Contabilidad de los tokens y enrutamiento dinámico en la inteligencia artificial generativa aplicada a Sistemas de Gestión del Aprendizaje (LMS): Un modelo económico para la educación superior

Resumen

La presente investigación desarrolla un marco teórico y un modelo económico-analítico destinado a determinar la asignación eficiente del capital computacional derivado del uso de Modelos de Lenguaje a Gran Escala (LLM) en la infraestructura de enseñanza virtual universitaria. El objetivo central consiste en minimizar el gasto operativo (OPEX) asociado al consumo de tokens de inferencia en Sistemas de Gestión del Aprendizaje (LMS), garantizando simultáneamente unos resultados pedagógicos análogos a los obtenidos mediante el uso monocrómico y exclusivo de modelos fundacionales de frontera y alto coste. El estudio se fundamenta en los postulados de la Economía del Token (Tokenomics), las Operaciones Financieras en la Nube (FinOps) y el paradigma emergente de la Inteligencia Artificial Frugal (Frugal AI). Se formaliza matemáticamente un sistema de soporte a la decisión basado en el enrutamiento predictivo de modelos (LLM Routing) adaptado a entornos educativos. Mediante una simulación determinista a gran escala, estructurada sobre la arquitectura nativa del subsistema de IA de plataformas LMS contemporáneas (específicamente Moodle 4.5), se evalúan diversos escenarios presupuestarios y de gestión computacional. El análisis empírico evidencia que una estrategia de enrutamiento estratificado —que clasifica las consultas académicas según su complejidad algorítmica ex ante— puede reducir los costes de inferencia institucionales en más de un 71% frente al status quo. De forma paralela, el modelo logra mantener una tasa de suficiencia instruccional superior al 97%, cerrando de forma efectiva la brecha de equidad en el acceso tecnológico (AIED Advantage Gap) al democratizar el soporte cognitivo avanzado.