La IA está automatizando para las empresas el trabajo que los empleados 'odian', no el trabajo que 'genera dinero'.
Hace unos días, GeekPark informó que Microsoft, que ha apostado fuerte por la IA, había cancelado silenciosamente las licencias de Claude Code para la mayoría de sus empleados internamente.
Esto es bastante extraño, porque el mayor punto de venta en la actual ola de adopción de IA para usuarios empresariales ha sido el 'aumento de eficiencia'. Si aumenta la eficiencia, ¿por qué Microsoft dejaría que sus empleados usen Claude Code?
Microsoft no es la única que hace esto. 'Restringir el uso de Tokens' y dejar de alentar a los empleados a hacer 'Vibe Coding' como locos, se ha convertido en la nueva tendencia entre los gigantes tecnológicos de Silicon Valley.
Uber agotó su presupuesto anual de tokens de IA en cuatro meses. El cheque anual de Salesforce a Anthropic es de aproximadamente 300 millones de dólares. Un asesor de IA reveló que uno de sus clientes tenía un gasto mensual en IA de hasta 500 millones de dólares. Meta incluso retiró silenciosamente su 'tabla de clasificación interna de maximización de tokens'—esa tabla originalmente estaba destinada a alentar a los empleados a usar más IA.
Ahora, las empresas están haciendo algo impensable hace unos años:
Limitar y supervisar el uso de IA por parte de los empleados.
¿Por qué los grandes gigantes tecnológicos están cambiando de rumbo?
"Tokenmaxxing", el reflejo de una época
Para comprender la actual crisis de costos, primero hay que entender qué es el "tokenmaxxing".
Este término comenzó a popularizarse alrededor de 2025 y significa literalmente "maximizar el uso de tokens". Detrás de él hay una lógica de gestión: Dado que la empresa gastó mucho dinero en herramientas de IA, los empleados deben usarlas al máximo; cuanto más las usen, más "transformación digital" demuestran, y cuanto menos las usen, es un desperdicio de recursos. Así, muchas empresas establecieron cuotas de uso, tablas de clasificación e incluso evaluaciones de desempeño, presionando a los empleados a utilizar la IA.
¿El resultado?
Los empleados comenzaron a usar los modelos de IA empresariales de la empresa para consultar el clima, escribir felicitaciones de cumpleaños, preguntar qué comer hoy.
Un estudio de 2.444 empresas encontró que por cada dólar que una empresa gasta en tokens de IA, 0.44 dólares se destinan a corregir errores generados por IA, 0.27 dólares a reescribir código producido por IA y 0.11 dólares se consumen en retrasos de revisión y fusión.
Es decir, detrás de cada dólar del costo de adquisición de IA, hay una pérdida oculta de casi el 80%.
La inversora Shruti Gandhi usó una metáfora muy precisa: "Una empresa que maximiza tokens es como una empresa que mide la productividad encendiendo todas las luces: gastar más dinero no equivale a producir más".
Lo más irónico es que la mayoría de estas empresas ni siquiera saben para qué están usando los empleados la IA, y mucho menos si la finalización de esas tareas ha traído algún cambio gracias a la IA.
Esta "carrera por quemar dinero" se extendió desde 2024 hasta 2025, y finalmente estalló este año. JPMorgan publicó un informe con un lenguaje severo, con un título tan directo que resulta incómodo: Los costos de los tokens de IA están devorando las ganancias de Internet.
Shopify, Spotify, ServiceNow y Roku mencionaron en sus llamadas de resultados que la IA se ha convertido en una de las principales fuentes de presión en los gastos operativos. La atmósfera general de la industria comenzó a cambiar de 'qué genial es usar IA' a '¿realmente vale la pena gastar este dinero?'.
Cuando el CEO comienza a cuestionar el ROI
Solo el 14% de los CFOs afirma ver un retorno de la inversión en IA claro y medible.
Andrew Macdonald, director de operaciones de Uber, dijo algo muy sincero en un podcast: descubrieron que es difícil vincular el aumento de productividad individual de los empleados con el impacto general en el negocio de la empresa. "Si no puedes ver cuántas funciones valiosas te ayudó a lanzar la IA para los usuarios, es más difícil justificar el costo de los tokens".
Esta frase señala el núcleo del dilema de la IA empresarial: El aumento de eficiencia individual no equivale al crecimiento de los ingresos de la empresa.
Los empleados usan IA para escribir informes semanales tres veces más rápido, pero los ingresos de la empresa no cambian. Los ingenieros duplican la velocidad de generación de código con IA, pero la 'tasa de fuga' de código, es decir, la proporción de código descartado o reescrito, aumentó en un 800%.
Sophia Velastegui, ex directora de IA de Microsoft, dijo algo incómodo para muchos gerentes: "La mayoría de las personas por defecto automatizan las tareas que no les gustan, no las tareas más valiosas para la empresa".
En resumen, las empresas automatizan el trabajo que los empleados 'odian', no el trabajo que 'genera dinero'.
No es un problema técnico, es un problema de prioridades. También es la razón por la cual aproximadamente el 30% de los proyectos de IA generativa se abandonan en la fase de prueba de concepto: los costos no están claros, el valor no está claro, y el jefe naturalmente no renueva la suscripción.
La forma en que el CEO de Salesforce, Marc Benioff, maneja esto es bastante representativa. Frente a una factura anual de 300 millones de dólares con Anthropic, su expectativa es un 'enrutador inteligente': que pueda juzgar qué consultas merecen usar el modelo top y cuáles pueden manejarse con modelos más pequeños y baratos.
La idea en sí no es nada novedosa—ya en la era de la computación en la nube, 'pago por uso' y 'optimización de recursos' eran prácticas estándar. Pero esta ola de IA llegó demasiado rápido, todos compraron primero y pensaron después, y ahora están empezando a ponerse al día.
¿Regreso a la racionalidad, o preludio de un invierno?
Microsoft canceló recientemente la mayoría de sus licencias empresariales de Claude Code, citando razones de costo oficialmente. Esto generó una gran discusión en la industria—después de todo, Microsoft es el mayor inversor de OpenAI, y al mismo tiempo está cancelando suscripciones del competidor. Es difícil decir cuánto es consideración de costo y cuánto es un movimiento estratégico.
Pero en cualquier caso, representa una señal: Las empresas están empezando a votar con los pies.
Harness y CloudZero lanzaron casi el mismo día—28 de mayo—herramientas de gestión de costos de IA, una enfocada en el monitoreo en tiempo real del gasto en IA y el ROI, y la otra en ofrecer un 'plano de control financiero de IA' que ayuda a las empresas a vincular cada dólar gastado en IA con resultados comerciales específicos.
La aparición de estos dos productos en sí misma dice mucho: hay demanda en el mercado, y es una demanda urgente.
HubSpot comenzó en abril de este año a ajustar su modelo de precios para agentes de IA, ya no cobrando por token, sino por 'número de conversaciones resueltas' o 'número de leads generados'—es un cambio de dirección, alineando los intereses del vendedor con el resultado real del comprador. ServiceNow también está haciendo ajustes similares. Los proveedores de IA se están dando cuenta de que si continúan vendiendo 'uso' en lugar de 'resultados', los clientes empresariales tarde o temprano reaccionarán colectivamente.
Este ajuste, ¿es el dolor de crecimiento inevitable para la industrialización de la IA, o el preludio de una crisis mayor?
Tiendo a pensar que es lo primero. Pero hay un detalle que preocupa un poco: se espera que el gasto global en software de IA alcance los 2.59 billones de dólares en 2026, un aumento del 47% interanual, pero al mismo tiempo, el 94% de los responsables de ingeniería afirman que aún faltan métricas clave de ROI. Se gasta más dinero, pero nadie sabe dónde se quema o si vale la pena quemarlo—si esta contradicción no se resuelve, el próximo 'momento de maximización de tokens' es solo cuestión de tiempo.
Un análisis de la revista Fortune lo dijo muy directamente: "Maximizar tokens es fácil, rediseñar flujos de trabajo es difícil." Lo que la mayoría de las empresas están haciendo ahora es optimizar los flujos existentes, no reinventar modelos de negocio. Aquí es donde reside el verdadero valor de la IA, y es un lugar al que la mayoría de las empresas aún no han llegado.
El regreso a la racionalidad es bueno. Pero después de este regreso, las empresas aún deben responder una pregunta más difícil: ¿La IA debería ser para nuestro negocio un martillo o un nuevo marco de pensamiento?
Si solo usas la IA para hacer el trabajo antiguo más rápido, la factura algún día te obligará a volver a esta pregunta.
Este artículo proviene del WeChat oficial "GeekPark" (ID: geekpark), autor: Hualin Wu Wang, editor: Jing Yu
