El papel de Luoyang es caro, y el uso explosivo de agentes se ha convertido en una pesadilla para las empresas tecnológicas, que han descubierto desafortunadamente: resulta que, en comparación con la IA, la mayor ventaja de los humanos es que se les pueden retrasar los salarios (x).
La IA no entiende el sentimiento, y Silicon Valley no cree en las lágrimas.
Recientemente, incluso Amazon, con ingresos anuales superiores a 700.000 millones de dólares y una gran fortuna, ha sido duramente golpeado por Claude.
Según empleados de Amazon, la empresa quería usar recientemente Claude Sonnet para completar información detallada sobre autores en su sitio web.
Pero esta tarea aparentemente simple le costó a Amazon 1,8 millones de dólares.
Superando el presupuesto en un 860%.
Y pasaron 5 meses antes de que se descubriera.
Y al final tampoco se implementó con éxito. (Aunque, de todos modos, esto ya parece un problema de gestión).
Un agente puede fallar, pero también puede reintentar persistentemente, día y noche sin descanso. Era un día tranquilo, nadie le advirtió «Por favor, espera antes de intentarlo de nuevo».
Actualmente, el precio público de Claude Sonnet es de aproximadamente 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida. 1,8 millones de dólares podrían haber quemado un máximo de 600.000 millones de tokens; solo en términos de volumen de datos, esto equivale al doble del corpus de entrenamiento completo de GPT3.
Ya han ocurrido muchos casos similares dentro de Amazon, y estos errores a menudo pasan desapercibidos durante mucho tiempo.
Cualquier cosa relacionada con la IA, nos cuesta mucho entender cuánto cuesta realmente. Un problema menor en sistemas tradicionales, si se hace con IA, puede generar costos inimaginablemente altos.
El sueño de automatización de la tienda de todo
A pesar de esto, estos incidentes no frenan el ritmo de automatización de Amazon. Hoy en día, está apostando por la IA a una escala sin precedentes.
El CEO Andy Jassy anunció que el gasto de capital previsto de Amazon para 2026 es de aproximadamente 2,2 billones de dólares, la mayor parte se destinará a AWS (Amazon Web Services), chips de IA propios e infraestructura eléctrica, un aumento de casi un 60% respecto a 2025, convirtiéndose en el mayor gasto de capital anual único entre las empresas de gran capitalización del mundo.
Esta gran inversión también ha generado beneficios superiores a lo esperado. Justo esta mañana, Amazon anunció los resultados financieros del segundo trimestre hasta el 30 de junio de 2026. Los datos muestran que AWS logró ventas netas de 42.200 millones de dólares en el segundo trimestre, un aumento del 37% interanual. Además, de las ganancias operativas totales de Amazon de 27.500 millones de dólares, AWS contribuyó con aproximadamente el 60%, mientras que sus ingresos representan solo el 21% de los ingresos totales de la empresa.
Al mismo tiempo, Amazon ha realizado dos rondas de despidos masivos desde octubre de 2025, eliminando un total de aproximadamente 30.000 puestos de trabajo.
Ya el año pasado, el propio Jassy expresó una hermosa perspectiva. En un memorando enviado a todos los empleados, escribió:
Ahora tenemos más de 1000 servicios de IA generativa, pero dada nuestra escala, esto es solo la punta del iceberg. En el futuro, habrá miles de millones de agentes operando en Amazon.
Además, esta ola de automatización ya ha salido de las oficinas y ha entrado en los sistemas de almacenamiento y logística de Amazon.
Según los informes, el objetivo del departamento de robótica de Amazon es lograr aproximadamente un 75% de automatización en las operaciones de almacenamiento alrededor de 2033. Esto significa que para 2027, Amazon empleará unas 160.000 personas menos en EE. UU., y para 2033, más de 600.000 personas menos.
La fábrica de Amazon
Sin embargo, los juicios de observadores externos son más severos. El Premio Nobel de Economía 2024, el profesor del MIT Daron Acemoglu, advirtió al evaluar este plan: "Si el sueño de automatización de Amazon se materializa, entonces el mayor empleador de EE. UU. pasará de ser un creador neto de empleo a un «destructor neto de empleo»".
¿Se acabó medir por tokens? Las grandes empresas comienzan a poner candados
El exceso de costos de Amazon no es un caso aislado; ya a principios de este año, este tipo de pérdida de control en el uso de tokens ocurrió simultáneamente en varias grandes empresas.
Normalmente, estos dramas comienzan con esta frase:
¡Compañeros, debemos usar la IA «tanto como sea posible», crear valor «lo más profundo posible» con equipos «lo más pequeños posible»!
Luego, los empleados crean espontáneamente clasificaciones de uso, "Leyendas de la quema de dinero", "Reyes de la caché", "Inmortales de la ejecución en segundo plano" se convirtieron en títulos legendarios que todos competían por obtener.
Finalmente, los jefes quedaron impresionados por la diligencia de sus empleados y rápidamente anunciaron el fin de la competencia con comunicados de emergencia.
La imagen fue sintetizada por IA
La Ley de Goodhart, propuesta en 1975 por el economista Charles Goodhart: Cuando una medida se convierte en un objetivo, deja de ser una buena medida.
Amazon también tuvo internamente una clasificación informal llamada "KiroRank", lo que llevó a algunos empleados a aumentar deliberadamente sus datos personales. Posteriormente, KiroRank se cerró, y Amazon, experto en jugar con métricas, creó las "normalized deployments" (implementaciones normalizadas) para medir la producción de IA de los empleados.
En abril de este año, un empleado de Meta creó una clasificación llamada Claudeonomics, que agregaba datos de uso de IA de más de 85.000 empleados y enumeraba a los 250 que más tokens consumían. Durante ese período, el consumo total de tokens de los empleados de Meta en 30 días aumentó a 73,7 billones.
Si se convierte según el precio público de la compañía A, esta cifra corresponde a una factura de aproximadamente 221 millones de dólares mensuales.
En junio, Meta envió un memorando formal a unos 6.000 empleados, anunciando que establecería límites al uso de tokens y construiría una plataforma central "AI Gateway" para monitorear en tiempo real el uso y gasto de IA de cada equipo, estableciendo presupuestos y límites.
Esta pérdida de control no se limitó a las empresas con clasificaciones. Uber quemó todo su presupuesto anual de programación de IA en los primeros cuatro meses de 2026, y luego estableció un límite de gasto mensual de 1.500 dólares por empleado y herramienta. Su COO admitió que el vínculo entre el gasto en tokens y la producción medible aún no está definido.
Y esta sensación "excesivamente lisa" de pérdida de control, los propios proveedores de modelos también la sienten claramente.
El 3 de junio, Sam Altman declaró que el problema del costo de la IA, que a principios de año a nadie le importaba, ahora se había convertido en un gran problema.
Reveló que el usuario individual con mayor uso interno en OpenAI consume aproximadamente 100.000 millones de tokens al mes. Incluso, un empleado llegó a quemar unos 210.000 millones de tokens en una sola semana.
La imagen fue sintetizada por IA
En menos de un año, Silicon Valley ya ha comenzado a calcular minuciosamente el uso de la IA. En lugar de la emoción primitiva de principios de año, como si acabaran de descubrir el fuego, ahora hay presupuestos, límites, aprobaciones, paneles de control.
Una encuesta muestra que solo el 26% de las empresas tienen visibilidad completa de sus costos de IA.
En otras palabras, la mayoría de las empresas, antes de comenzar a ahorrar, ni siquiera sabían cuánto habían gastado antes.
¿Mayor automatización significa mayor eficiencia?
El 1 de agosto de 2012, Knight Capital Group, uno de los mayores creadores de mercado de acciones de EE. UU., actualizó su sistema de trading automático para participar en el programa de liquidez para inversores minoristas de la Bolsa de Nueva York.
Durante la implementación, los ingenieros activaron sin querer un fragmento de código antiguo. Posteriormente, este código comenzó a ejecutar automáticamente una serie de órdenes de trading sin lógica económica alguna a una frecuencia extremadamente alta.
"Comprar alto, vender bajo", y sin ningún mecanismo de stop-loss preestablecido o límite de monto. Desde la apertura hasta que se desactivó manualmente, todo el proceso duró unos 45 minutos.
Durante este tiempo, el sistema ejecutó más de 4 millones de operaciones en 154 acciones, acumulando compras de aproximadamente 7.000 millones de dólares en posiciones accionarias que la empresa no tenía intención de mantener.
Cuando los ingenieros finalmente localizaron el problema y apagaron el sistema, Knight Capital se vio obligada a vender estas posiciones a precios bajos. Después de cerrar las posiciones, la pérdida total fue de aproximadamente 440 millones de dólares, lo que equivale a tres veces las ganancias anuales de la empresa.
Después de que se anunció la noticia, las acciones de Knight Capital cayeron un 75% en dos días de trading. Meses después, Knight Capital fue adquirida por su entonces competidora GETCO, poniendo fin a 17 años de leyenda empresarial.
Generalmente, la automatización promete a las personas mayor velocidad, precios más bajos y menos errores humanos.
Sin embargo, cuando un sistema automatizado falla, las pérdidas también se amplifican con la misma velocidad, escala y eficiencia.
Seguramente para Amazon, esta lección no será muy cara.
Enlaces de referencia:
[1]https://www.ft.com/content/77baac40-d803-4084-94f3-a133653072cf?syn-25a6b1a6=1
[2]https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-on-generative-ai
[3]https://agidaily.cc/articles/tokenmaxxing-end-ai-usage-caps-2026
[4]https://www.cnbc.com/2026/07/30/amazon-amzn-q2-earnings-report-2026.html
[5]https://www.thestreet.com/technology/amazon-joins-microsoft-in-sending-shocking-message-to-employees
Este artículo proviene del WeChat público "Quantum Bit", autor: Cheng Qian
