A partir del 1 de octubre de 2026, Microsoft actualiza la forma en que se mide el consumo de determinadas capacidades de inteligencia artificial en Microsoft Fabric.
La noticia afecta a experiencias de IA que utilizan grandes modelos de lenguaje, entre ellas Copilot en Fabric, Fabric Data Agents, AI Functions y Fabric IQ ontologies.
La actualización puede parecer, a primera vista, un cambio técnico de facturación.
Sin embargo, para las empresas que ya están desplegando IA generativa dentro de Microsoft Fabric, o que están preparando pilotos con Copilot, agentes de datos y funciones de IA, la pregunta real es mucho más concreta:
¿Cómo se calcula ahora el coste de la IA en Fabric y qué pasará cuando el modelo sea más dinámico? Lo respondemos en este artículo.
La inteligencia artificial en Microsoft Fabric empieza a ser una carga de trabajo que consume capacidad y que, por tanto, debe medirse, planificarse y gobernarse.
El cambio anunciado por Microsoft entrará en vigor el 1 de octubre de 2026. A partir de esa fecha, determinadas capacidades de IA en Fabric pasarán a un modelo de consumo dinámico, basado en los recursos necesarios para completar cada tarea.
Esto significa que el consumo podrá variar según factores como el modelo utilizado, el esfuerzo de razonamiento, la complejidad de la solicitud, las herramientas implicadas y el procesamiento requerido.
Por ahora, Microsoft aún no ha publicado todas las condiciones exactas de este nuevo modelo. Tampoco existe una calculadora específica que permita anticipar el precio final de estas capacidades de IA, como sí ocurre con otros servicios cloud.
El mensaje para las empresas es claro: hoy no se puede calcular con precisión el coste final del nuevo modelo de consumo de IA en Microsoft Fabric.
Lo que sí pueden hacer las organizaciones es prepararse: revisar qué capacidades de IA utilizan actualmente, monitorizar su consumo en la Fabric Capacity Metrics App y construir una línea base antes del 1 de octubre de 2026. Cuando Microsoft publique más detalles, esa visibilidad permitirá ajustar la planificación de capacidad con mucha más precisión.
Si aún no has consultado nuestra Guía Completa sobre Microsoft Fabric, puedes acceder a ella aquí:
A partir del 1 de octubre de 2026, determinadas experiencias de IA en Microsoft Fabric dejarán de medirse bajo un modelo de consumo fijo y pasarán a un modelo de consumo dinámico, más vinculado a los recursos reales que necesita cada tarea.
En la práctica, esto significa que dos interacciones de IA no tendrán necesariamente el mismo impacto sobre la capacidad.
Una solicitud sencilla, con poco contexto y una respuesta breve, puede consumir menos que una petición compleja que requiera interpretar datos corporativos, consultar herramientas adicionales, razonar sobre varias entidades de negocio o generar una respuesta más elaborada.
El consumo seguirá midiéndose en Fabric Capacity Units (CUs), pero podrá variar según factores como el modelo de IA utilizado, el esfuerzo de razonamiento, la complejidad de la solicitud, las herramientas y servicios implicados, y el procesamiento necesario para completar la tarea.
El nuevo modelo de consumo de IA en Microsoft Fabric introduce una relación más directa entre la complejidad de una tarea y la capacidad necesaria para ejecutarla. Para las empresas, esto significa que el coste operativo de la IA dependerá cada vez más de cómo se diseñan, usan y gobiernan los workloads de IA.
Este cambio es especialmente relevante para grandes organizaciones.
En un entorno con pocos usuarios y casos de uso muy acotados, el consumo puede ser relativamente previsible. En cambio, en una compañía con múltiples áreas, cientos o miles de usuarios, workspaces distribuidos, modelos semánticos complejos y agentes conectados a datos corporativos, el consumo puede crecer de forma mucho menos lineal.
El nuevo modelo de consumo se aplicará a algunas operaciones de Microsoft Fabric que utilizan grandes modelos de lenguaje o LLM. Microsoft menciona específicamente cuatro experiencias: Copilot en Fabric, Fabric Data Agents, AI Functions y Fabric IQ ontologies.
La lista no debe interpretarse como definitiva. Microsoft indica que otras capacidades de IA podrían adoptar el nuevo modelo de consumo a medida que se incorporen más funcionalidades a Fabric.
Copilot en Fabric ya cuenta con un modelo de consumo documentado. Su consumo se mide en Fabric Capacity Units (CUs) y cada interacción se calcula a partir de los tokens procesados.
Como referencia, aproximadamente 1.000 tokens equivalen a unas 750 palabras. Esta equivalencia debe entenderse solo como una aproximación: no permite calcular por sí sola el precio final de una interacción, pero ayuda a comprender por qué una solicitud larga, una respuesta extensa o una conversación con mucho contexto puede consumir más capacidad.
Para una visión más amplia sobre el papel de Copilot dentro del ecosistema Fabric, puedes consultar nuestra guía Todo lo que Necesitas Saber Sobre Microsoft Fabric y Copilot.
Los Fabric Data Agents también están directamente relacionados con este cambio. Cuando un usuario consulta un Data Agent en lenguaje natural, Fabric genera tokens a partir de la pregunta del usuario y del contexto necesario para procesarla.
El consumo total de estas operaciones aparece en la Fabric Capacity Metrics App bajo el nombre AI Query. Esto permite separar mejor el uso asociado a los agentes y observar cómo impactan en la capacidad.
La diferencia frente a una interacción textual simple es relevante: un agente puede necesitar contexto adicional, consultar datos corporativos y construir una respuesta basada en información empresarial. Por eso, su consumo debe analizarse como parte del workload completo, no solo como una llamada aislada al modelo.
En AI Functions, las llamadas al endpoint LLM integrado de Fabric se facturan contra la capacidad de Fabric bajo el medidor Copilot and AI. En la Capacity Metrics App, este uso aparece como operación AI Functions.
Estas operaciones permiten observar métricas como input_tokens, cached_tokens, output_tokens, reasoning_tokens, model y client_type. Son variables clave porque anticipan la lógica del nuevo modelo: el consumo de IA no depende solo de que se use una funcionalidad, sino del modelo elegido, los tokens procesados, el razonamiento aplicado y el tipo de operación ejecutada.
Fabric IQ ontologies añaden una dimensión distinta al consumo de IA en Fabric.
Fabric IQ funciona como una capa semántica orientada a hacer que los datos y el contexto estén disponibles de forma consistente para workloads de Fabric, Foundry, Copilot Studio y aplicaciones personalizadas.
Cuanto más dependan las experiencias de IA de modelos semánticos, ontologías y agentes, más importante será entender qué contexto utilizan, qué procesamiento activan y cómo impactan en el consumo de capacidad.
Para profundizar en el papel de las ontologías, los grafos y la capa semántica dentro de Microsoft Fabric, puedes consultar nuestra guía sobre Fabric IQ y su impacto en la inteligencia empresarial.
El nuevo modelo de consumo de IA en Microsoft Fabric entrará en vigor el 1 de octubre de 2026, por lo que todavía no es posible calcular con precisión el coste final de cada escenario.
Si bien sabemos que el consumo dependerá de los recursos necesarios para completar cada tarea, Microsoft aún no ha publicado las condiciones exactas del nuevo modelo, ni existe una calculadora específica para anticipar el precio final de estas capacidades de IA.
Lo que sí pueden hacer hoy las empresas es prepararse a partir de la lógica de consumo ya documentada en algunas experiencias actuales, como Copilot en Fabric.
Esta lógica permite entender cómo se mide parte del consumo mediante tokens y Fabric Capacity Units (CUs), aunque no debe confundirse con una fórmula cerrada para el nuevo modelo dinámico.
En algunas experiencias actuales, Microsoft utiliza una fórmula basada en tokens:
CU seconds = (input tokens × tarifa input + cached input tokens × tarifa cached input + output tokens × tarifa output) / 1.000Las tarifas documentadas actualmente para Copilot en Fabric son:
| Tipo de token | Consumo documentado |
|---|---|
| Input tokens | 100 CU seconds por 1.000 tokens |
| Cached input tokens | 10 CU seconds por 1.000 tokens |
| Output tokens | 400 CU seconds por 1.000 tokens |
Por ejemplo, una solicitud con 2.000 input tokens y 500 output tokens consumiría:
(2.000 × 100 + 500 × 400) / 1.000 = 400 CU secondsEs decir, 400 CU seconds, equivalentes a 6,67 CU minutes.
La fórmula basada en tokens permite estimar el consumo técnico de algunas interacciones actuales, pero no anticipa con precisión el coste del nuevo modelo que entrará en vigor el 1 de octubre de 2026.
La razón es que el nuevo modelo de consumo no dependerá solo de tokens. También tendrá en cuenta factores como el modelo utilizado, el esfuerzo de razonamiento, la complejidad de la solicitud, las herramientas implicadas y el procesamiento necesario para completar cada tarea.
Por eso, los CU seconds actuales deben entenderse como una referencia para construir una línea base de consumo, no como una calculadora cerrada del nuevo precio.
Una vez aclarado que la fórmula actual no basta para anticipar el nuevo precio, el siguiente paso es entender qué entra realmente en el consumo de un caso de uso de IA.
En muchos escenarios, una experiencia de IA en Fabric no se limita a recibir un prompt y generar una respuesta: también puede activar otros componentes de la plataforma.
Un Fabric Data Agent, por ejemplo, puede necesitar contexto adicional, generar una consulta, ejecutarla contra un motor de datos, recuperar resultados y construir una respuesta en lenguaje natural. En ese escenario, el consumo no termina en los tokens. También puede incluir operaciones sobre Data Warehouse, SQL analytics endpoint, modelos semánticos, DAX u otros motores de Fabric.
Lo mismo ocurre con AI Functions. La llamada al modelo puede aparecer bajo el medidor Copilot and AI, pero el proceso completo puede apoyarse en Spark, Dataflow Gen2, Data Warehouse o pipelines de preparación y transformación de datos. Ese consumo adicional también forma parte del coste real del caso de uso, aunque no siempre aparezca bajo la misma operación de IA.
Por eso, la pregunta correcta no es solo “¿cuántos tokens consume esta interacción?”, sino “¿qué recursos de Fabric se activan para completar esta tarea?”.
En Fabric, elegir un modelo de IA no será solo una decisión técnica. También será una decisión de capacidad, coste y gobierno.
Para estimar el coste real de IA en Microsoft Fabric, las empresas deberán medir el caso de uso completo: modelo, tokens, razonamiento, consultas generadas, motores de datos involucrados y capacidad consumida por los procesos que preparan, consultan o sirven los datos.
La preparación no debería empezar el 1 de octubre de 2026. Para entonces, las empresas deberían llegar con una línea base clara de consumo, una lectura de sus workloads de IA y un modelo inicial de gobierno.
La herramienta central será la Fabric Capacity Metrics App. Microsoft recomienda revisar el uso actual de workloads de IA en Fabric, monitorizar el consumo de Capacity Units después de la actualización, evaluar tendencias de utilización y ajustar la planificación de capacidad cuando sea necesario.
Pero monitorizar no es suficiente. La clave está en convertir esas métricas en decisiones de gobierno, arquitectura y capacidad.
Antes de que entre en vigor el nuevo modelo, las organizaciones deberían revisar cinco aspectos:
Esta revisión debe distinguir entre pruebas, pilotos, procesos recurrentes y cargas críticas. No tiene el mismo peso una exploración puntual con Copilot que un Data Agent utilizado por un área de negocio para consultar indicadores corporativos de forma recurrente.
En IA, la arquitectura importa. Un agente conectado a fuentes bien modeladas, con contexto semántico claro y permisos adecuados, puede responder mejor y de forma más eficiente.
En cambio, una experiencia construida sobre datos dispersos, definiciones contradictorias o modelos poco gobernados puede necesitar más contexto, generar más consultas y producir respuestas menos fiables.
La IA no puede gobernarse solo desde TI si los usuarios no entienden que cada interacción puede tener impacto sobre la capacidad. Esto no significa frenar el uso, sino educarlo con criterios claros: qué casos de uso se priorizan, qué modelos se utilizan, qué límites existen y cómo se medirá el valor generado.
Finalmente, las empresas deberán traducir el consumo observado en planificación de capacidad. Si una organización prevé escalar agentes de datos, automatizar transformaciones con AI Functions o extender Copilot a más áreas, ese crecimiento debe incorporarse al capacity planning antes de que el nuevo modelo entre en vigor.
La Capacity Metrics App no debe servir solo para controlar costes. Debe convertirse en el punto de partida para decidir qué experiencias de IA escalar, cuáles rediseñar y qué capacidad necesitará la organización para sostenerlas.
Microsoft Fabric cambiará el modelo de consumo de determinadas capacidades de IA a partir del 1 de octubre de 2026. La actualización afectará a experiencias que utilizan grandes modelos de lenguaje, como Copilot en Fabric, Data Agents, AI Functions y Fabric IQ ontologies.
La noticia es importante porque obliga a las empresas a responder una pregunta cada vez más crítica: ¿cómo estimamos y gobernamos el coste real de la IA en nuestra plataforma de datos?
Por ahora, la respuesta no es una tarifa única ni una calculadora cerrada. El nuevo coste dependerá de los recursos necesarios para completar cada tarea y deberá analizarse a partir del consumo real, los workloads implicados y el valor de negocio generado.
El cambio no debe interpretarse como una barrera a la adopción de IA. Al contrario, es una señal de madurez. La IA en Fabric seguirá creciendo, pero su crecimiento deberá ser más gobernado, más observable y más conectado al valor de negocio.
La diferencia entre una adopción eficiente y una adopción costosa no estará en usar más o menos IA. Estará en saber qué IA se usa, cuánto consume, qué valor genera y cómo se gobierna.
El cambio del 1 de octubre de 2026 no debería abordarse solo como una actualización de facturación, sino como una oportunidad para revisar cómo se está utilizando, midiendo y gobernando la IA en Microsoft Fabric.
En Bismart ayudamos a las empresas a evaluar su entorno Fabric, analizar sus workloads de IA, construir una línea base de consumo y definir un modelo de gobierno que permita escalar Copilot, Data Agents, AI Functions y otras capacidades de IA con control, eficiencia y visión de negocio.