La adopción de la inteligencia artificial en las empresas ha entrado en una fase decisiva: ya no basta con demostrar lo que la tecnología puede hacer. Ahora se exigen resultados concretos y, sobre todo, se examina con lupa cuánto cuesta realmente cada tarea que ejecuta un modelo de IA. El foco de la discusión empresarial se ha desplazado hacia el concepto de «token taming», es decir, el uso de tokens —las unidades mínimas en que los modelos de lenguaje procesan la información— de la manera más eficiente posible.
Así lo ha explicado el vicepresidente sénior y responsable de Celonis en Madrid, Jorge Ferrer, en declaraciones a Europa Press. El directivo ha subrayado que el consumo de tokens ha dejado de ser una cuestión puramente técnica para convertirse en una preocupación económica. «Los directores financieros están analizando minuciosamente los presupuestos destinados a la IA y rechazan la cultura del ‘tokenmaxxing’, caracterizada por un consumo desenfrenado y unos costes desorbitados», ha valorado (Europa Press).
La tendencia tiene una explicación sencilla: a medida que las compañías extienden la IA a miles de empleados, procesos y operaciones, prácticas como las instrucciones excesivamente largas, las consultas redundantes o las comprobaciones continuas pueden multiplicar el trabajo del modelo hasta generar una factura considerable. En este marco, la «austeridad de tokens» busca optimizar la ejecución de la IA empresarial. «No se trata de usar menos tokens, sino de usarlos de la manera más eficiente posible», ha insistido Ferrer (El Economista).
Para lograr esa eficiencia, el directivo ha incidido en que la IA necesita entender cómo fluye el trabajo en cada organización, porque conectar un modelo con los datos empresariales no es suficiente: debe comprender cómo se relacionan esos datos dentro de los procesos, qué reglas condicionan cada decisión, qué excepciones pueden producirse y cuál es el objetivo operativo que se persigue. Con ese contexto, los agentes pueden derivar cada tarea al modelo adecuado, asignando los pasos sencillos a sistemas más rápidos y baratos y las tareas complejas a modelos de mayor razonamiento, aunque resulten más costosos (Diario Estrategia).
La solución concreta que respalda esta aproximación es el Celonis Context Model, que aporta a los agentes ese contexto operativo imprescindible para operar con disciplina, previsibilidad y alineación con los resultados del negocio, en lugar de desperdiciar tokens en suposiciones e hipótesis probabilísticas sucesivas (Europa Press).
#IA #InteligenciaArtificial #Tokens #Celonis #CFO #TransformaciónDigital #EficienciaEmpresarial