Sarah Friar, CFO de OpenAI, publicó el 17 de julio un marco para medir el retorno de la IA con cuatro variables: trabajo útil completado, costo por tarea exitosa, confiabilidad y valor a escala. Para una pyme chilena que paga licencias de IA sin medir resultados, ese scorecard es la pauta que conviene armar antes de renovar cualquier contrato.
Qué propone el scorecard de OpenAI
Sarah Friar, CFO de OpenAI, parte de la pregunta que dice escuchar de otros gerentes de finanzas: "¿cómo obtenemos más valor de nuestro gasto en IA?". Su respuesta, publicada el 17 de julio de 2026, es dejar de medir la IA como se midió siempre el software (asientos comprados, usuarios activos, licencias renovadas) y pasar a una métrica que bautiza como inteligencia útil por dólar. El scorecard se arma con cuatro preguntas:
- ¿La IA está completando trabajo que importa?
- ¿Cuánto cuesta cada tarea exitosa?
- ¿Las personas pueden confiar en el resultado?
- ¿Cada dólar en IA produce más valor a medida que crece el uso?
Para la tercera pregunta, la de confiabilidad, Friar propone clasificar cada resultado en tres estados: listo para usar, necesita corrección o necesita escalamiento a una persona. Su punto es que esa clasificación cuenta una historia más rica que la precisión del modelo, porque muestra si la IA de verdad está reduciendo el trabajo o solo moviéndolo hacia la revisión humana.
El ejemplo que usa es de su propio terreno: un equipo de finanzas preparando la revisión de un forecast, donde ChatGPT Work asume la parte mecánica (consolidar datos, cuadrar pestañas, rearmar slides) y las personas se quedan con las preguntas de fondo.
Costo por tarea exitosa: la cuenta que casi nadie hace
La fórmula que propone Friar tiene tres pasos: sumar el costo completo del trabajo (incluyendo horas de revisión humana, reintentos y retrabajo), contar solo las tareas que cumplieron el estándar de calidad, y dividir lo primero por lo segundo. Con esa cuenta, el token más barato no siempre gana: un modelo tope de línea puede resultar más económico si resuelve a la primera, sin retrabajo ni segunda revisión.
El argumento llega con vitrina propia. OpenAI afirma que GPT-5.6 Sol, el tier insignia de su familia más reciente, marcó un récord en el Coding Agent Index de Artificial Analysis usando 54% menos tokens de salida que otro modelo líder, según el dato que la propia empresa publicó el 17 de julio de 2026. La familia completa (Sol, Terra y Luna) es la misma que revisamos cuando OpenAI lanzó GPT-5.6 en tres precios: tiers pensados para que cada cliente optimice la ecuación según la tarea.
Un marco útil que también le conviene a OpenAI
Este scorecard se lee mejor con dos lentes a la vez. El primero: es la guía de compra más honesta que ha publicado un proveedor de IA, porque obliga a mirar el costo total, tokens más horas humanas, y no el precio de lista. El segundo: el marco le conviene a quien lo escribió. Si el token barato pierde contra el modelo caro que acierta a la primera, la conclusión empuja hacia los tiers premium, que son los de OpenAI. El incentivo no invalida la matemática, pero sí exige que la cuenta la hagas tú, con tus datos, y no con los del vendedor.
El error clásico acá es adoptar la métrica del proveedor sin definir primero el estándar de calidad propio. Si "tarea exitosa" lo define la herramienta, el scorecard siempre va a dar bonito. La señal de mercado, en todo caso, es sana: después de una semana en que la IA volvió a bajar de precio, la conversación se corre del precio por token al costo por resultado. Eso favorece a las empresas que miden y complica a los proveedores que venden asientos sin resultados verificables.
Cómo armar el scorecard en tu pyme antes de renovar
Aterrizar esto no requiere consultora ni data warehouse. Requiere elegir bien el piloto y anotar con disciplina:
- Elige un solo flujo de trabajo. Uno donde la IA ya participe: respuestas de soporte, conciliación de facturas, redacción de fichas de producto.
- Define "listo" por escrito antes de partir. Para soporte puede ser un caso resuelto sin reapertura; para contenido, una ficha publicada sin correcciones del encargado.
- Clasifica cada resultado durante dos semanas en las tres categorías de Friar: listo para usar, necesita corrección, necesita escalamiento.
- Suma el costo completo: licencias, tokens o créditos, y las horas de quien revisa y corrige, valorizadas a su costo hora real.
- Divide por las tareas que cumplieron el estándar. Ese es tu costo por tarea exitosa, el número que llevas a la mesa cuando toque renovar.
- Compara contra el costo del mismo trabajo sin IA. Si no gana con claridad, cambia de modelo o de flujo antes de firmar otro año.
Preguntas frecuentes
¿Qué es el costo por tarea exitosa?
Es el costo total de producir un resultado que cumple el estándar de calidad (herramienta más tiempo humano de revisión y reintentos) dividido por la cantidad de tareas aprobadas. OpenAI lo propone como reemplazo del costo por token y del conteo de licencias.
¿Sirve este scorecard si no uso herramientas de OpenAI?
Sí. Las cuatro preguntas son agnósticas al proveedor y funcionan igual con Gemini, Claude o Copilot. Esa neutralidad es su mayor gracia: permite comparar proveedores distintos con la misma vara antes de decidir dónde renovar.
