El consejero delegado de Palantir Technologies, Alex Karp, acusó a OpenAI y Anthropic de sobredimensionar los servicios de inteligencia artificial basados en tokens, que, según afirmó, a menudo generan escaso valor cuantificable 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 pueden acceder a conocimiento propio y ventajas competitivas de sus clientes.
- La crítica se enmarca en el debate 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 realizó estas declaraciones en una entrevista con CNBC, donde cuestionó el modelo económico que implica cobrar a las compañías en función del número de tokens procesados por un modelo de IA.
“¿Por qué cobran por tokens si es tan valioso?”, planteó Karp, defendiendo que los proveedores deberían, en cambio, participar en una parte del valor que sus sistemas generen para los clientes.
También advirtió de que las empresas se arriesgan a ceder conocimiento estratégico cuando conectan sus datos internos y flujos de trabajo con modelos externos. Karp describió a las compañías como cada vez más frustradas tras invertir fuertes sumas en herramientas de IA sin observar mejoras de productividad acordes.
La crítica encaja directamente con la posición comercial de Palantir, que vende software diseñado para integrar modelos, datos y sistemas operativos dentro de entornos controlados.
Aun así, sus comentarios reflejan una preocupación empresarial más amplia sobre costes, gobernanza de datos y retornos limitados de las primeras implantaciones de IA.
También lea: Bitget lanza Cash Plus para remunerar saldos ociosos en stablecoins
Retornos de la IA corporativa
El planteamiento de Karp se centra en 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 incrementa los ingresos, reduce los costes o mejora la toma de decisiones.
Esta diferencia gana peso a medida que los compradores corporativos se vuelven más selectivos.
Sam Altman ha reconocido que el gasto en IA y su eficiencia son ahora cuestiones centrales para los directivos, mientras las empresas prueban modelos más baratos y distribuyen las cargas de trabajo entre varios proveedores.
Karp ha propuesto un modelo 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 obligaría a empresas y proveedores a pactar cómo se calcula el valor generado.
La disputa llega tras años de rápida adopción empresarial impulsada por la expectativa de que los modelos de propósito general transformarían las tareas rutinarias. A medida que los programas piloto maduran, los compradores están desplazando el foco desde la capacidad técnica del modelo hacia la propiedad de los datos, la seguridad y el retorno documentado de la inversión.
Lea a continuación: El mercado de stablecoins pierde 10.000 millones de dólares desde el máximo de mayo mientras se contrae la liquidez cripto