We're going to have these models at a company be outputting more tokens per day than all of humanity put together, and then 10 times that, and then 100 times that.
Sam Altman, 2026
Cathie Wood lo dijo sin rodeos: los tokens que procesa la inteligencia artificial crecieron 25 veces en un año. Mucha gente oyó 25 por ciento. No es lo mismo. Si tienes 100 y pasas a 125, fue un buen año. Si tienes 100 y pasas a 2,500, cambió la escala. Ese desfase es el #ruidoblanco de esta historia.
Un token, aquí, no es una criptomoneda. Es un pedazo de texto. El modelo parte lo que le escribes (y lo que te contesta) en trozos pequeños. Una palabra suele ser un token y algo. Una respuesta corta gasta cientos. Un agente que lee un contrato, cruza cuatro reportes y arma un memo se puede tragar cientos de miles. Con esa unidad se mide el trabajo de la máquina, se cobra y se escala.
El dato de Wood sale de un solo puerto: OpenRouter, la ventanilla por donde pasa el tráfico de cientos de modelos de lenguaje. No es todo el río (Google, OpenAI, XAI y Anthropic mueven otra montaña por su cuenta), pero sí se le ve la corriente.
Lo nuevo no es que nosotros escribamos más prompts. Es que las máquinas ya se piden trabajo entre ellas. Con datos de OpenRouter, Peter Walker señaló el 6 de febrero de 2026 como el último día en que las personas gastaron más tokens que los agentes. Desde entonces el consumo de los agentes subió unas 14 veces (de medio billón a 7.3 billones de tokens a la semana; billones en español, trillions en inglés). El de la gente, menos de tres. El agente no se cansa. Abre otra sesión. Llama a otro modelo. Deja la tarea corriendo cuando tú cierras la computadora. Cada vuelta suma. Y esa suma se reproduce sola.
Un matiz que importa: cerca de 70% de los tokens de los agentes viene de prompts en caché, que se cobran mucho más barato. La factura no crece tan rápido como el número crudo. Pero eso no desinfla la historia: la infla. El agente no solo trabaja más; cada vuelta le sale más barata. Por eso la pila crece sola.
Brett Winton, de la misma casa que Cathie, puso el volumen junto al dinero. Si fabricar inteligencia rinde tan rápido, los centros de datos pueden pagar el capital más caro y aun así ganar. El crédito se va a los chips. La bolsa, a los edificios que fabrican tokens. Compañías que se creían a salvo (“eso de la IA no va conmigo”) descubren que el financiamiento barato ahora compite contra un activo que el mercado empieza a tratar casi como de bajo riesgo.
En México pega dos veces. En la oficina, el jefe pide que “le saques jugo a ChatGPT” como quien pide que no desperdicies hojas. En el banco, la planta que refinancia cada año va a sentir que quien levanta cómputo aguanta tasas que ella no. El token no sale en el organigrama. Sale en la productividad, en la factura de OpenAI, XAI o Anthropic y, más tarde, en lo que te cuesta pedirle prestado al mercado.
La inteligencia no escala porque un modelo se ponga más listo en un tuit. Escala porque cada agente genera tokens que despiertan a otros agentes. Esa pila ya empuja la economía y el precio del dinero. Y aquí el oficio humano no desaparece: se concentra. El prompt del empleado casi nunca entra limpio al derecho de autor; lo que la empresa sí se queda es el rastro (la receta afinada, la forma de pedir que sí funciona) y los tokens que esa receta dispara o ahorra. La pregunta no es si los tokens suman. Ya suman. La pregunta es quién, en tu empresa, decide qué se le pide a la máquina y qué se deja quieto.
Jensen Huang lo llama fábrica: un solo oficio, generar tokens. La banda ya corre. Falta quién opera el tablero.
@ricardoblanco