LG U+ lanzará en 2027 un negocio de tokens de IA para empresas

Según ZDNet Korea, el operador de telecomunicaciones surcoreano LG U+ (LG Uplus) entrará en 2027 en el mercado empresarial con un negocio de «tokens»: un servicio de intermediación que da a sus clientes acceso a modelos de IA combinando los modelos y la infraestructura adecuados para cada tarea. El grupo presentó su estrategia en un encuentro con la prensa el 12 de noviembre de 2026 en Seúl, y la prensa surcoreana lo difundió el 15 de noviembre.

Un token es la unidad de texto que la IA procesa como entrada y como salida, y la base sobre la que se factura su uso. Según ZDNet Korea, cuanto más encadena un agente de IA búsquedas, análisis y verificaciones para completar un trabajo, más tokens consume. Por eso LG U+ defiende un indicador distinto del precio del token: el coste total de llevar una tarea hasta el final, que llama «Task Cost».

¿Qué quiere vender LG U+ a las empresas?

Según ZDNet Korea y Pointe Economy, a partir de 2027 el operador combinará dos vías: alianzas con empresas colaboradoras e infraestructura construida por sí mismo. ZDNet Korea informa de que el director técnico, Lee Sang-yeop, explicó que Kakao se ocuparía del front-end y LG U+ del «model serving», es decir, de la ejecución de los modelos que produce las respuestas. El artículo no detalla el alcance exacto de ese reparto de funciones.

Según ZDNet Korea, LG U+ destaca tres terrenos de experiencia: su aplicación de llamadas asistida por IA ixi-O, su centro de contacto con IA (AICC) y su transformación interna con IA. El mismo medio señala que ixi-O combinó al principio un modelo integrado en el dispositivo de LG AI Research con Google Gemini, y que después se ajustó el peso del modelo propio y de EXAONE, la familia de modelos de LG AI Research, para ganar eficiencia de costes. Los datos de operación de «Modu AI», el servicio público de IA para ciudadanos que LG U+ comercializa con Kakao a finales de año, también deben alimentar el negocio.

¿Qué ahorros cifrados anuncia el operador?

Las cifras siguientes son resultados de pruebas internas anunciados por LG U+ y recogidos por ZDNet Korea y DigitalToday. En los artículos leídos, ninguna ha sido verificada por un tercero.

• Según ZDNet Korea y DigitalToday, usar el modelo propio de LG U+ para programar reduce el coste de operación en torno a un 90 % frente a un modelo habitual; ZDNet Korea añade un rendimiento aproximadamente cuatro veces mayor sobre la misma infraestructura.
• El enrutamiento de modelos consiste en enviar cada petición al modelo adecuado a su dificultad. Según ZDNet Korea, las pruebas internas muestran una bajada de costes de al menos el 25 % en preguntas generales y de al menos el 30 % en agentes de código; DigitalToday precisa que la calidad de las respuestas se mantiene en torno al 95 %.
• Según DigitalToday, la «ingeniería de arnés», que limita las herramientas y el alcance de un agente y reutiliza los procedimientos que funcionaron, reduce el consumo de tokens un 38 % en tareas generales y un 84 % en programación.
• Según DigitalToday, reducir un modelo de 35.000 a 10.000 millones de parámetros conserva el 91 % de la calidad y acelera la generación un 40 %.
• Según ZDNet Korea, el modelo integrado en el dispositivo pasa de 2,4–3 GB a unos 800 MB y conserva más del 95 % del rendimiento de un modelo en la nube usado como comparación.
• La decodificación especulativa hace que un modelo pequeño redacte un borrador que un modelo grande verifica. Según DigitalToday, un modelo EXAONE pasa así de 80 a 160 tokens por segundo; ZDNet Korea añade que dos artículos de investigación relacionados fueron aceptados en la conferencia NeurIPS.

Estas mejoras no se suman necesariamente. ZDNet Korea precisa que la cifra del 90 % en programación procede de una verificación distinta de la del enrutamiento. Pointe Economy cita además a un responsable de LG U+ que habla de una eficiencia de tokens del 85 % al 90 % en tareas de agentes en telecomunicaciones, sin detallar la base de cálculo. Conviene leer estas cifras como órdenes de magnitud anunciados por la empresa.

¿Cómo funciona la «chip mix»?

Según DigitalToday, una inferencia tiene dos tiempos: el «prefill», que analiza la pregunta y depende sobre todo de la potencia de cálculo, y el «decoding», que redacta la respuesta y depende sobre todo de la memoria. Según Pointe Economy, LG U+ asigna el prefill a GPU de Nvidia, el decoding a GPU de AMD con más memoria, y los modelos ligeros especializados a NPU nacionales, chips dedicados a la IA. Según ZDNet Korea, el operador prueba desde hace más de dos años las NPU de la empresa emergente surcoreana FuriosaAI.

Pointe Economy informa de que, según Lee Hye-jin, responsable de estrategia tecnológica, más del 80 % del coste total se consume en la fase en que la IA «piensa» antes de responder. El medio menciona la paradoja de Jevons: cuando baja el precio unitario, el uso crece y la factura total puede aun así subir.

¿Por qué una operadora de telecomunicaciones se lanza a los tokens?

Según Pointe Economy, el director técnico Lee Sang-yeop afirma que el rival de LG U+ no es el gran modelo de un gigante tecnológico, sino la capacidad de ingeniería para combinar al menor coste modelos ligeros propios y modelos externos para un objetivo de negocio concreto. El medio añade que la experiencia de las telecomunicaciones en optimizar frecuencias y tráfico se presenta como trasladable a la IA.

El movimiento no es aislado. ZDNet Korea lista entre sus artículos relacionados un titular del 27 de octubre de 2026 sobre la entrada de KT en la producción y distribución de tokens, y otro del 9 de noviembre en el que un directivo de SK Telecom habla de combinar GPU y NPU para producir tokens al mejor precio. Esos dos artículos no se han leído aquí: solo se citan sus titulares.

Qué cambia para una empresa española o latinoamericana

En esta fase, los artículos leídos no dan tarifas, clientes, calendario detallado ni objetivo de facturación. El servicio aún no existe comercialmente y nada indica que vaya a ofrecerse fuera de Corea del Sur.

Para una empresa que despliega agentes de IA, la lección es sobre todo de método: pedir al proveedor el coste completo de una tarea terminada (llamadas al modelo, búsquedas, verificaciones) en lugar del precio por millón de tokens, probar el enrutamiento entre modelo pequeño y grande con sus propios casos de uso, y comprobar que los ahorros anunciados se mantienen con sus datos. Para encuadrar el despliegue de agentes, véase el sistema agéntico.