Evolución modelo de precios de Copilot
Microsoft cambia el modelo de precios de Copilot: licencia por usuario, consumo y Copilot Credits
Microsoft está evolucionando el modelo de precios de Copilot. La idea es combinar dos fórmulas que hasta ahora tendíamos a tratar por separado: un precio predecible por usuario para el uso cotidiano de la inteligencia artificial y un modelo basado en consumo para aquellas tareas avanzadas que requieren mucha más capacidad de procesamiento.
El cambio tiene bastante lógica si pensamos en hacia dónde está evolucionando la IA empresarial. No cuesta lo mismo pedir a Copilot que resuma un documento que encargar a un agente que trabaje durante horas, consulte diferentes fuentes, utilice varias herramientas y complete un proceso de negocio de principio a fin. Microsoft quiere que ambas situaciones convivan dentro de Copilot sin convertir cada interacción con la IA en un contador que las empresas tengan que vigilar continuamente.
El resultado es un modelo híbrido formado por dos componentes: la licencia de usuario de Copilot, o User Subscription License (USL), y la facturación basada en uso, o Usage-Based Billing (UBB), mediante Copilot Credits.
Everyday AI: la IA que utiliza toda la organización
Microsoft utiliza el concepto Everyday AI para referirse al uso cotidiano de Copilot: consultar información, resumir documentos, trabajar con reuniones, generar contenido o utilizar IA dentro de aplicaciones como Word, Excel o PowerPoint.
Este tipo de uso seguirá cubierto por la licencia de Copilot por usuario y mes. Es decir, el modelo tradicional de suscripción que las empresas llevan años utilizando para adquirir software y que permite conocer de antemano cuánto cuesta proporcionar Copilot a cada empleado.
La decisión es importante porque Microsoft no quiere que las tareas habituales de IA funcionen permanentemente con un contador de consumo. Si cada resumen, consulta o documento tuviera un coste incremental visible, las organizaciones podrían terminar limitando el acceso a la IA para controlar el presupuesto. La apuesta de Microsoft es precisamente la contraria: convertir Copilot en una herramienta disponible para la mayor parte de la plantilla.
El objetivo, por tanto, es mantener un coste predecible para aquello que probablemente constituya la mayor parte del uso diario de Copilot.
El concepto de saturación: no todas las tareas necesitan el mejor modelo
Una de las ideas más interesantes detrás de este modelo de precios es lo que Microsoft denomina saturación. Se trata del punto en el que utilizar un modelo más potente deja de mejorar significativamente el resultado porque la propia tarea no necesita tanta capacidad.
Pensemos, por ejemplo, en convertir la transcripción de una reunión en una lista de puntos clave o en resumir un documento enviado por un compañero. Utilizar un modelo frontier con un razonamiento extremadamente profundo podría incrementar mucho el coste computacional sin aportar una mejora proporcional en el resultado.
Este principio explica también cómo funciona la opción Auto dentro del selector de modelos de Copilot. Cuando está activada, Copilot analiza cada petición y equilibra factores como precisión, velocidad y coste para seleccionar automáticamente el modelo y el nivel de razonamiento más adecuados.
Desde el punto de vista del usuario, la ventaja es bastante clara: podemos pedir lo que necesitamos sin tener que convertirnos en expertos en modelos de lenguaje.
Copilot permitirá seguir eligiendo modelos
La automatización de la selección del modelo no significa que Microsoft vaya a eliminar la posibilidad de elegirlo manualmente. La selección de modelos seguirá formando parte de la licencia de usuario de Copilot.
Según la información compartida por Microsoft, modelos como GPT-5.6 y Sonnet 5 estarán incluidos dentro de esta experiencia, mientras que modelos más exigentes como Opus 5 podrán incorporarse con determinados límites de uso.
Aquí aparece otro elemento relevante: el concepto de fair use. La licencia de Copilot ya contempla políticas de uso razonable y Microsoft mantendrá este planteamiento, estableciendo límites diseñados para que la gran mayoría de los usuarios no llegue a alcanzarlos.
Para los usuarios con un consumo especialmente elevado, alcanzar uno de esos límites no significará quedarse sin Copilot. Microsoft plantea primero una advertencia y posteriormente diferentes alternativas, como cambiar la selección del modelo a Auto sin coste adicional o continuar utilizando capacidades superiores mediante Copilot Credits.
Esto convierte a la licencia de usuario en la base del modelo económico de Copilot, mientras que el consumo queda reservado para aquellas situaciones en las que realmente se necesita más capacidad.
Advanced AI: cuando dejamos de preguntar a la IA y empezamos a delegar trabajo
La segunda parte del modelo es lo que Microsoft denomina Advanced AI. Aquí ya no hablamos simplemente de utilizar Copilot como asistente, sino de delegar tareas completas a agentes y sistemas de IA.
Podría tratarse de un agente que trabaje durante horas, un workflow que se ejecute sin supervisión o un proceso empresarial rediseñado para que buena parte de las operaciones sean realizadas por agentes. También podríamos imaginar un modelo financiero complejo que se ejecute durante toda una tarde consultando datos, realizando cálculos y generando diferentes escenarios.
Experiencias como Cowork, Code, Autopilot, nuevas capacidades avanzadas dentro de aplicaciones como SharePoint o el acceso a determinados modelos frontier formarían parte de este tipo de escenarios.
Estas capacidades utilizarán Usage-Based Billing, es decir, facturación basada en consumo mediante Copilot Credits. Sin embargo, el punto importante es que UBB no sustituye a la licencia de Copilot, sino que se construye sobre ella. La licencia de usuario seguirá siendo necesaria para acceder a estas experiencias.
Un Copilot con modelos de diferentes proveedores
Otro aspecto especialmente interesante es que Microsoft continúa profundizando en una estrategia multimodelo.
Tanto las experiencias incluidas en la licencia como las capacidades basadas en consumo podrán utilizar modelos procedentes de diferentes laboratorios. Microsoft menciona actualmente modelos de OpenAI y Anthropic, pero también anticipa la incorporación de nuevos proveedores y modelos open-weight.
La ventaja no consiste únicamente en poder elegir. Los diferentes modelos tienen fortalezas distintas y Microsoft puede utilizar esa diversidad para seleccionar el modelo más adecuado para cada escenario.
Esta estrategia refuerza una tendencia que estamos viendo en toda la industria: el valor de una plataforma de IA empresarial probablemente no estará en proporcionar acceso a un único modelo, sino en ser capaz de orquestar diferentes modelos, herramientas y agentes dependiendo de la tarea.
La analogía del coche híbrido enchufable
Microsoft utiliza una analogía bastante buena para explicar el modelo comercial: pensar en Copilot como un coche híbrido enchufable.
La licencia de usuario sería la batería. Cubre la mayoría de los desplazamientos diarios y sabemos cuánto nos cuesta cada mes. El modelo basado en consumo sería el depósito de combustible, disponible cuando necesitamos recorrer una distancia que supera la capacidad habitual de la batería.
Lo interesante es que la decisión se produce tarea a tarea. Para la mayoría del trabajo cotidiano podremos utilizar la capacidad incluida en la licencia, mientras que los escenarios realmente intensivos podrán utilizar créditos adicionales.
Desde el punto de vista empresarial, esto permite combinar previsibilidad presupuestaria y acceso a capacidades avanzadas sin obligar a llevar todo el uso de IA a un modelo puramente basado en tokens o consumo.
FinOps para IA: controlar cuánto gastan agentes, modelos y usuarios
Probablemente uno de los mayores retos de la IA empresarial durante los próximos años no será técnico, sino financiero. Cuando los agentes empiezan a ejecutar procesos de forma autónoma, el consumo puede crecer rápidamente y resulta imprescindible saber quién está consumiendo recursos, en qué escenarios y qué valor está generando ese gasto.
Por eso Microsoft está desarrollando capacidades específicas de FinOps para Copilot.
En el caso de clientes empresariales, las capacidades basadas en consumo permanecerán desactivadas hasta que un administrador cree una spending policy desde el centro de administración de Microsoft 365. Hasta que esa política no exista, no se genera facturación por estos servicios.
Estas políticas permiten establecer presupuestos tanto a nivel de tenant como de grupos, incluyendo límites específicos para usuarios dentro de esas políticas. También pueden configurarse alertas cuando el gasto alcanza determinados umbrales.
La organización puede decidir además qué ocurre cuando alguien se acerca a un límite: mostrar una advertencia, permitir solicitar más capacidad o simplemente impedir que el usuario vea este tipo de opciones.
Integración con el modelo financiero existente de Azure
Microsoft también quiere que el gasto de IA pueda integrarse dentro de las estructuras financieras que las organizaciones ya utilizan.
Si una empresa distribuye sus costes tecnológicos mediante suscripciones de Azure o resource groups, el consumo de determinadas capacidades de IA podrá asignarse a esas mismas estructuras. De esta forma, el gasto asociado a Copilot y agentes puede aparecer dentro de los mismos mecanismos utilizados para analizar el resto de los costes tecnológicos de cada departamento.
Los informes podrán desglosar además el consumo por dimensiones como usuario, grupo, workload, política de gasto o método de pago.
Para organizaciones grandes, esta parte puede terminar siendo tan importante como el acceso a nuevos modelos. El verdadero reto no será simplemente habilitar agentes, sino establecer presupuestos, gobernanza y mecanismos de imputación de costes que permitan utilizarlos a escala.
Microsoft amplía las capacidades de gestión del consumo de IA
Microsoft también está ampliando progresivamente las herramientas disponibles para comprender y optimizar este gasto.
Entre las novedades anunciadas se encuentra la incorporación de más workloads a las herramientas de gestión de costes. Code y Managed Runtime se añaden a capacidades que ya incluyen Cowork y las Work IQ APIs, mientras que los agentes de Copilot Studio se incorporarán posteriormente.
También se está desarrollando una gestión más granular de los modelos disponibles. Los administradores podrán controlar qué familias de modelos pueden utilizar determinados grupos, permitiendo adaptar el acceso al tipo de usuario o escenario.
No todos los empleados necesitan acceder al modelo más potente disponible y, desde una perspectiva FinOps, limitar determinados modelos puede ser una herramienta importante para optimizar la relación entre coste y valor generado.
Entender no solo cuánto consume Copilot, sino para qué
Otra novedad interesante son los consumption insights para Cowork. La idea es que los administradores puedan entender qué escenarios están generando consumo de créditos y qué resultados están produciendo.
Esta información permite pasar de una visión puramente financiera —“hemos gastado X créditos”— a una conversación mucho más interesante: “hemos gastado estos créditos automatizando este proceso y hemos obtenido este resultado”.
Ese cambio será fundamental para evaluar el ROI de los agentes. El coste aislado dice relativamente poco; lo realmente relevante es compararlo con el trabajo realizado, el tiempo ahorrado o el proceso que se ha automatizado.
Microsoft también permitirá gestionar las políticas de gasto programáticamente mediante Microsoft Graph API, facilitando la integración con herramientas de Business Intelligence, plataformas FinOps y procesos internos de gobierno.
Los propios usuarios podrán consultar además dentro de Microsoft Copilot información sobre créditos utilizados, créditos restantes e historial de consumo. De esta forma, parte de la responsabilidad sobre el consumo puede trasladarse también al usuario final.
¿Cuánto puede cambiar realmente el coste?
Microsoft ha realizado análisis internos para comparar diferentes perfiles de uso de IA y estudiar cómo se comportan los costes entre modelos de suscripción y escenarios más avanzados basados en consumo.
Según la metodología publicada por la compañía en septiembre de 2026, la comparación utiliza dos perfiles de usuario y un conjunto de 40 prompts ejecutados repetidamente. El escenario incluye desde tareas habituales en Chat, Word, Excel y PowerPoint hasta usos avanzados de Cowork con modelos como Opus 5 y GPT-5.6 Sol con niveles elevados de razonamiento.
La comparación utiliza precios de lista y tarifas públicas disponibles en ese momento para Copilot, Claude y ChatGPT, sin incluir descuentos, promociones o acuerdos comerciales específicos. Microsoft advierte, lógicamente, de que los costes reales pueden variar significativamente dependiendo del uso, la configuración y los precios contratados por cada cliente.
Más que las cifras concretas de esa comparación, lo relevante es la dirección que señala: el coste de la IA dejará de poder analizarse simplemente como una licencia por usuario. A medida que los agentes asuman procesos más complejos, tendremos que empezar a medir también consumo, modelos utilizados, tiempo de ejecución, herramientas invocadas y valor generado.
Copilot entra en una nueva fase económica
La evolución del pricing de Copilot refleja en realidad una transformación mucho más profunda en la forma en la que utilizamos inteligencia artificial dentro de las empresas.
Durante la primera etapa de Copilot, el modelo era relativamente sencillo: comprábamos una licencia para que una persona utilizase un asistente de IA. Pero cuando empezamos a hablar de agentes que ejecutan procesos durante horas, realizan múltiples llamadas a modelos y utilizan herramientas de forma autónoma, una tarifa completamente plana resulta mucho más difícil de sostener.
Microsoft intenta resolver este problema manteniendo una base predecible para el uso cotidiano y añadiendo consumo únicamente cuando entramos en escenarios intensivos.
Para las organizaciones, esto introduce una nueva disciplina que tendremos que aprender rápidamente: AI FinOps. Ya no bastará con decidir quién tiene una licencia de Copilot. También tendremos que decidir qué modelos puede utilizar cada perfil, qué agentes pueden consumir créditos, qué presupuesto tiene cada departamento y qué retorno obtenemos de ese consumo.
Y probablemente esa sea la parte más importante de todo este cambio. La conversación alrededor de Copilot está empezando a pasar de “¿cuánto cuesta una licencia?” a una pregunta bastante más interesante: “¿cuánto valor está generando la IA por cada euro que invertimos en ella?”.
Información basada en la publicación Evolution of the Copilot pricing model.
