Por Canuto  

El entusiasmo corporativo por la inteligencia artificial empieza a chocar con una realidad incómoda: los costos de uso pueden escalar con enorme rapidez. Un reporte citado por medios tecnológicos afirma que una empresa no identificada habría gastado USD $500.000.000 en Claude en apenas un mes por no fijar límites de consumo para sus empleados.

***

  • Una empresa misteriosa habría gastado USD $500.000.000 en Claude durante un solo mes tras no limitar el uso de licencias internas.
  • Microsoft, Amazon y Meta figuran entre las compañías donde crece la preocupación por el llamado tokenmaxxing y el costo del uso masivo de IA.
  • La IA agéntica puede consumir hasta 1.000 veces más tokens que una consulta normal a un LLM, lo que complica el retorno sobre inversión.

 

El gasto corporativo en inteligencia artificial entró en una fase de escrutinio. Tras meses de presión interna para adoptar herramientas generativas, varias empresas tecnológicas ahora revisan si el uso masivo de tokens realmente produce valor medible.

El caso más llamativo involucra a una empresa no identificada que, según un informe citado por Tom’s Hardware, habría gastado USD $500.000.000 en Claude AI durante un solo mes. El problema habría surgido porque la compañía no fijó límites de uso en las licencias disponibles para sus empleados.

La cifra no parece un simple error administrativo. También refleja una tensión creciente en el sector: las empresas quieren aumentar la productividad con IA, pero el consumo de tokens puede crecer más rápido que los beneficios obtenidos.

Una factura difícil de ignorar

El reporte original atribuye la revelación a un consultor de IA citado por Axios. Ese consultor afirmó que uno de sus clientes gastó medio millardo de dólares en un solo mes por no poner límites de uso a las licencias de Claude para empleados.

La identidad de la empresa no se conoce. Sin embargo, el tamaño del gasto reduce el universo de posibles responsables a algunas de las corporaciones más grandes del mundo. Pocas organizaciones pueden absorber una factura de USD $500.000.000 sin que el episodio llegue a la alta dirección.

El caso llega en un momento incómodo para la industria. Muchos líderes corporativos empiezan a cuestionar si el gasto acelerado en IA entrega retornos significativos. La promesa de automatización y productividad sigue vigente, pero las cuentas operativas presionan cada vez más.

El problema no se limita a Claude. En abril, un cliente de Google Cloud recibió una factura de USD $18.000 pese a tener un presupuesto de apenas USD $7, luego de una brecha de seguridad. A comienzos de mayo, Peter Steinberger, creador de OpenClaw, reveló que su equipo consumió USD $1.300.000 en tokens de la API de OpenAI durante un solo mes.

El tokenmaxxing se vuelve un dolor de cabeza

En el centro de la discusión aparece el término tokenmaxxing. La expresión describe el uso intensivo de tokens de IA, a veces impulsado por metas internas que premian la adopción sin distinguir entre trabajo útil y consumo innecesario.

El fenómeno tomó fuerza porque muchas compañías pidieron a sus empleados usar IA para mejorar la productividad. Sin embargo, algunos trabajadores habrían empezado a utilizar estas herramientas para casi cualquier tarea, incluso cuando el beneficio era marginal o nulo.

En Amazon, algunos empleados habrían admitido el uso de herramientas de IA para tareas innecesarias con el fin de inflar sus puntajes internos. Un reporte del Financial Times indicó que la empresa eliminó una tabla interna de clasificación de uso de IA para evitar que el personal ejecutara tareas artificiales solo para subir posiciones.

También se han reportado prácticas similares en Microsoft y Meta. Estas empresas figuran entre las que más invierten en el desarrollo y despliegue de IA, por lo que el costo del uso cotidiano tiene impacto directo en sus presupuestos tecnológicos.

Microsoft empuja Copilot CLI frente a Claude Code

La presión por controlar costos también llegó a Microsoft. Yahoo Tech reseñó reportes que señalan que la compañía ha estado impulsando a su personal a usar Copilot CLI en lugar de Claude Code.

Una razón visible sería la preferencia por una herramienta interna en vez de un servicio de terceros. Sin embargo, fuentes citadas en esos reportes apuntan a otro motivo central: el costo de usar Claude Code habría aumentado de forma sostenida a medida que más empleados adoptaron la herramienta.

Este cambio muestra un dilema común para las grandes tecnológicas. Por un lado, quieren que los equipos integren IA en sus flujos de trabajo. Por otro, necesitan evitar que el gasto variable crezca sin controles claros.

La situación también desafía una narrativa frecuente en el sector. Aunque el costo de entrenar modelos de IA baja con el tiempo y los tokens pueden volverse más accesibles, el volumen total de consumo puede subir todavía más rápido.

La paradoja de Jevons aplicada a la IA

El aumento del consumo pese a la reducción del costo unitario recuerda a la paradoja de Jevons. Esta idea plantea que una tecnología más eficiente puede elevar el uso total, en lugar de reducirlo.

La historia ofrece ejemplos claros. Durante la Revolución Industrial, las máquinas de vapor más eficientes impulsaron más despliegues en empresas que buscaban aumentar productividad. En la aviación, aviones más eficientes ayudaron a reducir precios de boletos y estimularon una mayor demanda.

La Asociación Internacional de Transporte Aéreo, IATA, proyecta que la demanda de viajes aéreos va camino de duplicarse para 2050. El paralelo con la IA es directo: si usar tokens parece más barato, más equipos los usan en más tareas.

La diferencia es que muchas empresas aún no prueban una relación clara entre uso masivo y productos útiles. El director ejecutivo de Uber afirmó recientemente que no veía una relación entre el tokenmaxxing de IA y el lanzamiento de productos valiosos.

La IA agéntica agrava el problema

La preocupación crece con la IA agéntica. Este tipo de sistema no solo responde una pregunta, sino que ejecuta pasos, revisa resultados, llama herramientas y ajusta acciones para completar una tarea.

Ese comportamiento puede elevar el consumo de forma drástica. Según los reportes citados, la IA agéntica puede usar hasta 1.000 veces más tokens que una consulta directa a un modelo de lenguaje, dependiendo del número de pasos necesarios.

Por eso, una tarea que parece simple para el usuario puede convertirse en una cadena costosa de operaciones. Si miles de empleados ejecutan procesos similares, el gasto mensual puede escalar con rapidez.

Algunas empresas también descubrieron usos de bajo valor. Trabajadores humanos habrían recurrido a la IA para automatizar tareas tediosas o mundanas que no querían hacer, en vez de enfocarse en trabajo estratégico. Otros incluso habrían usado modelos para consultar el clima.

Productividad, incentivos y control de gastos

El entusiasmo por la IA no desaparece. Jensen Huang, director ejecutivo de Nvidia, defendió con fuerza el uso intensivo de tokens. Según reportes, dijo que los ingenieros deberían usar cada año tokens de IA por un valor equivalente a al menos la mitad de su salario anual para ser plenamente productivos.

Huang incluso habría respondido “¿estás loco?” a gerentes que desalentaban el uso de IA. Su postura refleja una visión optimista: gastar más en IA podría traducirse en mejores resultados si los equipos usan bien las herramientas.

El problema aparece cuando los incentivos internos premian el consumo, no el impacto. Una tabla de uso, una meta de adopción o una cultura de presión pueden empujar a empleados a maximizar tokens sin aumentar calidad, ingresos o velocidad de entrega.

Por ahora, no está claro si Microsoft, Meta, Amazon y otras compañías modificarán sus políticas de manera profunda. Lo que sí parece evidente es que el uso empresarial de IA necesitará límites, métricas de retorno y controles de seguridad más estrictos.

La lección para el sector tecnológico es directa. La IA puede ser una herramienta útil, pero no elimina la disciplina financiera. Si el número de tokens necesarios para completar tareas supera la velocidad a la que esos tokens se abaratan, la estrategia de reemplazar o reducir costos laborales con IA puede terminar saliendo mucho más cara de lo previsto.

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