Los datos de Ramp muestran que el gasto en IA por empleado cayó en agosto en las empresas líderes
Los datos de Ramp muestran que la adopción de IA apenas creció en agosto mientras los usuarios más intensivos recortaban el gasto, lo que plantea dudas sobre la economía de tokens, los precios de los modelos y la demanda empresarial.
La adopción de IA entre las empresas se estancó casi por completo en agosto, mientras que las compañías que más utilizaban IA redujeron de forma acusada el gasto por empleado, según datos de pagos de Ramp. Las cifras plantean una pregunta más importante que si los empleados estaban fuera por el verano: ¿están empezando a frenar el crecimiento de los ingresos de los proveedores de modelos y de las empresas de nube que financian la actual expansión de la IA la caída de los precios y los modelos más baratos?
El análisis de Ramp abarca el gasto de unas 70.000 empresas. Encontró que el 56 % de sus clientes pagó por productos de IA en agosto, apenas 0,4 puntos porcentuales más que en julio. Entre el 1 % superior de las empresas usuarias de IA de la muestra, el gasto en IA por empleado cayó casi un 10 % hasta 7.205 dólares.
Las cifras no demuestran que la demanda empresarial de IA se haya debilitado de forma permanente. Agosto es un mes cargado de vacaciones, y la base de clientes de Ramp está más orientada a la tecnología que la población empresarial en general. Pero los datos ofrecen una de las pocas visiones directas del gasto corporativo y apuntan a una tensión en el centro del mercado: el uso de IA puede seguir creciendo mientras la cantidad pagada por cada unidad de uso disminuye.
Los datos de Ramp apuntan a una pausa, no a un veredicto
Ramp ya había registrado antes un patrón estacional similar. Su índice de IA mostró poco o ningún crecimiento en la adopción entre agosto y octubre del año pasado, antes de que la actividad se acelerara hacia final de año. Ese antecedente apoya la posibilidad de que la última desaceleración sea temporal.
La muestra también requiere una interpretación cuidadosa. Es probable que los clientes de Ramp se sientan más cómodos comprando software y productos de IA que la empresa promedio. Una encuesta en curso de la Oficina del Censo de EE. UU., actualizada el 23 de agosto, encontró que el 22 % de las empresas informaban usar IA, bastante por debajo del 56 % de Ramp. Las dos mediciones no son directamente comparables, pero la brecha ilustra por qué las cifras de Ramp deben considerarse una señal de un segmento intensivo en software más que una medida completa de la economía.
Incluso con esas limitaciones, el conjunto de datos importa porque el comportamiento de gasto puede revelar cambios que las encuestas de productos pasan por alto. Si las empresas siguen experimentando con IA pero se desplazan hacia modelos menos costosos, o reducen el uso durante periodos de menor actividad de los empleados, la adopción en los titulares podría seguir siendo positiva mientras los ingresos de los proveedores crecen más lentamente.
Los menores costes de tokens están cambiando la economía
El economista de Ramp, Ara Kharazian, atribuyó parte de la caída del gasto por empleado al descenso de los precios de los tokens. El análisis de la empresa situó el coste medio en 0,68 dólares por millón de tokens en agosto, frente a un máximo de 1,15 dólares en marzo de 2026. OpenAI y Anthropic han recortado precios, según el informe de TechCrunch, haciendo más barato para los clientes un volumen comparable de uso de modelos.
Eso es beneficioso para las empresas que despliegan IA, pero crea una ecuación de crecimiento difícil para los proveedores de modelos. Los laboratorios necesitan volúmenes más altos para compensar los precios más bajos. Las cifras de Ramp sugieren que, al menos hasta agosto, el aumento del uso no había compensado por completo las reducciones entre sus clientes con mayor gasto.
El cambio también puede reflejar una sustitución de modelos. Según los informes, las empresas están eligiendo sistemas más antiguos y baratos, incluido ChatGPT 5.6-Terra de OpenAI y Anthropic Sonnet, en lugar de pagar por las versiones frontier más recientes. Para tareas rutinarias de resumen, redacción, clasificación y búsqueda interna, los compradores pueden decidir que un modelo más barato ofrece un resultado suficiente. Eso hace que la calidad del modelo sea solo uno de los factores en las decisiones de compra; el precio, la latencia, la fiabilidad y los costes de integración pueden importar tanto como ella.
El informe también encontró que solo el 6,4 % de las empresas que gastan en IA utilizaron plataformas de serving o inferencia de modelos en agosto. Esa proporción está aumentando, pero no lo bastante rápido, en opinión de Ramp, como para reconfigurar la adopción empresarial en general. El resultado es un mercado que sigue dominado por productos de IA empaquetados más que por un despliegue corporativo amplio de modelos alojados de forma independiente.
Por qué la señal importa para los creadores de IA
Para los laboratorios frontier, las cifras de agosto cuestionan la suposición de que la adopción rápida de herramientas de IA generará automáticamente suficiente uso de pago como para justificar enormes inversiones en entrenamiento e infraestructura. Los ingenieros de software han impulsado una fuerte demanda de herramientas de codificación agéntica, pero una desaceleración en esa categoría afectaría tanto al consumo de modelos como a los proveedores de software construidos en torno a ellos.
Para los desarrolladores, la lección inmediata es modelar los ingresos en torno a flujos de trabajo completados, no solo al volumen de tokens. Un producto que se vuelve más barato de operar puede ser más atractivo para los clientes, pero su proveedor no puede asumir que unos precios unitarios más bajos se compensarán con suficientes llamadas adicionales. Los equipos deberían seguir usuarios activos, finalización de tareas, retención y resultados del cliente junto con el consumo de tokens.
Los compradores empresariales tienen un incentivo distinto. La caída de los costes de tokens puede mejorar el caso de negocio de la IA, especialmente para cargas de trabajo de gran volumen. También puede facilitar probar varios modelos y dirigir cada tarea al sistema menos costoso que cumpla con los requisitos de calidad y seguridad. Pero los ahorros pueden desaparecer si las organizaciones añaden orquestación costosa, monitorización, revisiones de seguridad o supervisión humana sin medir las ganancias de productividad resultantes.
Las cifras también ayudan a explicar por qué las empresas de IA están persiguiendo a usuarios no técnicos con productos más amplios de coworking y asistentes de IA. Los clientes técnicos más avanzados pueden estar optimizando agresivamente el precio, mientras que los equipos menos técnicos podrían representar nuevas categorías de demanda. Ganar a esos usuarios requeriría un despliegue más sencillo y un valor empresarial más claro, no solo un mejor rendimiento en benchmarks.
La evidencia y las afirmaciones siguen siendo limitadas
Las cifras más sólidas de esta historia son mediciones proporcionadas por el proveedor Ramp y reportadas por TechCrunch. No son un censo sectorial auditado, y la fuente no ofrece un desglose completo por tamaño de empresa, sector, geografía, carga de trabajo o el efecto de las vacaciones de los empleados. La comparación con la Oficina del Censo es un contexto útil, pero no demuestra que la adopción nacional de IA se ralentizara en agosto.
La interpretación de Kharazian de que la competencia entre OpenAI y Anthropic está empujando los precios y el gasto a la baja es un análisis ejecutivo de los datos de Ramp, no una explicación verificada de forma independiente. Del mismo modo, la sugerencia de que los laboratorios frontier aún no han sustituido las reducciones de precios con suficiente volumen debe leerse como una inferencia de mercado a partir de la tendencia de gasto reportada.
Esas salvedades no hacen irrelevante el resultado. Definen lo que puede respaldar: una advertencia sobre la monetización y la presión sobre los precios entre los clientes orientados a la tecnología, más que una prueba de que la demanda empresarial de IA haya entrado en un descenso duradero.
Qué observar a continuación
Las próximas lecturas de Ramp mostrarán si agosto fue una caída estacional recurrente o el inicio de un cambio más amplio. Un nuevo aumento en la proporción de empresas que pagan por IA, combinado con un mayor gasto por empleado, apoyaría la explicación de la calma veraniega.
Los precios de los modelos y los volúmenes de uso serán igualmente importantes. Si OpenAI y Anthropic continúan reduciendo precios mientras el consumo total de tokens aumenta con fuerza, los laboratorios aún podrían expandir ingresos mediante escala. Si los clientes siguen migrando a modelos más baratos y el crecimiento del uso sigue siendo modesto, la presión sobre la economía de los modelos frontier será más difícil de descartar.
Los desarrolladores también deberían vigilar la adopción de plataformas de inferencia, la durabilidad de las herramientas de codificación agéntica y si los productos de IA para no técnicos generan una nueva demanda de pago. Para los compradores empresariales, las señales útiles estarán menos en el uso agregado de modelos que en las tasas de renovación, las mejoras medibles en los flujos de trabajo y el coste total de operar sistemas de IA en producción.
Perspectiva de Creati.ai
Los datos de agosto de Ramp se entienden mejor como una prueba de estrés para las hipótesis de ingresos del mercado de IA. Los modelos más baratos son una buena noticia para los clientes, pero obligan a los proveedores a demostrar que precios más bajos crean suficiente uso adicional —o suficientes usuarios nuevos— para sostener el gasto en infraestructura.
La conclusión a corto plazo no es que la IA empresarial se haya estancado. Es que la adopción y la monetización se están divergiendo. Los creadores de IA que puedan mostrar un valor duradero en los flujos de trabajo, controlar los costes de inferencia y atender a clientes sensibles al precio estarán mejor posicionados que aquellos que dependan solo del aumento del consumo de tokens.
