Las grandes empresas han empezado a meter la tijera al gasto interno en tokens de IA, después de un año en el que usar más chatbots, copilotos y agentes rozaba casi el prestigio. Algunas, de hecho, llegaron a empujar ese consumo con clasificaciones internas y métricas de uso. Ahora el foco es otro: gastar menos y pedir pruebas de que esa factura se convierte de verdad en más productividad.
El problema ya no está tanto en el precio por consulta, que en muchos casos ha bajado, sino en el volumen. Las herramientas más autónomas, capaces de encadenar llamadas a distintos modelos para completar tareas, han llegado a triplicar la factura de algunas empresas, hasta 7.500 dólares por empleado al mes en las compañías más dependientes de estos sistemas. Microsoft vio además que algunos ingenieros se dejaban entre 500 y 2.000 dólares mensuales solo en tokens de Claude Code, así que basta con unos pocos empleados para disparar el presupuesto total si no hay límites claros.
Los recortes ya no son una hipótesis.
AT&T ha limitado el acceso de su plantilla a GitHub Copilot. Meta también estaría endureciendo el control del gasto en Anthropic y otras herramientas. Uber agotó en abril su presupuesto de 2026 para programación asistida y ahora ha fijado un tope de 1.500 dólares por trabajador, al mes y por herramienta. Walmart también ha puesto límites a su agente interno. Amazon, por su lado, eliminó una clasificación interna de uso después de que algunos empleados empezaran a hacer trampas para escalar puestos.
El debate llega justo cuando el gasto mundial en estos sistemas apunta a 2,59 billones en 2026. Aun así, según Deloitte, solo el 28% de los responsables financieros dice ver un valor claro y medible en esas inversiones. La discusión ya no pasa por decidir si hay que usar estas herramientas, sino por cuánto compensa pagar por ellas y en qué tareas dejan un beneficio real.
La respuesta más común no está siendo apagarlo todo, sino mandar las tareas sencillas a modelos pequeños, de código abierto o más baratos, y reservar los más potentes para el trabajo complejo. Microsoft y Databricks ya han sacado pasarelas para vigilar y limitar el consumo, mientras Factory, una startup respaldada por Nvidia, presentó un sistema de enrutamiento para enviar tareas a modelos más económicos. Aun así, en Databricks algunos ingenieros siguen teniendo presupuestos ilimitados, con la idea de que un uso eficiente puede acabar compensando el gasto. Aaron Levie, consejero delegado de Box, sostiene que premiar el número de tokens era el incentivo equivocado, y Satya Nadella empuja la idea de modelos intercambiables para negociar mejor los costes. Por ahora sigue sin estar claro hasta qué punto este giro servirá para rebajar la factura sin comerse la productividad.
