Por Canuto  

Meta estaría reordenando por completo su uso interno de inteligencia artificial tras detectar un crecimiento explosivo del consumo y una factura potencial de miles de millones. La empresa ahora busca reemplazar la carrera por gastar más tokens con controles, presupuestos y métricas de impacto más estrictas.

***

  • Meta advirtió internamente que su uso de IA crece de forma exponencial y que los costos podrían llegar a miles de millones para 2026.
  • La empresa planea aplicar desde 2027 presupuestos, asignaciones y monitoreo centralizado mediante una plataforma llamada AI Gateway.
  • El giro ocurre después del auge del llamado tokenmaxxing, una práctica en la que empleados inflaban su consumo de IA sin que eso implicara mayor productividad.

 

Meta se prepara para imponer controles más estrictos sobre el uso interno de herramientas de inteligencia artificial (IA), después de detectar un fuerte aumento en el consumo de tokens dentro de la compañía.

Según reportó The Information, la empresa considera que, al ritmo actual, podría enfrentar costos de miles de millones solo por uso interno de IA para 2026.

El cambio marca una ruptura con una etapa previa en la que el uso intensivo de estas herramientas llegó a ser incentivado dentro de la organización. Ahora, la prioridad parece desplazarse desde gastar más tokens hacia medir mejor su utilidad real.

Para lectores menos familiarizados con el tema, los tokens son las unidades que suelen utilizar los modelos de IA para procesar texto, código y otras tareas. A mayor uso, mayor costo operativo para las empresas que despliegan o consumen estos sistemas a gran escala.

En este caso, el problema no sería menor para Meta. La compañía habría reconocido internamente que muchos empleados y equipos no tenían visibilidad ni control concreto sobre cuánto consumían ni cuánto costaban esas interacciones.

Meta pasa del impulso al uso de IA al control del gasto

En un memo interno enviado a unos 6.000 empleados, Meta destacó un “aumento exponencial” en el uso de inteligencia artificial dentro de la empresa. Ese crecimiento habría encendido las alarmas sobre sostenibilidad financiera.

La respuesta corporativa será una política de gestión más dura a partir de 2027. Meta planea introducir presupuestos, asignaciones de uso y herramientas dedicadas para administrar los tokens consumidos por cada área.

Como parte de ese cambio, un equipo de desarrolladores e ingenieros ya construyó un panel central llamado AI Gateway. La plataforma reúne en un solo lugar el rastreo de uso y gasto asociado a herramientas de IA.

La compañía también prevé añadir automatizaciones para detectar picos de costos inusuales. Ese tipo de alertas permitiría intervenir más rápido cuando el consumo se salga de los parámetros previstos.

El giro sugiere que Meta ya no quiere que el acceso amplio a la IA funcione sin límites claros. En cambio, busca una lógica más cercana a la administración de recursos empresariales, con seguimiento y responsabilidad interna.

Este ajuste también refleja un cambio cultural en la forma de evaluar el impacto de la IA. El volumen de uso, por sí solo, parece haber dejado de ser una señal suficiente de progreso.

El problema del tokenmaxxing y la presión por aparentar adopción

Antes de este viraje, Meta había convertido el uso de IA en una “expectativa central” dentro de sus revisiones de desempeño. Ese incentivo ayudó a crear un fenómeno interno conocido como tokenmaxxing.

La lógica era simple y problemática a la vez. Si usar IA contaba a favor de un empleado, algunos trabajadores comenzaron a inflar artificialmente su consumo para mejorar su posición o demostrar alineación con las prioridades de la empresa.

El caso tomó forma visible a través de una tabla de clasificación interna llamada Claudeonomics. Allí, los participantes competían por niveles de uso que terminaron acumulando 73,7 billones de tokens en poco más de 30 días.

Esa cifra ilustra la escala del problema, pero no necesariamente un aumento equivalente en productividad. El consumo elevado puede reflejar experimentación, duplicación de tareas o incluso uso ineficiente motivado por incentivos mal diseñados.

Andrew Bosworth, CTO de Meta, cuestionó ese enfoque en un memo separado. Su crítica apuntó a la idea de que usar herramientas de IA por usarlas no aporta valor automático a la organización.

Bosworth afirmó que “nadie debería estar usando herramientas de IA solo por el hecho de usarlas”. También advirtió que “no todo movimiento es progreso y el uso de tokens por sí solo no es una medida de impacto de ningún tipo”.

Según esa postura, las herramientas deben emplearse cuando “nos permiten hacer un mejor trabajo, más rápido”. Esa frase resume el nuevo criterio que Meta parece querer instalar para justificar el consumo interno.

MetaCode, modelos de terceros y una carrera tecnológica con costos crecientes

Además de controlar costos, Meta quiere redirigir a sus empleados desde herramientas de terceros hacia soluciones propias. En particular, busca impulsar el uso de su asistente de programación MetaCode frente a alternativas como Claude, de Anthropic.

Ese movimiento tiene una doble lectura. Por un lado, puede reducir dependencia externa y mejorar el control del gasto; por otro, permite a la empresa capturar datos de uso que luego pueden servir para desarrollar mejor sus sistemas.

Sin embargo, los modelos externos seguirán estando disponibles. Esa apertura parcial sugiere que Meta todavía no considera que su oferta interna cubra por completo las necesidades de sus equipos.

De hecho, el reporte señala que los propios modelos de Meta aún no son competitivos en la frontera. En otras palabras, la empresa querría empujar herramientas internas mientras sigue rezagada frente a algunos líderes del sector.

Dentro de la nueva división Applied AI Engineering, los ingenieros trabajan para mejorar MetaCode. Una de las estrategias consiste en convertir tareas de programación en datos de entrenamiento para reforzar el desempeño del sistema.

Ese método conecta el uso interno con el desarrollo de producto. Cada interacción útil puede transformarse en insumo para perfeccionar la herramienta, siempre que la calidad del trabajo generado justifique ese ciclo de retroalimentación.

Un patrón más amplio en la industria de IA empresarial

Lo que ocurre en Meta no parece ser un caso aislado. El reporte recuerda que Amazon enfrentó un problema similar de tokenmaxxing que también se salió de control.

La coincidencia entre ambas compañías apunta a un desafío común en grandes organizaciones. Cuando la adopción de IA se convierte en objetivo corporativo, puede surgir la tentación de medir actividad en lugar de resultados.

Por eso, las restricciones recientes al gasto en IA encajan en un patrón más amplio. Muchas empresas están revisando si estas herramientas realmente mejoran la productividad en la proporción que prometen sus defensores.

Ese debate es clave porque la IA generativa no solo requiere inversión inicial. También implica costos recurrentes de cómputo, licencias, inferencia y soporte, que pueden crecer rápido cuando miles de empleados la usan todos los días.

Sam Altman describió recientemente el control de costos como un “gran problema” entre sus clientes. Esa observación refuerza la idea de que la discusión ya no gira solo en torno a capacidades, sino también a rentabilidad y disciplina operativa.

Parte de esa presión probablemente responde a los enormes aumentos de precios ligados al uso de modelos. Si las tarifas suben mientras el consumo se expande, incluso gigantes tecnológicos deben replantear sus esquemas internos.

En ese contexto, la experiencia de Meta funciona como una señal para el resto del mercado. La etapa de entusiasmo sin restricciones podría estar dando paso a una fase más fría, enfocada en eficiencia, retorno y control presupuestario.

Más tokens no siempre significan más valor

La lección central del episodio es que medir adopción por volumen puede distorsionar comportamientos. Cuando una métrica se convierte en objetivo, deja de ser una buena métrica, especialmente en entornos corporativos con incentivos formales.

Meta parece haber chocado con ese problema de frente. El uso intenso de IA sirvió para mostrar entusiasmo interno, pero también reveló la dificultad de traducir ese consumo en mejoras claras de desempeño.

Eso no significa que la empresa esté retrocediendo en inteligencia artificial. Más bien sugiere una transición hacia una fase de gobernanza, donde cada token deberá justificarse más por su impacto que por su volumen.

El despliegue de AI Gateway, los futuros presupuestos y las alertas automáticas apuntan justamente a eso. La meta sería pasar de una expansión casi caótica a una administración más fina del recurso computacional.

También hay una dimensión estratégica más profunda. Si Meta logra empujar herramientas propias como MetaCode y, al mismo tiempo, reducir el uso poco productivo, podría contener costos y fortalecer su ecosistema interno.

Pero el desafío sigue abierto. Mientras sus modelos no sean plenamente competitivos en la frontera, la compañía tendrá que equilibrar disciplina financiera, rendimiento técnico y libertad de elección para sus equipos.

Por ahora, el mensaje interno parece claro. En la nueva etapa de la IA corporativa, gastar más tokens ya no bastará para demostrar progreso.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados