El impacto económico del "tokenmaxxing" en las empresas de IA

• Diversas compañías tecnológicas están enfrentando un escenario financiero complicado debido a que los costes operativos de la Inteligencia Artificial están superando los beneficios en productividad. A pesar de los recortes de personal, como los ocurridos en Microsoft, el gasto en infraestructura y procesamiento de datos (tokenmaxxing) se ha vuelto insostenible, resultando en facturas mucho más elevadas de lo que se había proyectado inicialmente para obtener el mismo rendimiento.

El uso interno de la Inteligencia Artificial empieza a dejar una factura mucho más alta e incómoda de lo previsto en algunas grandes compañías. Si la semana pasada Microsoft levantaba la voz sobre los costes, donde despedir ingenieros había significado pagar mucho más por la IA por el mismo rendimiento, ahora, el problema ya tiene nombre propio: tokenmaxxing. ¿Está a punto de pinchar la IA desde dentro? Pues, como poco, es un serio aviso a navegantes.

¿De qué estamos hablando exactamente con este término? Pues hablamos de una práctica que consiste en consumir la mayor cantidad posible de tokens o créditos de IA en cuentas de pago, con la promesa de acelerar el trabajo, aunque los resultados no siempre acompañan al coste generado.

Tokenmaxxing, el posible pinchazo de la burbuja de la IA comienza desde dentro

El debate ha saltado con fuerza después de las críticas de Andrew Macdonald, director de operaciones de Uber, que cuestionó la relación directa entre gastar más tokens y producir más funciones útiles para los usuarios. Según explicó, todavía resulta difícil trazar una línea clara entre una métrica de uso de IA y una mejora real del 25% en funcionalidades que lleguen al consumidor.

La situación refleja un choque bastante sencillo de entender, y que hemos comentado, sobre todo desde vuestro lado en los comentarios: muchas empresas están empujando a sus equipos a usar IA de forma masiva, pero después necesitan justificar ese gasto con métricas tangibles. Disney y JPMorgan Chase ya monitorizan el uso que hacen sus empleados de la IA, mientras Visa ha presumido de un gasto mensual en tokens que ronda los 2 billones. El uso existe, la adopción también, pero la productividad no siempre aparece con la misma claridad.

Uber sirve como ejemplo directo del problema, porque según la información desvelada, la compañía habría agotado su presupuesto anual de IA en los primeros 4 meses del año. Ese dato explica por qué algunos directivos empiezan a mirar el consumo de tokens como una partida difícil de controlar, especialmente cuando no hay una correspondencia directa entre uso, coste y retorno.

Google, como siempre, es la primera en ver que el negocio se tambalea

Si Microsoft avisó a principios de semana, Google lo dijo la anterior en el evento que cubrimos con todas las novedades que presentaron, sobre todo Omni. El propio Sundar Pichai, CEO de Google, comentó durante Google I/O que algunos responsables de sistemas de información están muy preocupados por cómo sus compañías están quemando presupuestos. También añadió que el problema podría empeorar durante el año, justo cuando más empresas están ampliando el uso de IA generativa dentro de sus equipos.

Por lo tanto, no es humo, es una realidad que tienen que enfrentar OpenAI, Anthropic y la propia Google. El dato más duro llega del informe de Jellyfish, crítico para algunos de vosotros con total seguridad: el 10% de los usuarios más intensivos de Claude Code consume alrededor de 10 veces más tokens de IA que el desarrollador medio, pero solo produce aproximadamente el doble de trabajo. Esa diferencia resume el conflicto: más gasto no implica una mejora proporcional, no se extrae el mismo rendimiento frente al dinero invertido. Torpedo a la base de flotación de la IA y su burbuja.

Por eso la discusión ya no va de usar IA o no usarla, sino de medirla mejor, de que tiene que bajar de precio, o volveremos a ver cómo las compañías se lanzan a buscar ingenieros y desarrolladores medios como locos con tal de no destrozar sus balances de cuentas.

Recompensar el consumo bruto de tokens puede inflar costes sin demostrar nada, mientras que vincular el gasto a métricas como pull requests, entregas reales o funcionalidades terminadas permite saber si la IA está acelerando el trabajo o simplemente quemando presupuesto con una etiqueta moderna. El Tokenmaxxing, el consumo de electricidad en los centros de datos, y el gasto de agua parecen ser el cuello de botella actual desde uno de los lados de la ecuación.

Desde el otro, está el precio y cuello de botella de los semiconductores, el cual conocemos aquí bien, ¿es insostenible? Posiblemente, ¿van a seguir dándole patadas al balón hacia el precipicio? Seguramente, solo que más lento y mirando cómo reducir costes … Ah sí, contratando a los que despidieron, si es que pueden volver a convencerlos después de ser tratados como ineficientes e innecesarios. Momento histórico de esta tecnología, definitorio, seguramente crítico. Seguimos informando.