La IA generativa está desmantelando una de las suposiciones económicas más arraigadas del software: que una vez construido un producto, atender a un cliente adicional cuesta casi nada.

El software tradicional solía exigir una fuerte inversión inicial, pero los desarrolladores podían distribuir el producto terminado con un costo marginal muy bajo. La IA generativa funciona de manera distinta. Cada prompt, cada respuesta generada y cada tarea de agente debe producirse —y pagarse— de nuevo.

A principios de este año, el cofundador de Stripe, Patrick Collison, sostuvo que en la era de la IA "el software debería ser como la pizza", hecho a pedido en el momento de su uso. Sin embargo, el software hecho a pedido conlleva costos hechos a pedido.

La economía de internet fue diseñada en gran medida en torno a la intención humana: la gente buscaba, hacía clic, se suscribía y realizaba compras, mientras las empresas optimizaban su comportamiento en torno a eso —adquiriendo clientes, convirtiéndolos en suscriptores y sirviéndolos a bajo costo a escala. Ahora los agentes de IA investigan, escriben código, llaman a API, ejecutan tareas e incluso realizan pagos en nombre de personas o empresas. Eso promete velocidad y escala, pero la actividad automatizada puede llevar el consumo —y los costos— mucho más allá de lo que las empresas esperan o están acostumbradas a gestionar.

Todos están pendientes de que la IA infla las facturas de cómputo; muchos menos prestan atención a quién está viajando gratis. El abuso de pruebas gratuitas y de cuentas múltiples son los asesinos silenciosos de la economía unitaria de la IA, y las empresas a menudo descubren el daño solo cuando sus márgenes ya desaparecieron. El desafío ya no es simplemente abaratar el cómputo, sino asegurar que el uso se traduzca en ingresos en lugar de permitir que un consumo inesperado o abusivo erosione los márgenes.

Asia ilustra la rapidez con la que el cambio pasa de la experimentación a la acción. Una encuesta de Stripe de 2025 encontró que el 82% de los líderes empresariales ya estaban implementando, o planeaban implementar, IA de agentes, y la mitad de los encuestados espera que una mayor proporción de las ventas provenga de canales impulsados por IA para 2030. Según Bain, el 85% de los compradores del sudeste asiático ya usan o consideran herramientas de IA para guiar sus decisiones de compra.

Los tokens se convierten en la nueva unidad de comercio

En la era de la IA, dos usuarios distintos pueden generar cargas de trabajo muy diferentes, y cada interacción tiene un costo real. Los tokens —los pequeños fragmentos de texto en los que los modelos de IA descomponen el lenguaje— se han convertido en la unidad clave para medir el consumo, impulsando a las empresas de IA hacia precios por uso o híbridos: modelos que reflejan mejor el costo del consumo y permiten rastrear el uso y cobrar los pagos en tiempo real.

Lovable, una plataforma de creación de software con IA que usa Stripe, ilustra esta transición. La empresa comenzó con suscripciones, pero desde entonces cambió a facturación por uso: cuando los clientes exceden el cupo gratuito de su plan, se les cobra según su consumo de tokens de IA.

Ese modelo introduce una nueva vulnerabilidad: el robo de tokens. Los abusadores manipulan el sistema creando múltiples cuentas, aprovechando pruebas gratuitas y consumiendo tokens de IA sin intención alguna de pagar. Cada token que consume un parásito genera un costo operativo inmediato que la empresa nunca recuperará.

Una investigación de Stripe encontró que más de uno de cada seis registros en empresas de IA están vinculados al abuso multi-cuenta. Con esa proporción, el abuso escala junto con el crecimiento: cuanto más rápido una empresa de IA suma usuarios, más cuentas de parásitos llegan junto con las legítimas.

El momento importa. Las empresas de IA no pueden darse el lujo de actuar solo cuando falla una solicitud de pago; para entonces, el usuario ya siguió de largo. En cambio, el abuso debe detectarse en el registro, antes de que se consuma el primer token. Stripe, mediante soluciones como Stripe Radar —una herramienta de IA para prevención de fraude entrenada con datos de millones de empresas en todo el mundo—, previno mil trescientos millones de dólares en fraude en Singapur el año pasado.

Proteger los márgenes

El desafío no es simplemente detectar el robo de tokens o el fraude, sino decidir cómo responder. Las empresas necesitan mayor visibilidad sobre dónde están expuestos sus márgenes, junto con la flexibilidad de definir su propia tolerancia al riesgo y adaptar su respuesta a diferentes comportamientos. Alguien que crea cuentas nuevas repetidamente para robar tokens de IA gratuitos, por ejemplo, debe tratarse de forma distinta a un usuario casual de pago cuyo uso aumenta de repente.

Los indicadores a vigilar son concretos: la proporción de nuevos registros marcados por abuso multi-cuenta, la velocidad a la que se agotan los cupos gratuitos, y si el abuso se detecta en el registro o solo cuando falla un pago. A medida que la IA cambia el costo de atender a los clientes, proteger los márgenes dependerá no solo de un cómputo más barato, sino de asegurar que cada token consumido cuente.

Las opiniones expresadas en los artículos de opinión de Fortune.com son exclusivamente las de sus autores y no reflejan necesariamente las opiniones y creencias de Fortune. Esta historia fue publicada originalmente en Fortune.com.