Tokenomics y cadena de suministro: por qué el coste del token decidirá la productividad y el PIB de Europa
Por Antonio de la Vega, Economista especializado en tecnología y economía digital
Segunda entrega. Si la restricción de centros de datos condiciona el destino económico de las naciones, el precio unitario de la computación —el coste del token— es el mecanismo concreto por el que ese destino se materializa en la cuenta de resultados de cada empresa.
Ideas clave
- El token —la unidad mínima que procesa un modelo de IA— es la nueva unidad de cuenta industrial: quien controla su coste unitario controla el margen de todos los sectores que la consumen.
- El pago por uso se impondrá sobre la tarifa plana por imposibilidad física, no por decisión comercial: el coste marginal de la computación es alto y el consumo individual no está acotado.
- El cuello de botella europeo no es el capital ni la demanda, sino la secuencia: hasta cuatro años para un gran transformador y más de 1.600 GW esperando conexión a la red en el mundo.
- Si la computación resulta cara, la respuesta no es consumir menos inteligencia sino producirla en mayor cantidad y más cerca: el precio del token es función de la escala instalada.
- España reúne suelo, renovables y conectividad para liderar el sur de Europa, con 10,5 GW de proyectos anunciados. Materializarlos depende de red, plazos y acuerdo con el territorio.
Del megavatio al token: la nueva unidad de cuenta industrial
En el artículo anterior sosteníamos que los centros de datos son las metafactorías de nuestra era y que restringir su construcción equivale a racionar el futuro económico de un territorio. Conviene ahora descender un peldaño más y responder a la pregunta que todo consejo de administración acabará haciéndose: ¿cómo se traduce un megavatio instalado en puntos de PIB?
La respuesta pasa por una unidad de cuenta que hasta hace poco solo manejaban los ingenieros de aprendizaje automático: el token. Un token es el fragmento mínimo de texto, código, imagen o señal que un modelo procesa. Todo lo demás —la consulta de un cliente, el diagnóstico asistido, la revisión automática de un contrato, la planificación de una red eléctrica— se descompone en tokens de entrada y de salida. Y cada token tiene un coste marginal medible, compuesto por energía, amortización del silicio, refrigeración, red, personal y capital financiero.
Esto significa que la inteligencia artificial no es, económicamente hablando, un software: es una utility industrial. Su curva de costes se parece mucho más a la del aluminio, el cemento o la petroquímica que a la de una licencia ofimática. Y como en toda utility, quien controla el coste unitario de producción controla el margen de todos los sectores que la consumen aguas abajo.
Qué es exactamente un token (y por qué no habrá tarifa plana)
Conviene detenerse aquí, porque el término se usa mucho y se entiende poco. Un token no es una palabra ni un carácter: es la unidad mínima en la que un modelo descompone la información para procesarla. En castellano, un token equivale de media a unos tres o cuatro caracteres; una palabra corriente ocupa entre uno y tres. Una página escrita ronda los 500 tokens. Un contrato de cien páginas, unos 50.000. Un correo electrónico, unos 300. Y esto vale igualmente para el código fuente, para una imagen —que se trocea en fragmentos visuales— o para una señal de un sensor industrial.
La factura tiene dos lados. Los tokens de entrada son todo lo que el modelo debe leer antes de responder: la pregunta, sí, pero sobre todo el contexto —los documentos adjuntos, el historial de la conversación, los datos recuperados de las bases corporativas—. Los tokens de salida son lo que genera. Y aquí está la primera lección económica que casi ninguna empresa ha interiorizado todavía: la parte cara de una aplicación empresarial de IA no suele ser la respuesta, sino el contexto que hay que leer para producirla. Un asistente que consulta el manual completo de mantenimiento antes de cada respuesta consume mucho más que uno que consulta el párrafo pertinente. La ingeniería de esa diferencia vale dinero real.
Y ahora la consecuencia estructural. La razón por la que el modelo de pago por uso —el pay as you go— se impondrá como norma no es una preferencia comercial de los proveedores: es una imposibilidad física de ofrecer otra cosa.
Toda tarifa plana descansa sobre el mismo supuesto: que el coste marginal de servir a un usuario adicional es cercano a cero y que el consumo individual está acotado y es predecible. Así funcionan el software tradicional, la banda ancha o la telefonía. Copiar un programa no cuesta nada; nadie puede hablar más de veinticuatro horas al día.
Con la computación de IA no se cumple ninguna de las dos condiciones. El coste marginal es alto y perfectamente real: cada token consume energía, ocupa un acelerador durante un tiempo determinado y genera calor que hay que evacuar. No hay copia gratuita. Y el consumo individual no está acotado: entre un usuario que redacta tres correos al día y otro que ha automatizado un proceso que analiza cien mil documentos cada noche puede haber cuatro órdenes de magnitud de diferencia. Con la llegada de los agentes autónomos, que trabajan sin intervención humana y encadenan razonamientos largos, esa dispersión se amplía todavía más: el consumo deja de estar limitado por el tiempo que una persona puede dedicar a escribir.
Una tarifa plana en esas condiciones solo puede sostenerse de tres maneras, y todas son malas. O se fija en el percentil alto de consumo, y entonces resulta prohibitiva para el usuario medio. O se fija en la media y se limita silenciosamente por detrás mediante restricciones de uso, degradación de calidad o colas, con lo que deja de ser plana en todo salvo en el nombre. O se subvenciona con capital riesgo, y entonces no es un modelo de negocio sino una promoción con fecha de caducidad. En un mundo donde la capacidad instalada es escasa —que es exactamente el mundo que describía el artículo anterior— la primera opción es insostenible y la tercera, insensata.
Esto ya no es una hipótesis de futuro. Gartner publicó en junio de 2026 una previsión que debería estar sobre la mesa de todos los comités de dirección: para 2028, el coste de las herramientas de programación asistida por IA superará el salario medio de un desarrollador, precisamente por el aumento del consumo de tokens y por el desplazamiento desde la licencia por puesto hacia el pago por consumo. Su analista principal, Nitish Tyagi, lo formula con una precisión que conviene retener: «la disciplina en el consumo de tokens no surgirá de la elección del desarrollador», y sin un modelo operativo gobernado «los costes pueden escalar más rápido que las ganancias de productividad que estas herramientas pretenden ofrecer».
El caso más ilustrativo lo protagonizó Uber, que agotó su presupuesto anual de IA de 2026 en cuatro meses tras extender un asistente de programación a unos cinco mil ingenieros. No es una anécdota de mala gestión: es la demostración empírica de que el consumo no está acotado y de que la intuición formada en treinta años de licencias de software no sirve para presupuestar computación.
Ahora bien —y esta es la lectura que me parece decisiva—, el diagnóstico correcto no lleva a frenar sino exactamente a lo contrario. Si el problema es que la computación resulta cara, la solución no es consumir menos inteligencia: es producirla en mayor cantidad y más cerca. El precio del token es, como el de cualquier bien industrial, función de la escala instalada. Cada gigavatio adicional de capacidad moderna en suelo europeo desplaza la curva de oferta y abarata la unidad para todos los que vienen detrás; cada proyecto bloqueado la mantiene alta y prolonga el racionamiento que describía el artículo anterior. La advertencia de Gartner no es un argumento contra la IA: es el argumento más sólido a favor de construir infraestructura. Un país con capacidad abundante convierte esa previsión en una nota al pie; un país sin ella la convierte en su techo de crecimiento.
Lo que veremos, por tanto, es una convergencia hacia la estructura tarifaria clásica de las utilities: un término de potencia y un término de energía. Capacidad reservada para la carga base, previsible y contratada a plazo; pago por uso para la carga variable; y precios diferenciados por franja horaria, por latencia y por nivel de servicio. Es, literalmente, cómo se factura la electricidad. Y no es casualidad: es la misma física.
Tokenomics: la anatomía del coste unitario de la inteligencia
Llamo tokenomics a la disciplina que estudia la formación de ese coste unitario y su reparto a lo largo de la cadena de valor. No se trata de un ejercicio académico: es la variable que determina qué casos de uso son rentables y cuáles no. Un proceso empresarial se automatiza cuando el coste por token cae por debajo del coste del trabajo humano equivalente más el coste del error. Ni un céntimo antes.
El coste por token se descompone en cinco sumandos que conviene mirar por separado, porque cada uno se gobierna con políticas distintas:
1. Capital de silicio. Aceleradores, memoria de alto ancho de banda e interconexión concentran el grueso del desembolso inicial. Su amortización es agresiva —tres a cinco años— y su disponibilidad depende de una cadena de suministro extraordinariamente concentrada.
2. Energía firme. No basta con energía barata: hace falta energía disponible las 8.760 horas del año, con garantía de potencia y calidad de onda. El precio medio del megavatio hora importa menos que el coste del megavatio hora asegurado en el punto exacto de conexión.
3. Térmica y agua. Evacuar el calor —recordemos que prácticamente el 100 % de la electricidad consumida se convierte en calor— es un coste operativo recurrente que la refrigeración líquida directa al chip está reduciendo, y que la reutilización del calor residual puede incluso convertir en ingreso.
4. Latencia y proximidad. Cada milisegundo de distancia física entre el dato y el acelerador encarece la inferencia en tiempo real. La soberanía no es solo una cuestión jurídica: es una cuestión de kilómetros.
5. Coste regulatorio y de capital. El tiempo de tramitación es dinero. Un permiso que tarda cuatro años en lugar de uno multiplica el coste financiero del proyecto y, con él, el precio final del token.
De estos cinco sumandos, Europa influye poco en el primero y decide íntegramente sobre los cuatro restantes. Ahí está nuestra palanca real, y ahí es donde llevamos una década decidiendo mal.
La cadena de suministro es la política industrial
Existe una asimetría temporal que condiciona todo lo demás. Levantar y equipar un centro de datos puede requerir de dos a tres años. Construir la subestación, la línea de muy alta tensión y la generación firme que lo alimentan requiere bastante más. Y aquí los datos son contundentes: según la Agencia Internacional de la Energía, el aprovisionamiento de cable tarda hoy entre dos y tres años y el de grandes transformadores de potencia hasta cuatro años, el doble que en 2021; los cables de corriente continua para transporte de larga distancia superan los cinco años. En precio, el cable se ha encarecido casi el doble en términos reales desde 2019 y los transformadores en torno a un 75 %. Los seguimientos de mercado sitúan en 2026 los plazos de los grandes transformadores de alta tensión de los principales fabricantes en el entorno de los cuatro a cinco años. Y la producción de aceleradores de última generación y de memoria de alto ancho de banda está comprometida con antelación por un puñado de compradores globales.
El dato que mejor resume la situación es otro del mismo estudio de la AIE: más de 1.600 gigavatios de proyectos solares y eólicos en fase avanzada esperan conexión a la red en el mundo. No falta generación ni falta demanda: falta el hierro, el cobre y el permiso que los unen. A ello se suma un cuello de botella de capital humano —la AIE estima que los ocho millones de personas que hoy construyen y operan redes deberán crecer en al menos un millón y medio antes de 2030— y una brecha de inversión: los 140.000 millones de dólares anuales invertidos en redes de transporte deberán superar los 200.000 millones a mediados de la próxima década.
El resultado es que el cuello de botella europeo no es la demanda ni el capital: es la secuencia. Tenemos anuncios de inversión que la red no puede absorber al ritmo prometido y permisos que llegan cuando la generación de silicio para la que se pidieron ya está obsoleta. Una cadena de suministro eficiente no es un asunto logístico menor; es, literalmente, la política industrial de la década.
Eficiencia, en este contexto, significa cuatro cosas concretas y medibles: previsibilidad de plazos, sincronía entre red y carga, capacidad de fabricación local de los componentes voluminosos y reversibilidad de las decisiones cuando la tecnología cambia.
La buena noticia es que buena parte de la cadena física —transformadores, celdas de media tensión, grupos de refrigeración, obra civil, cableado estructurado, sistemas de alimentación ininterrumpida, ingeniería de detalle y operación y mantenimiento— es perfectamente europea y perfectamente española. No necesitamos ganar la guerra de la litografía avanzada para capturar valor: necesitamos ser el mejor lugar del mundo para instalar y operar computación.
Del token a la productividad: el mecanismo económico
La conexión entre infraestructura y PIB no es retórica; tiene un mecanismo identificable. La productividad total de los factores crece cuando una tecnología de propósito general abarata de forma sostenida una tarea que se realiza millones de veces al día. La electrificación lo hizo con la fuerza motriz; el contenedor, con el transporte; el transistor, con el cálculo. La IA lo hace con el procesamiento de conocimiento no estructurado.
Cuando el coste del token cae un orden de magnitud, ocurren tres cosas de manera sucesiva. Primero, se automatizan tareas que ya se hacían, liberando horas. Segundo, se hacen tareas que antes no se hacían porque no compensaban —revisar el cien por cien de los expedientes en lugar de una muestra, mantener predictivamente todos los activos en lugar de los críticos—. Tercero, y es donde reside el grueso del efecto sobre el PIB, aparecen productos y servicios que sencillamente no existían.
Sería deshonesto no reconocer que la magnitud de este efecto está en discusión académica. Daron Acemoglu, premio Nobel de Economía en 2024, sostiene que las ganancias de productividad que descuentan hoy los mercados exigirían una tecnología mucho más próxima a la inteligencia artificial general, y recuerda que la economía real no es un conjunto ordenado de tareas esperando a ser automatizadas, sino un sistema de juicio, coordinación y responsabilidad difícil de descomponer. Es una advertencia pertinente contra el entusiasmo acrítico.
Pero conviene separar dos cosas que el debate suele confundir: la magnitud del efecto y su dirección. La dirección no está en disputa —ninguna tecnología de propósito general ha dejado de elevar la productividad, solo ha tardado más o menos en hacerlo—, y lo que sí determina la velocidad es la disponibilidad y el precio del insumo. La electrificación tardó cuatro décadas en trasladarse a la productividad fabril, y no porque el motor eléctrico fuera insuficiente, sino porque hubo que construir la red, reorganizar las fábricas y formar a los operarios. Quien tenía electricidad barata y abundante recorrió ese camino antes. La lección es exactamente la misma hoy: el escepticismo sobre el ritmo es razonable, pero refuerza en lugar de debilitar el argumento de construir capacidad. Si el retorno tarda, más vale que el insumo sea barato; y si llega antes de lo previsto, más vale tenerlo en casa.
Ese tercer escalón solo se alcanza si el acceso a la computación es barato, previsible y cercano. Una pyme industrial de Vitoria o un hospital de Sevilla no van a firmar contratos plurianuales de reserva de capacidad ni a pagar primas por capacidad asegurada. Si el mercado europeo funciona con capacidad escasa, esas organizaciones quedarán en la base de la pirámide de acceso: usuarias de aplicaciones de consumo, nunca constructoras de ventaja competitiva propia. La diferencia entre ambas posiciones, agregada a escala nacional, son puntos de PIB.
Conviene decirlo con crudeza: el debate público español discute si queremos centros de datos, cuando la pregunta pertinente es si queremos que nuestras empresas puedan permitirse usar inteligencia artificial. Son la misma pregunta formulada en dos planos distintos.
