OpenAI describe un marco llamado "Inteligencia Útil por Dólar" para ayudar a las empresas a medir el valor económico de sus inversiones en IA más allá de las métricas simples de costo por token. El artículo argumenta que el éxito debe medirse por el trabajo realizado, la fiabilidad y la escalabilidad, en lugar de solo las tasas de adopción.
La hoja de puntuación evalúa cuatro áreas clave: si la IA realiza un trabajo significativo, el costo total por tarea exitosa (incluyendo reintentos y revisión humana), la confiabilidad a través del seguimiento de calidad, y si el valor mejora a escala. OpenAI destaca su recientemente lanzada familia de modelos GPT-5.6, que incluye las capas Sol, Terra y Luna, como un ejemplo de optimización de esta ecuación. En el Índice de Agentes de Codificación de Artificial Analysis, GPT-5.6 Sol con razonamiento máximo estableció un nuevo estado del arte mientras usaba un 54% menos de tokens de salida que un competidor líder. El marco enfatiza que los modelos de menor costo pueden requerir más intentos, mientras que los modelos capaces pueden entregar resultados en un solo pase, reduciendo el tiempo total de cómputo y revisión.
OpenAI posiciona esta métrica como una manera para que los CFOs determinen si el valor de la IA crece más rápido que los costos de producción, con el objetivo de hacer la IA más útil al reducir el costo del trabajo mientras se aumenta la capacidad.