Tokenomics: FinOps controla el gasto en IA

El 98 % de los profesionales de FinOps ya gestionan el gasto en IA, frente al 31 % de hace dos años. Esto sitúa la tokenómica en la agenda de CIO, CTO y consejos de administración.

RelacionadoTres presupuestos de IA, sin factura consolidada  /  ¿Computación cuántica: la solución para la sed energética de la IA?

FinOps gestiona los costes de IA y se acerca al responsable tecnológico

La encuesta State of FinOps 2026 de la FinOps Foundation, basada en 1.192 respuestas, representa un gasto anual en cloud superior a 76.000 millones de euros. La conclusión es clara: la gestión de costes de IA ha pasado de ser un tema marginal a una tarea central. El 98 % de los profesionales de FinOps ya gestionan el gasto en IA, frente al 31 % de hace dos años. Además, la gestión de costes de IA es la dimensión de habilidades más mencionada por los equipos como necesaria.

Esto implica un cambio en la estructura organizativa. El 78 % de las prácticas de FinOps reportan al CTO o al CIO. Con la implicación del C-Level y los vicepresidentes, aumenta la influencia en la selección tecnológica. Para los responsables digitales en organizaciones del DACH, esto significa que los presupuestos de IA y las decisiones sobre modelos deben integrarse en el mismo circuito de control que el portfolio cloud y la gobernanza de proveedores, una vez que FinOps se vincule de manera visible al responsable tecnológico.

La encuesta se publicará el 19 de febrero de 2026 y marca el punto de partida empírico para un debate que, a lo largo del año, se ampliará para incluir la tokenómica y los estándares abiertos. Quienes gestionan la IA únicamente como una canalización de características y corrigen los costes a posteriori perderán el ritmo de la nueva norma en esta disciplina.

Valor, autofinanciación y la presión detrás del crecimiento de la IA

En la práctica de FinOps, ya no basta con optimizar el desperdicio. Alcances, gobernanza, alineación y previsión pesan más en conjunto que la optimización por sí sola. El objetivo es el valor, es decir, la contribución de las inversiones en cloud e IA al resultado empresarial, y no solo la siguiente reducción porcentual de costes.

Muchas organizaciones pretenden financiar las inversiones en IA con los ahorros de optimización. Este autofinanciación vincula la presión por la eficiencia con el crecimiento de la IA: cada euro liberado de margen en las disciplinas de cloud e inferencia puede destinarse a nuevos modelos, agentes o casos de uso. Para los consejos de administración, esto implica una doble misión de control. Los programas de eficiencia financian la innovación, y la innovación, a su vez, aumenta el consumo si el consumo y la gobernanza no crecen al mismo ritmo.

McKinsey respalda la brecha de madurez desde una perspectiva secundaria. En su encuesta Enterprise AI FinOps de mayo de 2026, referenciada en julio de 2026, solo entre el 20 % y el 25 % de las empresas disponen de prácticas maduras de FinOps para IA. Además, entre el 20 % y el 30 % del gasto en IA suele no estar correctamente asignado. Según McKinsey, una gestión inteligente del consumo puede ahorrar entre un 20 % y un 30 % de los costes de IA. La consecuencia estratégica es evidente: sin asignación y diseño del consumo, el autofinanciación sigue siendo una esperanza en lugar de un ciclo controlable.

La tokenómica convierte el token en la unidad de control atómica

Según J.R. Storment, director ejecutivo de la FinOps Foundation, la tokenómica es FinOps aplicado a la IA. El token es la unidad atómica de facturación y control de la inferencia, sin ser un token de propiedad ni una métrica de especulación. Storment estableció este marco en mayo de 2026: los costes y la eficiencia de los tokens deben formar parte de la agenda del CEO.

Los tokens se comportan de manera distinta a los recursos clásicos de la nube. Los tokens de entrada del usuario y los tokens de *prompt* realmente facturados en el punto final de la API pueden divergir. El monitoreo en tiempo real de métricas de tokens y API es, según la FinOps Foundation, esencial para evitar excesos presupuestarios. Quien solo revise las facturas mensuales reacciona demasiado tarde.

Al mismo tiempo, los tokens son solo una capa en la pila de costes de IA. Junto a ellos están la GPU y la computación, el *embedding* de SaaS, la IA en la sombra (*shadow AI*) y los esfuerzos de ingeniería y gobernanza. Una visión centrada exclusivamente en los tokens resulta incompleta. En junio de 2026, *CIO Dive* resumió: los tokens son solo una parte del gasto en IA, pero la capa más fácil de medir. Precisamente por eso son un buen punto de partida para esta disciplina, sin reemplazar al resto de la pila.

Cinco impulsores de consumo y precios unitarios en caída con un gasto agregado en aumento

Cinco factores determinan el consumo de tokens por solicitud: el *overhead* del *prompt* del sistema, el contexto y la memoria, la elección del modelo, la longitud de la salida, así como los reintentos y la orquestación. Los agentes y el RAG pueden incrementar el consumo entre uno y dos órdenes de magnitud. Para la gestión de carteras, esto significa que la unidad más cara rara vez es una sola conversación, sino una cadena orquestada de recuperación, herramientas y múltiples llamadas.

La elección del modelo sigue siendo un factor directo. Utilizar de forma indiscriminada los modelos más caros y complejos para cada tarea impulsa costes innecesarios. El modelo debe ajustarse al contexto y a los requisitos de calidad. Esto queda respaldado académicamente por FrugalGPT, de Lingjiao Chen, Matei Zaharia y James Zou (2023): según los autores, el encadenamiento (*cascading*) y el enrutamiento de modelos pueden reducir hasta un 98 % de los costes frente a una línea base con GPT-4, con un rendimiento comparable. Para los CIOs, esto demuestra que el enrutamiento y el encadenamiento deben formar parte de la arquitectura estándar.

Los precios unitarios por token pueden caer, mientras el gasto agregado aumenta. La demanda es elástica: unidades más económicas generan mayor uso, contextos más largos y más ejecuciones de agentes. Storment resume esta paradoja señalando que un token puede abaratarse, pero el conjunto de tokens no. La planificación presupuestaria que solo proyecta el precio por millón de tokens ignora esta expansión de volumen.

McKinsey define la tokenómica de manera más amplia como los costes de *prompt* e inferencia: la elección del modelo, el enrutamiento, la orquestación, el comportamiento de los agentes, el diseño de flujos de trabajo, la utilización de la infraestructura y la eliminación de desperdicios forman parte de ello. Así, la arquitectura y el modelo operativo pasan a ocupar el mismo círculo de control que el contador de tokens.

Estándares, cuotas y gobernanza de partes interesadas para la IA a escala

El 3 de junio de 2026, la Linux Foundation anunció su intención de crear la Tokenomics Foundation para establecer estándares abiertos, benchmarks y mejores prácticas en la economía de costes de la IA, en colaboración con la FinOps Foundation. Jim Zemlin, CEO de la Linux Foundation, considera los tokens como la nueva unidad de gasto tecnológico y destaca la falta de estándares neutrales para la eficiencia de tokens que trasciendan modelos y proveedores. En este contexto, J.R. Storment insiste nuevamente en que los costes y la eficiencia de los tokens deben negociarse a nivel de CEO.

Las mejores prácticas de la FinOps Foundation incluyen cuotas, etiquetado (*tagging*), asignación de GPU y gobernanza de partes interesadas con Data Science, Compras (*Procurement*) y Finanzas. Según *CIO Dive* en junio de 2026, la Tokenomics Foundation trabajará junto a la FinOps Foundation en el desarrollo de prácticas para la IA empresarial a escala. Para las organizaciones en la región DACH con múltiples proveedores de nube y modelos, esto es una señal para construir sistemas internos de medición y etiquetado que sean compatibles con futuros benchmarks sectoriales.

Las fuentes primarias no aportan argumentos en contra de la tokenómica como concepto innecesario. Las contrapartidas se encuentran dentro de la disciplina: la optimización por sí sola no basta, el token no es toda la pila y los niveles de madurez en la mayoría de las empresas aún son bajos. Precisamente estas tensiones internas hacen que la gestión sea compleja y apta para la junta directiva.

Qué deben definir ahora los CIO y CDO en el portfolio

En primer lugar: asignar el gasto en IA a la línea de reporting de FinOps al CTO o CIO y definir responsabilidades para cuotas, etiquetas y alertas de presupuesto. En segundo lugar: consolidar el diseño de consumo y el enrutamiento de modelos como principio arquitectónico, en lugar de limitarse a revisar facturas. En tercer lugar: hacer transparentes los ahorros que generan las inversiones en IA y los riesgos que surgen para el gasto agregado.

En cuarto lugar: mapear la estructura de costes de IA, es decir, tokens, GPU y computación, SaaS de embeddings, IA en la sombra y esfuerzo de gobernanza. En quinto lugar: institucionalizar rondas con stakeholders de Data Science, Compras y Finanzas. En sexto lugar: exigir el monitoreo en tiempo real de métricas de tokens y API para detectar excesos presupuestarios antes de que cierre el mes.

Quien aplique estos mecanismos gestionará la IA como un portfolio con una lógica de valor medible. Las cifras del informe State of FinOps 2026, la clasificación de tokenómica de la FinOps Foundation y la futura Fundación de Tokenómica de la Linux Foundation apuntan en la misma dirección: la economía de costes de la IA pasa del margen de la factura de la nube al centro y se convierte en una herramienta de liderazgo para las decisiones tecnológicas en la empresa.

Preguntas frecuentes

Más del grupo de medios MBF Media

Fuente de la imagen: Generada por IA (agosto 2026)