Puntos clave:
Una única métrica de eficiencia podría determinar qué empresa de IA alcanza la valoración más alta, y no tiene nada que ver con los ingresos.
El director ejecutivo de Perplexity, Aravind Srinivas, afirmó el miércoles que las empresas capaces de maximizar el «valor por vatio por token de usuario» emergerán como las ganadoras a largo plazo en inteligencia artificial, proponiendo un marco que desplaza el enfoque del inversor del crecimiento de los ingresos brutos a la eficiencia operativa. La métrica combina precisión, latencia, coste, privacidad e inteligencia en un único ratio de producción económica por unidad de energía consumida, según declaró en una entrevista con CNBC.
«Quien pueda maximizar eso —equilibrando precisión, latencia, coste, privacidad e inteligencia— será el ganador a largo plazo», afirmó Srinivas. Contrastó su marco con lo que describió como un crecimiento de ingresos a corto plazo impulsado por precios elevados, señalando que algunos proveedores de modelos «parece que están ganando mucho dinero porque sus modelos son muy caros», pero que esos ingresos podrían no traducirse en una ventaja competitiva duradera.
Estas declaraciones llegan en un momento en que los costes de los tokens de IA se han desplomado de aproximadamente 20 dólares por millón de tokens a finales de 2022 a alrededor de 0,40 dólares por millón de tokens a mediados de 2025, según datos de Epoch AI. Sin embargo, el gasto total empresarial en IA se ha movido en la dirección opuesta: el gasto mensual medio en IA corporativa aumentó a 85 500 dólares en 2025, frente a los 63 000 dólares de 2024, y casi la mitad de las empresas gastan ahora más de 100 000 dólares al mes en infraestructura o servicios de IA. Esta divergencia —tokens más baratos que impulsan un consumo exponencialmente mayor— refleja el efecto de la paradoja de Jevons que el CEO de Mercor, Brendan Foody, describió recientemente al afirmar que su startup gasta ahora más en tokens de IA que en salarios de empleados.
La métrica de eficiencia que podría redefinir las valoraciones de IA
El marco de Srinivas llega en un momento en que la industria de la IA se enfrenta a una creciente desconexión entre el gasto y los rendimientos. Las investigaciones muestran que el 85 % de las empresas tienen dificultades para demostrar un retorno de la inversión claro en sus despliegues de IA, incluso cuando las capacidades de los modelos mejoran a un ritmo acelerado. El director de operaciones de Uber, Andrew Macdonald, dijo recientemente que aún no ha visto un vínculo proporcional entre el aumento del gasto en tokens de IA y las ganancias de productividad, lo que subraya el desafío de traducir el progreso técnico en resultados empresariales medibles.
La propia Perplexity ilustra la brecha de valoración que la métrica de Srinivas pretende abordar. La startup de búsqueda con IA está valorada en aproximadamente 20 000 millones de dólares, según informes —una fracción de la estimada valoración de Anthropic de 1 billón de dólares y del precio de OpenAI, superior a 850 000 millones de dólares. Al proponer un marco que pondera la eficiencia por encima de la escala, Srinivas está defendiendo que el enfoque más ajustado de Perplexity en la gestión de costes de inferencia podría ofrecer rendimientos superiores por dólar, incluso sin igualar los presupuestos de cómputo bruto de sus rivales más grandes.
La compañía está expandiendo simultáneamente su presencia de producto. Perplexity Computer, un agente de IA capaz de ejecutar tareas complejas de múltiples pasos durante periodos prolongados, ya está disponible en Microsoft Windows tras su lanzamiento en la plataforma Mac de Apple en febrero. La versión para Windows puede acceder a Word, Outlook y archivos locales del dispositivo, ampliando el alcance de Perplexity desde la búsqueda en la nube hacia la productividad en el dispositivo —un movimiento que la sitúa en competencia directa con Copilot de Microsoft y el agente Codex de OpenAI, que Microsoft integró recientemente con su nuevo entorno aislado Execution Containers (MXC) para el despliegue seguro de agentes.
La expansión a Windows brinda a Perplexity acceso al sistema operativo que impulsa la mayoría de los ordenadores de empresa, pero también sitúa a la startup en competencia con las propias ambiciones de IA de Microsoft. El Proyecto Solara de Microsoft, presentado en Build esta semana, prevé un futuro en el que los dispositivos ejecuten agentes de IA en lugar de aplicaciones tradicionales, mientras que su plataforma MXC proporciona un contenedor de seguridad a nivel de núcleo para agentes autónomos —una infraestructura dentro de la cual el agente de Perplexity deberá operar en las máquinas Windows.
Para los inversores, la métrica de eficiencia de Srinivas ofrece una nueva óptica para evaluar empresas de IA en un momento en que la industria gasta cientos de miles de millones en infraestructura con un retorno incierto. Las empresas que puedan demostrar menores costes de inferencia por resultado exitoso —ya sea mediante la arquitectura del modelo, la optimización del hardware o un diseño de flujo de trabajo más inteligente— podrían obtener valoraciones superiores, incluso si sus ingresos absolutos van por detrás de competidores más grandes. La cuestión es si el mercado adoptará una métrica que penaliza la misma escala que ha impulsado las ganancias más espectaculares del sector de la IA.
Este artículo tiene fines informativos únicamente y no constituye asesoramiento de inversión.
