Torras.ai

Hi ha alguna cosa lleugerament estranya en la manera com parlem de la IA avui dia. La majoria de converses encara estan ancorades en la qualitat del model, la latència i el cost dels tokens. Els equips controlen acuradament quants tokens consumeixen, com de ràpides són les respostes i quant costa cada crida a l’API. Però es presta molta menys atenció a una pregunta molt més important: què produeixen realment aquests tokens en termes de negoci?

En onades tecnològiques anteriors, finalment vam aprendre a connectar la infraestructura amb els resultats. En el cloud computing, vam passar del càlcul brut al cost per càrrega de treball. En el SaaS, vam evolucionar cap a mètriques com els ingressos per usuari o per crida d’API. Aquestes abstraccions van permetre a les empreses raonar econòmicament sobre la tecnologia. Amb la IA, però, encara estem encallats una capa per sota. Estem mesurant entrades, no sortides.

A mesura que els sistemes d’IA s’integren més en els fluxos de treball reals, aquesta bretxa esdevindrà cada cop més problemàtica. Els tokens no són només un artefacte tècnic; ràpidament s’estan convertint en la unitat atòmica de treball dels sistemes d’IA. Cada classificació, decisió, missatge generat o acció automatitzada està, en última instància, impulsada per tokens. Tot i així, poques vegades ens preguntem quin valor econòmic genera cada unitat d’aquest treball.

Un megatoken es pot entendre com una unitat pràctica de treball d’IA—un milió de tokens que representen un paquet mesurable de computació utilitzada per fer tasques, prendre decisions i executar fluxos de treball. A mesura que els agents d’IA assumeixen processos més grans i complexos, escalar de megatokens a gigatokens o fins i tot teratokens esdevé anàleg a escalar la producció industrial: no només més computació, sinó més treball completat. En aquest sentit, els tokens evolucionen d’una mètrica tècnica a una unitat de producció, permetent a les empreses raonar sobre quanta “mà d’obra d’IA” s’està consumint—i quin valor genera.

És aquí on comença a emergir una nova mètrica—una que, tot i que encara no està estandarditzada, sembla inevitable: retorn per megatoken. A escala, això es podria expressar com la quantitat d’ingressos generats o costos estalviats per cada milió de tokens consumits. Es pot veure com el fonament d’una nova “economia del megatoken”, on els tokens no es tracten només com un cost a minimitzar, sinó com un recurs a desplegar eficientment.

La raó per la qual aquesta mètrica no s’utilitza àmpliament avui dia no és perquè li falti rellevància, sinó perquè la majoria de sistemes no estan estructurats per donar-li suport. En moltes organitzacions, la IA encara es desplega com una capa fina sobre els fluxos de treball existents, normalment en forma de copilots o assistents. Aquests sistemes assisteixen els humans però no són responsables dels resultats, cosa que dificulta atribuir el valor de negoci directament a l’ús de la IA. Al mateix temps, els fluxos de treball continuen sent fragmentats, amb múltiples eines, persones i crides d’IA contribuint a un sol resultat. En aquest entorn, mesurar el retorn esdevé complicat, i els equips tendeixen a controlar el que és més fàcil: l’ús.

Els agents canvien aquesta dinàmica de manera fonamental. Com que els agents estan dissenyats per operar fluxos de treball de principi a fi i assumir la responsabilitat dels resultats, creen una correspondència molt més clara entre els tokens consumits i el valor produït. Si un agent processa milers de tiquets de suport, qualifica oportunitats o executa operacions financeres de manera autònoma, es fa possible comparar directament el cost de fer funcionar aquest sistema en tokens i infraestructura amb el valor econòmic que genera. Per primera vegada, el retorn per megatoken es pot mesurar de manera significativa.

Aquest canvi també replanteja com les organitzacions pensen sobre l’eficiència. Avui dia, gran part de l’atenció se centra en reduir l’ús de tokens—optimitzant prompts, seleccionant models més barats i minimitzant els costos d’inferència. Tot i que aquestes optimitzacions són importants, fàcilment poden convertir-se en un màxim local. Un sistema que utilitza menys tokens però només millora lleugerament la productivitat pot ser molt menys valuós que un que consumeix més tokens mentre automatitza completament un flux de treball d’alt impacte. En altres paraules, l’eficiència no s’hauria de definir per quant poc gastes en tokens, sinó per quant valor n’extreus.

De cara al futur, no és difícil imaginar un món on les empreses controlin i comparin activament aquesta mètrica. En lloc de centrar-se només en l’ús o el cost, les organitzacions podrien avaluar els seus sistemes d’IA segons el valor econòmic que generen per cada milió de tokens. Els quadres de comandament interns podrien mostrar que un agent de vendes produeix 15.000 $ en pipeline per cada milió de tokens, mentre que un agent de suport estalvia 10.000 $ en costos operatius per la mateixa quantitat de computació. Amb el temps, aquests referents guiarien les decisions d’inversió, el disseny de sistemes i els esforços d’optimització.

Arribat aquest punt, els tokens deixarien de ser percebuts principalment com un centre de costos. En canvi, es tractarien com una unitat de producció, similar als cicles de computació en èpoques tecnològiques anteriors. La qüestió estratègica ja no seria com minimitzar-ne l’ús, sinó com assignar-los als fluxos de treball de més valor.

Aquesta perspectiva té implicacions més àmplies sobre com les empreses aborden la IA. En lloc de desplegar la IA de manera generalitzada i experimentar amb molts casos d’ús de poc impacte, les organitzacions estarien incentivades a identificar un nombre més reduït de fluxos de treball d’alt apalancament on el retorn per megatoken sigui més alt. Aquests fluxos de treball s’integrarien profundament, serien propietat dels agents i s’optimitzarien contínuament—no només pel rendiment, sinó pel resultat econòmic.

Si els darrers dos anys han estat per aprendre a utilitzar la IA, la pròxima fase serà aprendre a mesurar-la correctament. I, com en canvis tecnològics anteriors, les empreses que defineixin i adoptin les mètriques adequades primer tindran un avantatge significatiu.

Al final, la pregunta és simple però poderosa: per cada milió de tokens que consumeix la teva empresa, quin valor n’obtens?

La resposta a aquesta pregunta pot aviat convertir-se en un dels indicadors d’èxit més importants de l’era de la IA.

I un cop comencis a fer-te-la seriosament, una altra pregunta sorgeix de manera natural:

quins sistemes, quins fluxos de treball i quins agents estan realment generant aquest valor?

És aquí on està emergint una nova capa d’infraestructura—una centrada no en generar tokens, sinó en orquestrar, mesurar i optimitzar el treball que fan aquests tokens.

A Guanta, aquest és exactament el problema en què ens centrem: ajudar les empreses a passar de l’ús de la IA als resultats impulsats per la IA, i del consum de tokens al retorn econòmic mesurable.

Perquè, al final, les empreses que guanyin no seran les que utilitzin més IA.

Seran les que n’extreguin més valor.