En abril de 2026, GitHub anunció un cambio en la forma de cobrar por Copilot, su asistente de programación. Hasta entonces, cada plan daba derecho a una cuota fija de uso mensual. A partir de junio, el cobro pasó a seguir el consumo real, medido por tarea. La justificación de la propia empresa, publicada en su blog oficial, fue directa: "una pregunta rápida de chat y una sesión de codificación autónoma de varias horas podían costar exactamente lo mismo" dentro del plan fijo anterior, y eso ya no tenía sentido.
Esa frase resume un problema más amplio que el de una herramienta de programación. Según un relevamiento de la consultora Bain & Company con más de 30 fabricantes de software, el 65% ya combina la licencia tradicional por usuario con algún tipo de cobro por uso o por resultado de IA, y ninguno de los fabricantes analizados migró por completo lejos del modelo por usuario. La conclusión de Bain es que la licencia por persona no está muriendo, pero está dejando de ser suficiente por sí sola.
El motivo es simple: un agente de IA no es una persona que inicia sesión. Puede procesar en una hora el volumen de trabajo de varias personas, o quedar prácticamente inactivo en un día de poca demanda. Cobrar —y presupuestar— por usuario cuando el trabajo se hace por tarea es medir la cosa equivocada. Y esa distorsión no se queda solo en la relación entre la empresa y el proveedor de software: se repite, punto por punto, dentro de cada empresa que distribuye IA a su propio equipo mediante una licencia fija.
Dos puntas del mismo desperdicio
La licencia por persona desperdicia dinero en las dos puntas al mismo tiempo, y es raro ver ambas mencionadas juntas.
Por un lado, quien apenas usa la IA sigue costando el precio completo de la licencia cada mes. El informe 2025 de gestión de activos de TI de Flexera, con más de 500 profesionales de TI en todo el mundo, registra que el 35% de los encuestados dijo que el desperdicio en suscripciones de software aumentó en el último año, y que recuperar licencias no usadas se convirtió en una de las prioridades de mayor crecimiento entre los equipos con gestión más madura. Licencia detenida es presupuesto detenido.
Por el otro lado, quien realmente depende de la IA en su día a día choca con un techo artificial: el límite mensual de la licencia individual, pensado para un uso promedio que esa persona en particular ya superó. El área que más necesitaría IA —porque maneja más volumen, más urgencia, más repetición— suele ser la primera en sentir el límite del plan.
El resultado es una empresa que, al mismo tiempo, paga de más por gente que usa poco y limita de más a quien usa mucho. Ninguna licencia fija resuelve los dos lados a la vez, porque ambos piden soluciones opuestas.
Por qué solo cambiar de plan no resuelve nada
La reacción más común frente a este desperdicio es comprar un plan mayor para quien llega al techo e intentar reasignar o cancelar la licencia de quien no la usa. Eso ayuda, pero no llega a la raíz del problema.
La propia Bain señala una dificultad real en esta transición: los equipos comerciales y de compras están acostumbrados a negociar por cantidad de personas, no por volumen de trabajo, y cambiar esa lógica exige repensar el proceso interno, no solo el contrato con el proveedor. Mientras eso no cambie, la empresa sigue comprando "asientos" para un trabajo que ya no se hace sentado en un puesto específico.
Además, según la cobertura de PYMNTS sobre esta transición en el mercado de software en general, muchos proveedores están apilando el cobro de IA encima de la licencia por asiento en lugar de reemplazarla, lo que ayuda al proveedor a capturar ingresos, pero no resuelve necesariamente el problema de visibilidad dentro de la empresa que compra. Sin saber cuánto consume realmente cada área, el presupuesto de IA se convierte en otra línea genérica de la planilla, igual que la licencia anterior.
El punto ciego real no es "qué plan comprar". Es no tener, hoy, una respuesta simple a la pregunta: cuánto está usando realmente cada equipo la IA, y para qué.
Lo que tiene que existir en la práctica
Resolver esto exige cambiar la unidad de cobro y de seguimiento interno: de persona a tarea, con visibilidad en tiempo real.
Costo visible por conversación, no solo por suscripción. Cada interacción con la IA tiene un costo real, y ese costo puede —y debería— mostrarse, no esconderse detrás de una cuota fija que diluye todo en un promedio.
Créditos compartidos por el equipo, no una licencia atada a una persona. Un presupuesto común permite que quien necesita más en una semana use más, y que quien necesita menos no deje esa diferencia desperdiciada, sin exigir que alguien negocie una mejora de plan individual cada vez que cambia el volumen de trabajo.
Enrutamiento automático hacia el modelo de IA más económico que resuelve la tarea. No toda pregunta exige el modelo más caro disponible. Dirigir automáticamente las tareas rutinarias hacia opciones más económicas —y reservar el modelo más avanzado para lo que realmente lo necesita— reduce el costo sin exigir que cada persona entienda la diferencia técnica entre modelos.
Consumo visible por área, no solo el total de la empresa. Un número único a fin de mes no dice quién está usando la IA ni para qué. El consumo desglosado por departamento es lo que permite decidir dónde invertir más y dónde el uso todavía es bajo, la misma brecha de visibilidad que el informe de Flexera identifica en la gestión de licencias tradicionales.
Así fue diseñada la Skyller: costo transparente por conversación y créditos de IA compartidos por el equipo, en lugar de una licencia fija por persona que nadie logra calibrar bien.
Lo que aparece cuando el consumo se vuelve visible
El efecto más interesante de cambiar la licencia por persona por un presupuesto común no es solo financiero: es de descubrimiento. Cuando el consumo de IA por área se vuelve visible, aparecen patrones que la licencia fija ocultaba.
Un equipo puede estar usando la IA mucho más de lo que cualquier plan individual preveía, señal de que ese proceso específico está maduro para más automatización. Otro puede estar aprovechando poco una herramienta cara, señal de falta de capacitación, no de falta de necesidad. Un tercero puede estar concentrando el uso en un modelo caro para tareas simples, cuando el enrutamiento automático ya resolvería la mayoría a un costo mucho menor. Ninguna de estas tres señales aparece cuando el costo es una cuota fija dividida por cabeza.
Eso también cambia la conversación de presupuesto: en lugar de negociar "cuántas licencias más necesitamos este año", la discusión pasa a ser "dónde está creciendo el uso de IA, y el presupuesto necesita acompañarlo". Es una pregunta mucho más cercana a lo que la empresa realmente quiere saber.
Preguntas para llevar a la próxima reunión de presupuesto
Antes de renovar otro contrato de licencia por usuario para herramientas de IA, vale la pena llevar estas preguntas a la conversación con finanzas y TI:
- ¿Sabemos, hoy, cuánto usa realmente cada área de la empresa la IA disponible? Si la respuesta viene solo del número de licencias activas, la empresa está midiendo asientos, no uso.
- ¿Algún equipo ya chocó con el límite del plan individual mientras otro apenas usa el suyo? Si es así, una licencia fija por persona está desperdiciando dinero en ambos extremos a la vez.
- ¿El presupuesto de IA sube y baja junto con el volumen real de tareas, o es un valor fijo negociado una vez al año? Un presupuesto común con consumo visible sigue la demanda real en lugar de fijarla a un número antiguo.
- ¿Existe una rutina para recuperar licencias inactivas, o eso solo se nota al momento de renovar el contrato? El desperdicio que solo aparece en la renovación ya pasó meses o años sin corregirse.
