La inteligencia artificial prometía abaratar el desarrollo de software, pero la primera factura seria empieza a contar otra historia. GitLab ha abierto un debate incómodo para CIOs, CTOs, responsables de ingeniería y compras tecnológicas: cuando los agentes de IA empiezan a programar, revisar código, abrir merge requests y disparar pipelines de forma continua, el coste ya no se mide solo por usuario, sino por actividad real de máquina.
Bill Staples, CEO de GitLab, lo ha planteado en una carta titulada “GitLab Act 2”, dirigida a clientes, inversores y empleados. Su tesis es que el mercado de plataformas de desarrollo está entrando en una nueva etapa. El gasto mensual por usuario, que hace poco se movía en decenas de dólares, ya ha pasado a cientos y puede dirigirse hacia miles en los casos de uso más intensivos. No es una subida menor de licencias. Es un cambio en la forma de producir software.
La IA ya no solo ayuda: trabaja dentro del pipeline
Hasta hace poco, muchas empresas veían las herramientas de IA para programadores como asistentes de productividad. El desarrollador escribía un prompt, recibía una sugerencia, aceptaba o rechazaba código y seguía trabajando. Ese modelo encajaba relativamente bien con una suscripción por asiento: se pagaba por cada persona con acceso a la herramienta.
La llegada de agentes cambia esa lógica. Un agente puede planificar tareas, modificar varios ficheros, lanzar pruebas, abrir solicitudes de cambio, corregir errores, actualizar documentación y repetir el ciclo sin depender de una interacción humana en cada paso. Staples lo resume de forma clara: los agentes abren merge requests en paralelo, activan pipelines a cualquier hora y generan commits a una velocidad que ningún equipo humano podría igualar.
Eso tiene valor, pero también consume recursos. Cada acción puede implicar llamadas a modelos, tokens de entrada y salida, ejecución de CI/CD, almacenamiento de artefactos, análisis de seguridad, pruebas automatizadas y revisiones adicionales. La productividad aparente puede crecer, pero también lo hace el gasto variable asociado al uso de infraestructura y modelos.
Por eso GitLab ya ha introducido precios por consumo para el trabajo de agentes y permitirá combinar modelos de suscripción y consumo. La suscripción seguirá dando una base predecible, pero el uso de IA agéntica empuja hacia una factura más parecida a la del cloud: compromisos, límites, monitorización, políticas internas y discusiones sobre el coste real al final del mes.
GitHub se mueve en la misma dirección. La compañía anunció que Copilot pasará a un modelo de facturación basado en uso desde el 1 de junio de 2026 mediante GitHub AI Credits. El consumo se calculará en función de tokens, incluidos tokens de entrada, salida y caché, usando las tarifas API de cada modelo. Es una señal clara de que el modelo plano empieza a resultar difícil de sostener cuando los agentes aumentan la carga sobre la infraestructura.
| Modelo de coste | Cómo funcionaba | Qué cambia con agentes de IA |
|---|---|---|
| Por asiento | Se paga por desarrollador con acceso | No refleja el trabajo generado por agentes |
| Por petición | Se mide cada interacción o solicitud premium | Se queda corto cuando una tarea dispara sesiones largas |
| Por consumo | Se factura según tokens, modelos y uso real | Se acerca más al coste técnico de operar IA |
| Modelo híbrido | Suscripción base más consumo adicional | Probable estándar empresarial a corto plazo |
El coste deja de ser una línea fija
Los analistas consultados por InfoWorld coinciden en que el cambio no parece temporal. Nitish Tyagi, de Gartner, sostiene que casi todos los proveedores de agentes de programación con IA están avanzando hacia precios basados en consumo. Según los datos citados por el analista, un 29 % de las organizaciones ya declara costes de tokens de IA de entre 200 y 500 dólares por desarrollador al mes, mientras que los usuarios intensivos pueden superar con facilidad los 2.000 dólares mensuales cuando los agentes se integran en tareas diarias de generación de código, pruebas, refactorización y documentación.
La predicción más llamativa de Gartner es que, en 2028, los costes de IA para programación podrían superar el salario medio de un desarrollador. Conviene leer esa previsión con cautela, porque dependerá mucho del país, del perfil, de la intensidad de uso, del tipo de modelos y del control interno de consumo. Pero sirve para ilustrar el cambio de escala: la IA de desarrollo deja de ser una herramienta barata añadida al IDE y pasa a ser un gasto operativo que puede competir con partidas principales del departamento de ingeniería.
Sanchit Vir Gogia, de Greyhound Research, lo explica desde otro ángulo: la licencia por asiento no desaparece, pero queda relegada. El asiento humano ya no explica por sí solo el valor, el coste ni el riesgo cuando las máquinas producen trabajo junto a los desarrolladores o incluso por delante de ellos.
Para una empresa con 5.000 desarrolladores, el cambio puede ser enorme. Antes, compras podía contar usuarios, negociar descuentos y renovar contratos. Con consumo, el gasto se convierte en un contador vivo. Cada equipo, repositorio, pipeline y agente puede afectar a la factura. Esto obliga a introducir límites por proyecto, presupuestos por equipo, alertas de consumo, políticas de modelos, auditoría de agentes y métricas de retorno.
La comparación con el cloud es inevitable. Muchas empresas adoptaron nube pública por flexibilidad y terminaron creando departamentos FinOps para entender y controlar costes. Con la IA de desarrollo puede ocurrir algo parecido: aparecerá una capa de “AI FinOps” aplicada a ingeniería, donde no solo se mida cuánto se gasta, sino qué tareas justifican ese gasto y cuáles generan ruido, deuda técnica o ejecuciones innecesarias.
GitLab también se reestructura para la era agéntica
El anuncio de GitLab no se limita a precios. La compañía ha iniciado una reestructuración interna que incluye reducción de plantilla, eliminación de hasta tres capas de dirección en algunas áreas, reorganización de I+D en unas 60 unidades más pequeñas y una reducción de hasta el 30 % en el número de países donde opera con equipos pequeños. GitLab prevé cerrar la nueva estructura en torno al 1 de junio y compartir el alcance final y el efecto financiero en la presentación de resultados del 2 de junio.
Staples defiende que no se trata solo de recortar costes ni de una “optimización por IA”. La empresa afirma que reinvertirá la mayor parte del ahorro en acelerar su oportunidad en la era agéntica. Aun así, el movimiento tiene una lectura clara: si GitLab cree que el software será construido por máquinas y dirigido por personas, necesita adaptar su organización, su producto y su modelo comercial a esa tesis.
La compañía también plantea una reconstrucción técnica de su plataforma: Git preparado para escala de máquina, CI/CD convertido en un entorno de orquestación para agentes y más automatización en revisiones, aprobaciones y flujos internos. En otras palabras, GitLab no quiere vender solo una herramienta de DevSecOps con funciones de IA. Quiere convertirse en la capa donde humanos y agentes coordinan producción de software.
El riesgo para los compradores es caer en el entusiasmo sin gobernanza. Los agentes pueden acelerar entregas, pero también generar más cambios de los que un equipo puede revisar, disparar costes de pipeline, aumentar dependencias, introducir vulnerabilidades o multiplicar ramas y solicitudes de cambio de baja calidad. La pregunta no será solo cuántas líneas de código produce la IA, sino cuántas llegan limpias, probadas, seguras y mantenibles a producción.
Para los responsables de IT, el mensaje práctico es urgente. Antes de desplegar agentes de programación a gran escala, deben definir presupuestos, límites de uso, responsables de gasto, políticas por modelo, reglas de aprobación, métricas de calidad y controles de seguridad. El nuevo coste del desarrollo con IA no se puede gestionar con una hoja de cálculo de licencias por usuario.
La promesa de la IA agéntica sigue siendo poderosa: producir más software, automatizar tareas repetitivas y liberar a los ingenieros para decisiones de arquitectura, producto y calidad. Pero GitLab acaba de recordar algo que el mercado empieza a asumir: cuando las máquinas trabajan todo el día, alguien paga la factura.
Preguntas frecuentes
¿Por qué dice GitLab que subirá la factura de desarrollo con IA?
Porque los agentes de IA no solo responden preguntas, sino que generan trabajo dentro del pipeline: commits, merge requests, pruebas, documentación y ejecuciones de CI/CD. Todo eso consume modelos, tokens e infraestructura.
¿Desaparece el precio por usuario?
No necesariamente. Lo más probable es un modelo híbrido: una suscripción base por usuario y una parte variable ligada al consumo real de IA y agentes.
¿Qué está haciendo GitHub con Copilot?
GitHub ha anunciado que Copilot pasará a facturación basada en uso desde el 1 de junio de 2026 mediante GitHub AI Credits, calculados según consumo de tokens y modelo utilizado.
¿Qué deberían hacer los CIOs y CTOs?
Medir el consumo por equipo, fijar límites, revisar qué agentes pueden ejecutar tareas, controlar costes de CI/CD y evaluar la calidad real del código generado antes de escalar el uso.
vía: infoworld
