El consejero delegado de Palantir Technologies, Alex Karp, acusó a OpenAI y Anthropic de vender en exceso servicios de IA basados en tokens que, según afirmó, a menudo generan un valor medible muy limitado para las grandes corporaciones.
Puntos clave:
- Karp sostiene que las empresas están pagando por tokens de IA sin obtener resultados que justifiquen el gasto.
- Argumenta que los proveedores también podrían acceder a conocimiento propietario y a información competitiva de sus clientes.
- La crítica se enmarca en un debate más amplio sobre si el precio de la IA debe vincularse al uso o a los resultados de negocio.
El precio de los tokens de IA
Karp lanzó estas críticas en una entrevista con CNBC, en la que cuestionó la lógica económica de cobrar a las empresas en función del número de tokens procesados por un modelo de IA.
«¿Por qué cobran por tokens si es tan valiosa?», se preguntó Karp, defendiendo que los proveedores deberían, en su lugar, quedarse con una parte del valor que sus sistemas generan para los clientes.
También advirtió de que las empresas corren el riesgo de ceder conocimiento propietario cuando conectan sus datos internos y flujos de trabajo con modelos externos. Karp describió a muchas compañías como cada vez más frustradas tras haber invertido fuertes sumas en herramientas de IA sin ver aumentos de productividad equivalentes.
La crítica encaja directamente con el posicionamiento comercial de Palantir, que vende software diseñado para integrar modelos, datos y sistemas operativos dentro de entornos controlados.
Aun así, sus declaraciones reflejan una inquietud corporativa más amplia acerca de los costes, la gobernanza de los datos y los discretos retornos de las primeras implantaciones de IA.
También te puede interesar: Bitget lanza Cash Plus para pagar rendimiento sobre saldos ociosos en stablecoins
Rentabilidad de la IA empresarial
El argumento de Karp gira en torno a la brecha entre el output técnico y los resultados de negocio. La facturación por tokens mide cuántos textos o datos procesa un modelo, pero no indica si ese trabajo aumenta los ingresos, recorta costes o mejora la toma de decisiones.
Esa diferencia es crucial a medida que los compradores corporativos se vuelven más exigentes.
Sam Altman ha reconocido que el gasto en IA y la eficiencia se han convertido en prioridades para los directivos, mientras las compañías prueban modelos más económicos y derivan cargas de trabajo entre varios proveedores.
Karp propone un esquema de precios basado en resultados, en el que el proveedor de IA cobre en función de mejoras medibles. Este enfoque podría recortar el gasto en usos poco productivos, aunque exigiría que empresas y proveedores acuerden cómo se calcula ese valor.
La controversia llega tras años de adopción acelerada en la empresa, impulsada por la expectativa de que los modelos de propósito general transformarían el trabajo rutinario. A medida que los proyectos piloto maduran, los compradores desplazan el foco desde la mera capacidad del modelo hacia la propiedad de los datos, la seguridad y el retorno documentado.
Próxima lectura: El mercado de stablecoins pierde 10.000 millones desde el máximo de mayo mientras se contrae la liquidez cripto