El gasto en IA corporativa se disparó y las empresas empiezan a poner el freno

Hay una escena que se repitió en casi todas las grandes corporaciones del mundo durante los últimos dos años: el CEO sube al escenario, anuncia que la empresa está apostando todo a la IA, y los empleados reciben el mensaje de que quien no se suba al tren quedará afuera.

Accenture dijo que no adoptar la inteligencia artificial podía poner en riesgo el desarrollo profesional. El CEO de Fiverr mandó un memo advirtiendo que "la IA viene por sus trabajos". En Starbucks, una cuarta parte del bono de los empleados de tecnología quedó atada a métricas de adopción de IA.

Ahora, según un informe de Bloomberg publicado este fin de semana, varias de esas mismas empresas están frenando el uso que les habían exigido meses antes.

El problema no es que la IA dejó de funcionar. El problema es que funciona demasiado bien y sale carísima.

La adopción masiva de inteligencia artificial creó un nuevo problema corporativo: controlar el gasto.

Tokens: la unidad que nadie había presupuestado

Para entender qué está pasando hay que entender un concepto técnico que se volvió central en las finanzas corporativas sin que casi nadie lo viera venir: el token.

Cada vez que una persona usa un modelo de IA ya sea para redactar un correo, analizar datos, escribir código, el sistema consume tokens, que son las unidades básicas con las que los modelos procesan texto. Más uso, más tokens; más tokens, más costo.

El CEO de Google señaló en mayo que el uso mensual de los productos de IA de la compañía se multiplicó por siete en el último año, llegando a 3,2 cuatrillones de tokens. Y en ese mismo evento advirtió que muchas empresas ya habían reventado sus presupuestos anuales de tokens antes de que terminara el primer semestre del año.

Ese es el contexto en el que Walmart limitó el acceso de sus empleados a un agente interno de IA que los asistía con tareas cotidianas. Y en el que Uber puso un tope de 1.500 dólares mensuales por empleado en ciertas herramientas de codificación, después de agotar su presupuesto anual entero para Claude Code, la herramienta de programación de Anthropic, antes de tiempo.

El problema de medir el éxito en tokens consumidos

Hay una ironía en todo esto que vale la pena nombrar. Amazon llegó a tener una tabla de clasificación interna que rankeaba a los empleados según cuántos tokens de IA consumían, como si el uso fuera sinónimo de productividad.

La cerraron cuando notaron que algunos empleados realizaban tareas que no resolvían ningún problema real, pero que los hacían subir en el ranking. Un vicepresidente senior de la compañía tuvo que decirle al personal, explícitamente, que no usara la IA "solo por usarla".

El diagnóstico de los consultores que trabajan con estas empresas es que la mayoría no sabe todavía cómo presupuestar la IA, ni cómo distinguir el uso productivo del uso vacío.

McKinsey reporta que sus empleados están ahorrando un 30% del tiempo que antes dedicaban a recopilar y analizar datos, pero ese tipo de ganancia individual es muy difícil de traducir en ahorro medible a escala de toda la empresa.

Una encuesta global de Bain & Co. sobre grandes corporaciones encontró que la mayoría tiene dificultades para justificar sus inversiones en IA con resultados concretos de eficiencia.

Los agentes de IA prometen automatizar tareas complejas, pero también consumen muchos más recursos que las herramientas tradicionales.

La trampa del acelerador y el freno simultáneos

Lo que está emergiendo es una contradicción que las empresas todavía no saben cómo resolver. Por un lado, el 94% de los altos ejecutivos planea seguir invirtiendo en IA incluso si no da resultados en 2026, según una encuesta de Boston Consulting Group.

Por otro lado, están recortando el acceso justo en el momento en que los empleados estaban empezando a incorporar las herramientas a su rutina.

Los consultores que trabajan en la implementación de IA en empresas advierten que ese freno aplicado tarde puede ser contraproducente: si los empleados aprenden a depender de una herramienta y después les reducen el acceso, el daño no es solo en productividad sino en confianza hacia el liderazgo.

Una cofundadora de software de gestión de flujos de trabajo citada por Bloomberg dijo que si ella fuera empleada, estaría cuestionando al management.

El problema ya no es adoptar IA. Es distinguir cuándo genera productividad y cuándo solo genera gasto.

El problema es que las empresas adoptaron la IA como si fuera una política de cultura organizacional: "úsenla, úsenla, úsenla", sin construir primero el andamiaje para entender qué uso genera valor real y cuál es ruido.

Ahora están aprendiendo que la IA agéntica, la versión más avanzada que ejecuta tareas complejas de forma autónoma, consume hasta mil veces más recursos computacionales que las tareas básicas. Y que ese costo no estaba en ningún presupuesto.

La pregunta que queda es si las empresas van a encontrar ese equilibrio antes de que el ciclo de entusiasmo y decepción les deje una deuda tecnológica difícil de explicar a los accionistas.

----------------