Por Canuto  

Uber agotó su presupuesto de IA 2026 en pocos meses. Su CTO admite el fin del ‘tokenmaxxing’ y revela cómo redujo costos por token mientras el mercado enfrenta la paradoja de Jevons.
***

  • Uber gastó su presupuesto anual de IA en meses tras incentivar el uso de herramientas como Claude Code.
  • El CTO Praveen Neppalli Naga dice que la eficiencia se convirtió en un problema de ingeniería, no de presupuesto.
  • El costo por token cayó más de 90% desde 2023, pero el gasto en modelos de lenguaje se duplicó, según datos de la industria.

 

Uber se encontró con un problema serio: su estrategia de impulsar el uso de inteligencia artificial (IA) entre sus empleados llevó a un gasto acelerado que agotó el presupuesto anual de 2026 en cuestión de meses. La empresa había alentado a su equipo a usar herramientas como Claude Code de Anthropic con tablas de clasificación para medir el uso, pero el retorno de inversión no aparecía.

El director de tecnología, Praveen Neppalli Naga, admitió en una entrevista con The Information que la compañía tuvo que replantearse su enfoque. En una publicación en su red social, escribió: “Estamos viendo tendencias muy interesantes en los costos de IA. Creo que es otra señal de que estamos llegando al final de la era del llamado ‘tokenmaxxing’.”

El derroche de tokens y la búsqueda de eficiencia

La tendencia del “tokenmaxxing” se refiere a empresas que incentivan el uso intensivo de IA en el trabajo, esperando una mejora en la productividad. Muchas retrocedieron al descubrir que el gasto no se justificaba.

Uber no fue la excepción. Sin embargo, Naga señaló que ahora han encontrado una forma más sostenible de implementar la IA.

La compañía cuadruplicó el número de empleados que usan herramientas de IA de frontera, lo que paradójicamente redujo el costo por token. Esto se logró mejorando el almacenamiento en caché de mensajes, ajustando las configuraciones por defecto de los modelos, evaluando nuevos modelos para mayor eficiencia y permitiendo a los ingenieros ver su uso de IA y los costos por hora.

“Uno podría esperar que los costos aumenten a medida que se acelera la adopción”, escribió Naga. “Hemos visto lo contrario, no porque hayamos restringido el acceso, sino porque hemos tratado la eficiencia como un problema de ingeniería, no de presupuesto.”

Este enfoque marca un contraste con la práctica inicial de Uber, que animaba a los empleados a usar las herramientas tanto como fuera posible, incluso con tablas de clasificación.

La paradoja de Jevons y el gasto en IA

El problema de fondo es la paradoja de Jevons, un fenómeno económico que describe cómo la mayor eficiencia en el uso de un recurso puede llevar a un aumento total del gasto. En el siglo XIX, el consumo de carbón se disparó pese a que la máquina de Watt lo hacía más eficiente.

Algo similar está ocurriendo con los tokens de IA. Según el Índice de Gasto en Tokens de Silicon Data, el precio de un token cayó más de 90% desde 2023, pero el gasto en modelos de lenguaje grandes se duplicó desde finales del año pasado.

El economista jefe de Apollo, Torsten Slok, escribió que “a medida que los tokens se abaratan, las empresas no gastan menos, sino que ejecutan más agentes de IA, automatizan más flujos de trabajo y generan más código, empujando el gasto agregado al alza incluso cuando el costo unitario de la inteligencia colapsa”.

Un informe de Bain and Co. de junio confirmó esta tendencia: los costos de tokens se redujeron a la mitad entre diciembre de 2024 y 2025, mientras que los tokens consumidos crecieron un 450% en el mismo período.

El director de operaciones de Uber, Andrew Macdonald, había reconocido en mayo que el vínculo entre la IA y la innovación aún no era claro. “Quizás implícitamente hay más cosas que se están enviando, pero es muy difícil trazar una línea entre una de esas estadísticas y ‘está bien, ahora estamos produciendo un 25% más de funciones útiles para el consumidor’.”

La próxima fase: calidad sobre cantidad

Ante esta dinámica, Naga indicó que Uber cambió su filosofía hacia priorizar la calidad sobre la cantidad en el gasto de tokens. No dijo si la compañía está usando más o menos computación que a principios de año.

En su publicación, concluyó: “Este es el futuro de la IA aplicada a escala empresarial. La próxima fase, como quiera que la llamemos, no se caracterizará por quién gasta más tokens, sino por cómo la gente los usa de la manera más eficiente posible.”

Deutsche Bank también advirtió que las ganancias de productividad de la IA están lejos. Los márgenes de las Siete Magníficas crecieron del 15% al 25% entre los primeros trimestres de 2023 y 2026, mientras que el resto del S&P 500 solo vio un 10% de crecimiento.

Esto sugiere que el gasto en IA aún no se traduce en mejoras generalizadas fuera del sector tecnológico. Para Uber, la apuesta es lograr eficiencia sin sacrificar la adopción.

La experiencia de Uber puede servir como modelo para otras empresas que luchan con los costos de la IA. La combinación de evaluación constante y transparencia en el uso parece ser clave para evitar el derroche.

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 y revisado por un editor humano para garantizar calidad y precisión.


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