El episodio se centra en un cambio estructural impulsado por la disminución del costo de la extracción de información asistida por IA y su impacto en cómo los compradores evalúan a los proveedores de tecnología. Haciendo referencia a empresas como OpenAI y Google, así como a investigaciones del AI Revenue Institute y Gartner, Dave Sobel destaca cómo la reducción de los precios de los modelos permite que sistemas automatizados analicen rápidamente la documentación de los proveedores y modifiquen las decisiones de adquisición, cambiando fundamentalmente la competencia de la persuasión a datos transparentes y recuperables.
Un estudio reciente del AI Revenue Institute, citado por Dave Sobel, reveló que más de la mitad de los responsables de la toma de decisiones encuestados eliminaron a un proveedor tras detectar, mediante una IA, una carencia documentada. Paralelamente, OpenAI y Google han reducido el precio de sus modelos más avanzados: OpenAI redujo los costos en más del 20% y Google ofreció un descuento temporal del 50% antes de regresar al precio anterior. Según análisis de TD Cowen y Business Insider, estas rebajas han incrementado tanto el uso como los ingresos, con modelos económicos de OpenAI aumentando su uso catorce veces tras la reducción.
Estos desarrollos se ven reforzados por la “paradoja de la inferencia” identificada por Gartner, donde una mayor capacidad de IA y menores costos por consulta elevan el gasto total debido al aumento en el volumen y la complejidad. Datos de soporte incluyen un aumento de 50x en los tokens procesados anualmente por Google y un caso descrito por Deloitte en el que los costos de IA no planificados de un proveedor de salud crecieron hasta triplicarse en un año. Además, según Pew Research, un tercio del contenido nuevo de sitios comerciales es generado por máquinas, lo que ha llevado a plataformas como LinkedIn a implementar medidas de detección y penalización de contenido IA.
Para los MSPs y líderes de TI, las implicaciones son directas. Ahora la investigación automatizada del comprador prioriza datos concretos y extraíbles sobre el lenguaje de marketing; cualquier ausencia o falta de divulgación—especialmente en precios—puede dar lugar a la eliminación de la consideración sin aviso alguno. Publicar hechos específicos y medibles (límites de servicio, lógica de precios, tiempos de respuesta con fechas) determina cada vez más si un proveedor es incluido o excluido por los agentes de IA al realizar comparaciones. No definir claramente la oferta y las exclusiones da lugar a inferencias desfavorables o comparaciones automáticas, aumentando el riesgo operativo y transfiriendo la responsabilidad fuera del proveedor.