Plumas NCC | El Token como unidad de cuenta de lo intangible

Por: Mtro. Rodolfo Guerrero Martínez (México)

 

Durante siglos, la contabilidad y el derecho buscaron una vara común para medir aquello que no se toca: el trabajo intelectual, la información, el servicio. Hoy esa vara tiene un nombre técnico y de apariencia modesta, el token. Nació como fragmento de texto que un modelo de lenguaje procesa; sin embargo, se ha convertido en la medida con la que se factura, se planea la capacidad instalada y se compara el costo de pensar con máquinas (Q. Zhu, 2026).

Este artículo sostiene que el token opera ya como unidad de cuenta de un bien intangible, la inferencia, y que esa función, además de económica, plantea preguntas jurídicas que conviene formular con precisión como si ¿la moneda es neutral frente al idioma del usuario? O ¿qué deber de información tiene el proveedor cuando gran parte del gasto es razonamiento interno que el usuario no ve?

Resulta primordial enmarcar que en México por medio del Plan Nacional de Inteligencia Artificial publicado el pasado mes de abril del 2026 por la Agencia de Transformación Digital y Telecomunicaciones, en el cual se concibe a la IA como capacidad estratégica del Estado, advierte contra la dependencia tecnológica de actores externos (p. 11) y propone expedir un marco legal federal con seis principios rectores, entre ellos la transparencia, la explicabilidad y la corresponsabilidad (p. 15).

Hoy en día, los Criterios Generales de Política Económica 2027 (Secretaría de Hacienda y Crédito Público [SHCP], 2026), por su parte, reconocen que la inversión en IA, en semiconductores, centros de datos y equipo de cómputo, impulsa el comercio mundial y el crecimiento estadounidense (pp. 9 y 13), empero también la señalan como fuente de riesgo si las empresas del sector no materializan las ganancias esperadas.

 

De fragmento de texto a medida común

En sentido técnico, un token no equivale a una palabra ni a un carácter: puede ser una palabra completa, una parte de ella o un signo de puntuación, según el método de tokenización que emplee el modelo (Lorber y Ben-David, 2026). Ahora bien, su relevancia rebasa lo lingüístico, debido que como el proveedor cobra por los tokens que el modelo recibe y produce, y no por las preguntas formuladas, la capacidad de pensar adquiere un precio explícito y comparable como señala Guipe Salazar (2026).

Dicho de otra forma, el token cumple lo que la teoría económica espera de una unidad de cuenta, expresa en una sola magnitud realidades heterogéneas, pues enlaza el procesamiento de información con el cómputo, la memoria, la energía y el dinero (Q. Zhu, 2026).

Esa medida, además, tiene ancla física, por ello Litowitz et al. (2026) la definen como una cantidad con costo termodinámico mensurable y estiman que la energía prevista para la IA en Estados Unidos en 2028 (326 TWh/ teravatio-hora) sostendría cerca de 6.5 × 10^17 tokens al año, es decir, son unas 170,000 palabras diarias por persona, es decir, dos o tres novelas al día. Lo intangible se contabiliza, entonces, mediante lo más tangible que existe: la electricidad.

Por otra parte, en México de acuerdo con el Plan describe a Coatlique, la supercomputadora pública, con 314 petaflops, 14,480 GPU y una inversión pública cercana a 6,000 millones de pesos (Gobierno de México, 2026, p. 22): una capacidad expresada en operaciones por segundo y en pesos, no en tokens. Conviene recordar, además, que el mismo Plan advierte costos ambientales derivados del uso intensivo de infraestructura y energía (p. 11).

Cabe matizar, no obstante, que la uniformidad es aparente. Los idiomas no consumen el mismo número de tokens para decir lo mismo; el hebreo, por ejemplo, exige más que el inglés por su morfología y por el predominio del inglés en el entrenamiento (Lorber y Ben-David, 2026). La pregunta para quienes litigan o contratan en español surge sola: ¿la moneda es neutral frente al idioma del usuario?

 

El precio unitario no es el costo de la tarea

Se suele creer que, si el precio por token baja, automatizar resulta siempre más barato. La evidencia recogida por Guipe Salazar (2026) matiza esa idea, enfatiza el costo de inferir con un modelo de nivel GPT-3.5 cayó unas 280 veces en dos años, pero los sistemas agénticos pueden consumir hasta mil veces más tokens por tarea. Por consiguiente, el costo de automatizar puede superar al del trabajo humano aun con precios unitarios decrecientes, porque el costo de una tarea es el número de tokens que exige multiplicado por su precio.

En sentido convergente, Erol et al. (2026) proponen el cost-of-pass, en otras palabras, el costo monetario esperado de obtener una solución correcta, y lo contrastan con el de contratar a un experto humano. Sus resultados indican que los modelos ligeros convienen en tareas cuantitativas básicas, los grandes en las intensivas en conocimiento y los de razonamiento en problemas cuantitativos complejos, pese a su mayor costo por token.

Asimismo, Erdil (2025) advierte sobre una disyuntiva entre el costo por token y la velocidad de generación serial, de modo que ni siquiera el precio de un token es único, pues depende de la rapidez con que se entrega. En suma, la unidad de cuenta solo informa si se acompaña de una medida de resultado.

 

III. Lo que el token mide y lo que oculta

Gasto en tokens y valor económico son cosas distintas, al respecto Q. Zhu (2026), el valor depende de la productividad marginal, de la posición de la tarea en el flujo de trabajo, del riesgo y de los efectos posteriores. A ello se suma un problema de visibilidad: parte del consumo corresponde a tokens de razonamiento interno que el usuario no observa. Wani et al. (2026) hallan que, en los modelos de razonamiento evaluados, la mediana de la proporción del gasto atribuible a ese razonamiento llega a 94.7 % y que, en varias corridas de modelos de frontera, supera 99 %. Además, más esfuerzo de razonamiento no siempre mejora la exactitud e incluso puede reducirla.

Desde una mirada institucional, S. Zhu (2026) propone diseñar los sistemas agénticos como economías de asignación marginal de tokens. Enrutador, agente, servidor y entrenamiento resolverían una misma condición de primer orden: el beneficio marginal iguala al costo marginal más el costo de latencia y el de riesgo. Así, un mismo token se «paga» en dólares, en demora o en probabilidad de una acción irreversible, según la capa que lo mire. Esta lectura importa al jurista porque traslada la discusión de cuánto se consume a quién decide dónde gastar y con qué responsabilidad.

 

Tres puntos de contacto con el derecho

Primero, la polisemia, donde el Reglamento (UE) 2023/1114 define el criptoactivo como una representación digital de un valor o de un derecho que puede transferirse y almacenarse electrónicamente mediante registro distribuido, y la «ficha de consumo» como el criptoactivo destinado solo a dar acceso a un bien o servicio de su emisor (Parlamento Europeo y Consejo, 2023, art. 3, apdo. 1). El token de un modelo de lenguaje, en cambio, no se emite ni circula: se consume al procesar. Por lo tanto, la analogía con la ficha de consumo resulta tentadora pero engañosa, y conviene no trasladar mecánicamente ese régimen.

Segundo, la soberanía que Lorber y Ben-David (2026) sostienen que, si la década pasada se centró en la soberanía de los datos, la próxima girará en torno a la soberanía de cómputo, esto es, el acceso estable a recursos de IA. Precisan que el token no impulsa la inversión, sino que refleja la magnitud de la demanda de cómputo.

Tercero, la competencia normativa interna. Una iniciativa presentada en septiembre de 2026 propone reformar la fracción XVII del artículo 73 constitucional para facultar al Congreso de la Unión a legislar en materia de inteligencia artificial (Cámara de Diputados, 2026). El Plan, por su parte, anticipa un marco legal federal con seis principios rectores (transparencia y explicabilidad, licitud y uso ético, no discriminación, proporcionalidad, supervisión humana efectiva y corresponsabilidad) y remite la definición de derechos y obligaciones al proceso legislativo por venir (Gobierno de México, 2026, p. 15).

De prosperar, sería el cauce natural para discutir, entre otras cuestiones, la transparencia de lo que se cobra, ya que si el razonamiento oculto domina el gasto (Wani et al., 2026), quien paga por tokens que no ve merece información suficiente.

 

Conclusión

En suma, el token es una unidad de cuenta útil, pero insuficiente: mide esfuerzo computacional, no valor ni licitud. Su lectura correcta exige distinguir precio de costo, gasto de productividad y consumo visible de consumo oculto. Litowitz et al. (2026) recordaron, además, que el límite decisivo no es cuántas preguntas pueden responderse, sino cuáles vale la pena formular. Para el derecho digital, esa es la pregunta de partida.

 

 

Referencias

Cámara de Diputados. (2026). Gaceta Parlamentaria, año XXIX, número 7121-II-6. Iniciativa que reforma el artículo 73 de la Constitución Política de los Estados Unidos Mexicanos, para facultar al Congreso de la Unión a legislar en materia de inteligencia artificial, a cargo del diputado Gildardo Pérez Gabino.

Erdil, E. (2025). Inference economics of language models (arXiv:2506.04645). arXiv.

Erol, M. H., El, B., Suzgun, M., Yüksekgönül, M., & Zou, J. (2026). Cost-of-pass: An economic framework for evaluating language models [Artículo de conferencia]. International Conference on Learning Representations (ICLR 2026). arXiv:2504.13359.

Gobierno de México. (2026). Plan Nacional de Inteligencia Artificial.

Guipe Salazar, A. J. (2026). The token economy: Compute power, automation, and the future of work in an ecosystem of human labor, capital, and artificial intelligence [Documento de trabajo]. SSRN.

Litowitz, A., Polson, N., & Sokolov, V. (2026). Photons = tokens: The physics of AI and the economics of knowledge (arXiv:2603.06630). arXiv.

Lorber, H., & Ben-David, I. (2026). The token economy: Understanding the infrastructure behind the AI revolution (N.º 2186).

Parlamento Europeo y Consejo de la Unión Europea. (2023). Reglamento (UE) 2023/1114, de 31 de mayo de 2023, relativo a los mercados de criptoactivos. Diario Oficial de la Unión Europea, L 150, 40-205.

Secretaría de Hacienda y Crédito Público. (2026). Criterios Generales de Política Económica para la iniciativa de Ley de Ingresos y el proyecto de Presupuesto de Egresos de la Federación correspondientes al ejercicio fiscal de 2027. Gaceta Parlamentaria, año XXIX, número 7121-C. Cámara de Diputados.

Wani, S. G., Dholakia, A., & Ellison, D. (2026). The reasoning tax: Token economics of LLM reasoning across task types and deployment contexts. Lenovo Infrastructure Solutions Group.

Zhu, Q. (2026). AI tokenomics: The economics of tokens, computation, and pricing in foundation models (arXiv:2606.24616). arXiv.

Zhu, S. (2026). Agentic AI systems should be designed as marginal token allocators (arXiv:2605.01214). arXiv.