Llevamos dos años escuchando que la IA va a abaratarlo todo. Que va a reemplazar trabajadores. Que va a ser la mayor revolución de productividad de la historia.
Y entonces, esta semana, Fortune publica una noticia que parece sacada de una broma: usar IA en las operaciones diarias de una empresa puede costar más que mantener a empleados humanos en la nómina.
No lo dice un escéptico desde fuera. Lo dicen Microsoft, Uber y hasta un vicepresidente de Nvidia — la empresa que más dinero está ganando con todo esto.
Vamos a desmontar qué está pasando, por qué, y — más importante — qué significa para tu negocio si estás pensando en automatizar con IA.
Lo que ha pasado en las últimas semanas
El resumen rápido:
- Microsoft ha empezado a cancelar la mayoría de sus licencias directas de Claude Code, según The Verge, y está moviendo a sus ingenieros hacia GitHub Copilot CLI. Esto ocurre apenas seis meses después de que la empresa abriera el acceso a Claude Code a miles de desarrolladores, gestores de proyecto, diseñadores y otros empleados.
- El CTO de Uber, Praveen Neppalli Naga, admitió que su dependencia de Claude Code ya había agotado el presupuesto anual de IA solo 4 meses después de empezar 2026.
- "Para mi equipo, el coste de cómputo está muy por encima del coste de los empleados", dijo Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia, a Axios.
Cuando el ejecutivo de la empresa que vende las palas en esta fiebre del oro te dice que las palas cuestan más que los mineros, conviene parar y escuchar.
La paradoja del token: más barato por unidad, más caro en total
Aquí es donde se pone interesante. La narrativa habitual dice que la IA es cada vez más barata. Y técnicamente, es verdad:
Un informe reciente de Gartner reveló que para 2030, la inferencia en un LLM de un billón de parámetros costará a las empresas de IA casi un 90% menos de lo que costaba en 2025.
Entonces, ¿dónde está el problema? En el consumo.
Gartner predijo que los tokens más baratos no se traducirán en IA empresarial más barata porque los modelos agénticos requieren muchos más tokens por tarea que los modelos estándar, el aumento del consumo puede superar la caída de los costes unitarios, y los proveedores de IA no trasladarán íntegramente los costes más bajos a los consumidores. A su vez, es probable que los costes de inferencia suban.
Traducido al castellano de negocio:
| Lo que esperábamos | Lo que está pasando |
|---|---|
| Tokens más baratos → factura más barata | Tokens más baratos → consumimos muchísimos más → factura más cara |
| Un agente = un trabajador digital económico | Un agente "agéntico" consume hasta 1000x más tokens que un modelo estándar |
| ROI evidente desde el día 1 | ROI difícil de demostrar, presupuestos reventados |
Goldman Sachs pronosticó recientemente que la IA agéntica podría provocar un aumento de 24 veces en el consumo de tokens para 2030, alcanzando la asombrosa cifra de 120 cuatrillones de tokens al mes.
Más eficiencia no significa menor coste. Significa más uso. Y en un modelo de pago por consumo, más uso = más factura.
El fenómeno "tokenmaxxing": cuando usar IA se vuelve un fin en sí mismo
Hay una parte casi cómica de esta historia. Las grandes tecnológicas han presionado tanto a sus empleados para usar IA que se ha generado una competición interna absurda.
Uber y Microsoft no son las únicas empresas presionando a los empleados para que usen tanta IA como sea posible. Igual que en Uber, un empleado de Meta creó una clasificación, bautizada apropiadamente "Claudeonomics" en honor al modelo de IA de Anthropic, para rastrear qué trabajadores están usando más IA. Amazon está presionando a sus empleados para hacer "tokenmaxx", es decir, usar tantos tokens de IA como sea posible.
El argot para esto es "tokenmaxxing", con algunos usuarios intensivos acumulando facturas mensuales de tokens superiores a 150.000 dólares. "Probablemente gasto más que mi salario en Claude", dijo Max Linder, un ingeniero de software de Estocolmo, al New York Times el mes pasado.
Es el equivalente moderno a comprar herramientas porque están de oferta, aunque no las necesites. Y lo peor: este fenómeno ha llevado a muchos empleados a usar la IA para casi cualquier cosa con tal de alcanzar objetivos internos. Esto fue evidente en Amazon, donde algunos miembros del equipo admitieron usar la herramienta para tareas innecesarias e inflar las puntuaciones de uso internas.
¿Por qué deberías importarte esto si tienes una PYME?
Aquí está el punto. Si gestionas una empresa de 10, 50 o 200 personas, este no es "problema de las grandes tecnológicas". Es una señal de alarma temprana que tienes que entender antes de meterte en automatización con IA.
El error de fondo que están cometiendo Microsoft, Uber y compañía es el mismo que muchas PYMEs están a punto de cometer:
- Adoptar IA como objetivo, no como medio. Usar IA porque "hay que usar IA", sin un caso de negocio claro.
- Elegir modelos de pago por consumo sin entender el coste real. El precio por token parece ridículo. La factura mensual, no.
- Dejar que los "agentes" se ejecuten sin supervisión ni límites. Un agente mal diseñado puede consumir miles de euros antes del viernes.
- Quedar atado a un único proveedor caro. Cuando el proveedor suba precios — y lo hará — no tienes salida.
Los precios de los tokens siguen la trampa familiar: asequibles al principio para crear dependencia, luego suben los precios una vez que las empresas están enganchadas.
Cómo hacerlo bien: IA que aporta valor sin reventar el presupuesto
La noticia de Microsoft no es "la IA no funciona". Es "la IA mal diseñada cuesta una fortuna". Hay una diferencia abismal.
En Studio SmartWork llevamos desde 2021 construyendo IA para negocios, y nuestro enfoque está construido precisamente para evitar estos problemas. Te explico los principios que usamos — los puedes aplicar tú o pedirnos que los apliquemos nosotros:
1. Empieza por el problema, no por la herramienta
Nadie debería instalar IA porque está de moda. Antes de tocar un modelo, hay que entender:
- ¿Qué proceso está consumiendo tiempo o dinero?
- ¿Cuánto cuesta hoy en horas, errores o pérdida de oportunidades?
- ¿Cuál sería el ahorro real si lo automatizamos?
Si no puedes responder a esas tres preguntas, no estás listo para invertir en IA. Estás listo para una auditoría de procesos.
2. Usa el modelo más pequeño que resuelva el problema
No necesitas GPT-5 ni Claude Opus para clasificar emails o calificar leads. La obsesión por usar siempre el modelo más potente es lo que está reventando los presupuestos de las grandes tecnológicas.
Un buen diseño de IA usa modelos pequeños y baratos para el 80% de las tareas, y solo recurre a los modelos potentes cuando hace falta razonamiento complejo. Eso puede dividir tu factura entre 10 o entre 50.
3. Construye flujos deterministas, no agentes sueltos
Un "agente autónomo" que decide qué hacer en cada paso suena impresionante. En la práctica, es lo que ha quemado el presupuesto anual de Uber en cuatro meses.
Un flujo de trabajo bien diseñado con pasos definidos, validaciones y solo IA donde aporta valor real es:
- Más predecible
- Mucho más barato
- Más fácil de depurar
- Más fácil de mantener
Esto es exactamente lo que hacemos con n8n y modelos de IA específicos: flujos robustos que se recuperan solos cuando algo falla, no agentes que queman tokens dando vueltas.
4. Open-source siempre que se pueda
Microsoft está descubriendo lo caro que es depender de un proveedor externo (Anthropic) cuando el uso escala. Es exactamente lo mismo que le puede pasar a cualquier PYME que construya toda su operación sobre un único API propietario.
Nosotros trabajamos con herramientas open-source (n8n principalmente) precisamente por esto: el cliente nunca queda atado. Si mañana el proveedor de IA sube precios, podemos cambiar el modelo sin reescribir todo el sistema.
5. Mide el ROI desde el día 1
Las empresas ahora exigen pruebas de ROI en lugar de demos. Esto debería ser tu actitud desde el principio.
Cada solución de IA que implementes debería tener métricas claras:
- Horas humanas ahorradas por semana
- Coste mensual de la solución (tokens + infraestructura + mantenimiento)
- Valor económico generado (ventas adicionales, errores evitados, tiempo de respuesta)
Si no puedes calcular el ROI, no es una inversión. Es un gasto.
La conclusión incómoda
La lección de Microsoft no es que la IA no sirva. Es que la IA sin diseño es carísima. Y que poner agentes a correr sin estrategia es como dejar el grifo abierto y sorprenderse al ver la factura.
La buena noticia: para una PYME bien asesorada, la IA sigue siendo una de las palancas más potentes que existen. Eliminar 4 horas diarias de seguimiento manual de leads, reducir una bandeja de entrada de 3 horas a 15 minutos, o pasar de hacer 3 propuestas comerciales a la semana a hacer 10 — todo eso sigue siendo perfectamente alcanzable, y por un coste muy razonable.
La diferencia entre Microsoft quemando millones en Claude Code y una PYME automatizando con sentido común es exactamente esto: diseño.
No necesitas el modelo más potente. Necesitas el modelo correcto, en el sitio correcto, con los límites correctos, midiendo lo correcto.
Si quieres entender qué procesos de tu negocio se pueden automatizar con IA — y, sobre todo, cuáles compensan económicamente y cuáles no — eso es exactamente lo que hacemos en la primera conversación contigo. Sin demos vacías, sin tokenmaxxing, sin contratos eternos. Solo el problema, la solución y el número.