructura de pagos, facturación, checkout, prevención de fraude e impuestos; implementamos la IA en cada parte del proceso de pago para ayudar a las empresas a aumentar sus ganancias; también, hacemos que Stripe pueda integrarse de forma nativa en las herramientas de IA que usan los desarrolladores.

Pero en los últimos seis meses, el significado del concepto "infraestructura económica para la IA" ha cambiado. Los agentes se están convirtiendo en un nuevo tipo de actor en internet. Esto también nos trae dos nuevas tareas: una, ayudar a los agentes a realizar compras y construir en nombre de individuos y empresas; dos, ayudar a las empresas a adaptarse al nuevo modelo económico que trae el consumo de tokens. En otras palabras, Stripe está capacitando a los agentes para que actúen de forma independiente; y al mismo tiempo, está ayudando a las empresas a monetizar esos productos creados y consumidos por agentes, y altamente dependientes de tokens.

Los agentes como compradores

El comercio electrónico fue originalmente diseñado para humanos. Los humanos navegan por sitios web, hacen clic en páginas de precios, introducen información de tarjetas y completan el proceso de checkout. Pero los agentes no operan así. Necesitan una forma programática que les permita entender que un servicio requiere pago, cuánto cuesta y cómo completar ese pago sin que un humano haga clic en una interfaz de checkout.

Por eso creamos el Protocolo de Pagos para Máquinas (Machine Payments Protocol) en colaboración con Tempo. Permite a las empresas aceptar pagos de agentes de forma programática, sin intervención humana. No hay registro de cuentas, ni páginas de checkout, ni intervención humana en el proceso; solo una forma de pago legible por máquina que permite a los agentes comprar servicios a las empresas.

Una vez que una empresa puede aceptar pagos de agentes, la siguiente pregunta igualmente importante es: ¿cómo pueden los consumidores autorizar de forma segura a los agentes para que gasten en su nombre? Ahí es donde entra en juego nuestra cartera de consumidor, Link.

Actualmente, más de 250 millones de personas usan Link. Estamos haciendo que Link también pueda servir a los agentes, permitiendo a los usuarios autorizar pagos seguros realizados en su nombre por agentes. Los humanos mantienen el control, mientras que los agentes obtienen la capacidad de gastar en representación del usuario.

Ayudar a los agentes a realizar compras en internet es una forma en que los capacitamos. Otra forma es ayudarlos a construir.

Los agentes como constructores

Hoy en día, el "vibe-coding" (codificación por ambiente) es fácil, pero el "vibe-deploying" (despliegue por ambiente) aún no lo es. Un agente puede generar una aplicación en minutos, pero desplegarla realmente en internet aún requiere mucha intervención manual: crear cuentas, configurar servicios, gestionar credenciales, integrar APIs y cambiar entre diferentes consolas.

Stripe Projects permite a los desarrolladores y sus agentes registrar, gestionar e integrar directamente desde la línea de comandos los diversos servicios necesarios para desplegar una aplicación. El objetivo es simple: hacer que el "vibe-deployment" sea tan fácil como el "vibe-coding".

Monetización de tokens

A medida que los agentes comienzan a ser compradores y constructores, las empresas también necesitan adaptarse a un nuevo mundo: el costo de inferencia o de tokens de un producto puede variar dinámicamente. Esto cambiará el modelo económico del software.

En el modelo SaaS, servir a un usuario adicional generalmente conlleva un costo marginal casi nulo. Pero en los productos de IA, cada prompt, cada llamada a la API, cada tarea de un agente, tiene un costo marginal real. Por lo tanto, las empresas ya no pueden facturar solo por licencia, sino que necesitan medir el uso en tiempo real y cobrar según los recursos que realmente consume el cliente.

Por eso la facturación basada en el uso se ha convertido en el núcleo de la monetización de la IA. Las empresas pueden cobrar en torno al valor que los clientes realmente reconocen: uso, flujos de trabajo, resultados, o cualquier unidad de facturación que mejor se adapte a su producto.

Lovable es un buen ejemplo. Inicialmente adoptó un modelo de suscripción simple en Stripe para comercializarse rápidamente tras su lanzamiento. A medida que la empresa crecía, su modelo de facturación evolucionó. Hoy, cuando los clientes exceden los límites de uso incluidos en su plan de suscripción, Lovable cobra según los tokens de IA consumidos. ElevenLabs siguió un camino similar: comenzó con un modelo de suscripción en Stripe y luego, a medida que su producto y los patrones de uso de los clientes evolucionaron, introdujo precios de pago por uso.

Robo de tokens

Pero la facturación basada en el uso presupone que la empresa realmente puede cobrar el dinero. Hoy, los defraudadores no solo roban fondos o credenciales de cuenta; cada vez más, roban tokens. Mientras puedan registrar una cuenta, consumir rápidamente una gran cantidad de tokens y desaparecer antes de que venza la factura, el modelo económico de los productos de IA colapsará rápidamente.

El robo de tokens es uno de los problemas menos discutidos en la industria de la IA actual. Stripe Radar, nuestro producto de prevención de fraude, puede evaluar nuevas cuentas en tiempo real, predecir qué pruebas gratuitas pueden ser objeto de abuso e identificar el riesgo de impago a medida que se acumula el uso.

Pagos en streaming

Cuando el cliente en sí es un agente, el problema del abuso se vuelve más espinoso. Los agentes pueden consumir tokens a velocidad de máquina, lo que puede hacer que los métodos de facturación tradicionales sean demasiado arriesgados o incluso insostenibles.

Las empresas pueden exigir el pago por adelantado y detener el servicio al alcanzar un límite. Esto protege a la empresa, pero genera una peor experiencia para el cliente y evita que los buenos clientes aumenten su consumo. Las empresas también pueden permitir que el uso continúe acumulándose y facturar después. Esto es mejor para la experiencia del cliente, pero la factura finalmente puede no cobrarse nunca, y para entonces, los tokens ya se habrán consumido.

La mejor respuesta es obvia, pero técnicamente muy compleja de implementar por uno mismo: rastrear el uso y cobrar en tiempo real. Esto es precisamente lo que Metronome y Tempo combinados pueden lograr.

Metronome es una empresa adquirida por Stripe que sirve a los modelos de facturación por uso más complejos, capaz de rastrear el uso en tiempo real a medida que se consumen los tokens. Tempo admite pagos con stablecoins de bajo costo y alta frecuencia, permitiendo liquidaciones instantáneas. Combinados, las empresas de IA pueden cobrar a medida que se consumen los tokens, sin tener que elegir entre un "límite duro" y una "factura impagable a posteriori".

Lo llamamos pagos en streaming: un nuevo modelo comercial nativo para la IA, adaptado al consumo de software a velocidad de máquina.

Todo esto es precisamente lo que la "infraestructura económica para la IA" necesita abarcar hoy.

Ya no se trata solo de proporcionar servicios de pago a empresas de IA, sino de proporcionar un sistema comercial para agentes, carteras para agentes, permitir que los agentes desplieguen software, admitir la facturación en torno a tokens, prevenir el fraude y abuso en el uso de tokens y proporcionar capacidades de pago en streaming para agentes.

La IA está cambiando el comercio y también la forma en que se construyen las empresas. Por lo tanto, la infraestructura también debe cambiar.

Stripe está construyendo todo esto.

Preguntas relacionadas

Q¿En qué ha cambiado el concepto de 'infraestructura económica para la IA' según Stripe en los últimos meses?

AEl concepto ha cambiado porque los agentes de IA se están convirtiendo en nuevos actores en internet. Esto implica dos nuevas tareas para Stripe: ayudar a los agentes a comprar y construir en nombre de personas o empresas, y ayudar a las empresas a adaptarse a los nuevos modelos económicos basados en el consumo de tokens.

Q¿Qué es el 'Machine Payments Protocol' (Protocolo de pagos para máquinas) y qué problema busca resolver?

AEl 'Machine Payments Protocol' es un protocolo creado en colaboración con Tempo. Permite a las empresas aceptar pagos de forma programática directamente desde agentes de IA, sin intervención humana. Resuelve el problema de que los agentes no pueden navegar páginas web o usar interfaces de pago diseñadas para humanos, necesitando una forma legible por máquina para entender los precios y realizar pagos.

Q¿Cómo ayuda 'Stripe Projects' a los agentes de IA en su papel de constructores?

AStripe Projects permite a los desarrolladores y a sus agentes de IA registrar, gestionar e integrar a través de la línea de comandos los diversos servicios necesarios para desplegar una aplicación. Su objetivo es hacer que el despliegue ('vibe-deploying') sea tan sencillo como la generación de código ('vibe-coding'), eliminando tareas manuales como la creación de cuentas, configuración de servicios y gestión de credenciales.

Q¿Por qué es fundamental la facturación basada en el uso para la monetización de productos de IA, y qué problema de fraude específico surge?

AEs fundamental porque en los productos de IA, cada entrada de 'prompt', llamada a la API o tarea de un agente tiene un costo marginal real (tokens). Las empresas ya no pueden cobrar solo por asientos/usuarios, sino que deben medir el uso en tiempo real y cobrar por los recursos consumidos. El problema de fraude específico que surge es el 'robo de tokens', donde estafadores crean cuentas, consumen grandes cantidades de tokens rápidamente y desaparecen antes de que venza la factura.

Q¿Qué son los 'pagos en flujo' (streaming payments) y cómo benefician a las empresas de IA según el artículo?

ALos 'pagos en flujo' son un nuevo modelo de negocio que combina la medición de uso en tiempo real (con Metronome) y la liquidación instantánea de pagos de bajo costo y alta frecuencia (con Tempo/Stablecoins). Permiten a las empresas de IA cobrar a medida que se consumen los tokens, evitando tener que elegir entre poner límites rígidos al consumo (mala experiencia) o facturar después con riesgo de impago.

Lecturas Relacionadas

Magnates de Silicon Valley se reúnen en un reality show de 'Werewolf', multimillonarios protagonizan un juego de poder

Un grupo de élite de Silicon Valley, incluidos Sam Altman (OpenAI), Palmer Luckey (Anduril) y otros fundadores e inversores clave, protagonizaron un insólito reality show titulado "MAFIA", producido por Founders Fund. En lugar de debatir sobre tecnología o negocios, los multimillonarios se reunieron en el legendario bar Tosca Cafe para jugar una partida del juego de roles "Mafia" (la versión estadounidense del "Werewolf"). El programa, más que entretenimiento, se presenta como un experimento psicológico. Bajo la presión del juego, donde la información es escasa y las decisiones deben ser rápidas, los participantes revelan sus auténticos estilos de pensamiento y personalidad. Altman analizó las intervenciones con frialdad lógica, Luckey fue eliminado pronto por su estilo provocador, y Moxie Marlinspike (Signal) demostró una habilidad magistral para manipular el marco de pensamiento del grupo. El episodio, que rápidamente acumuló miles de reproducciones en YouTube y X, simboliza una nueva estrategia en Silicon Valley: el "infotainment" (información + entretenimiento). Firmas de capital de riesgo como Founders Fund o a16z están apostando fuerte por crear contenido para controlar la narrativa y la influencia. El reality muestra que las habilidades desplegadas en el juego—defensa lógica, persuasión y toma de decisiones bajo incertidumbre—son las mismas que impulsan el éxito en el mundo real de los negocios y la tecnología.

marsbitHace 16 min(s)

Magnates de Silicon Valley se reúnen en un reality show de 'Werewolf', multimillonarios protagonizan un juego de poder

marsbitHace 16 min(s)

Esta función de "soñar" de ChatGPT, deseo que todas las IA la copien

ChatGPT ha lanzado un nuevo sistema de memoria basado en la tecnología Dreaming, que permite al modelo recordar automáticamente las preferencias del usuario, detalles de proyectos, planes de viaje y otros datos relevantes a partir de las conversaciones. A diferencia de la función anterior, que dependía de que el usuario solicitara explícitamente guardar información, este sistema identifica y sintetiza detalles de manera proactiva. Además, evalúa cuándo la información sigue siendo útil o ha quedado obsoleta, actualizando los recuerdos con el tiempo. La actualización incluye un "resumen de memoria" donde los usuarios pueden revisar, añadir o modificar la información que ChatGPT ha recopilado. También ofrece controles como conversaciones temporales (sin uso de memoria), opciones para eliminar recuerdos y la posibilidad de ver las fuentes que influyen en las respuestas personalizadas. Inicialmente disponible para usuarios Plus y Pro en EE.UU., se extenderá gradualmente a más países y a usuarios gratuitos. OpenAI destaca mejoras significativas en las pruebas: la precisión en la recuperación de hechos aumentó del 41,5% (2024) al 82,8% (2026), y la capacidad de mantener la información correcta en el tiempo pasó del 9,4% al 75,1%. Estos avances acercan a ChatGPT a un asistente personal más contextual y menos dependiente de interacciones aisladas, aunque también plantean cuestiones sobre privacidad y el control de los datos almacenados.

marsbitHace 1 hora(s)

Esta función de "soñar" de ChatGPT, deseo que todas las IA la copien

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片