📺 ¡Descuentos en Mediamarkt! ¡Las mejores ofertas para el Mundial! [ Saber más ]
La fiebre por usar IA en el trabajo empieza a chocar con una realidad incómoda: la factura se dispara.
Microsoft habría empezado a cancelar la mayoría de sus licencias directas de Claude Code, mientras que Uber ya habría agotado en solo cuatro meses todo su presupuesto de 2026 para herramientas de programación con IA.
La IA prometía ahorrar costes, pero algunas empresas están descubriendo lo contrario
Durante los últimos meses, muchas grandes tecnológicas han empujado a sus empleados a utilizar herramientas de inteligencia artificial siempre que fuera posible. La idea parecía clara: si la IA ayuda a escribir código, resumir documentos, acelerar tareas repetitivas o asistir en procesos internos, la productividad subiría y los costes acabarían bajando.
Sin embargo, la realidad empieza a ser más compleja. Algunas compañías están descubriendo que cuanto más éxito tienen estas herramientas dentro de la organización, más difícil resulta controlar el gasto asociado a su uso.
El último ejemplo llega de Microsoft, que según The Verge habría comenzado a cancelar la mayoría de sus licencias directas de Claude Code, la herramienta de programación con IA de Anthropic. En su lugar, la compañía estaría orientando a sus ingenieros hacia GitHub Copilot CLI, una alternativa más alineada con su propio ecosistema.
La decisión llama especialmente la atención porque Microsoft había abierto el acceso a Claude Code hace apenas seis meses, animando a miles de desarrolladores, jefes de proyecto, diseñadores y otros empleados a experimentar con esta tecnología.
El problema es que la herramienta se hizo popular muy rápido. Quizá demasiado.
Microsoft recorta Claude Code, pero mantiene su alianza con Anthropic
La supuesta retirada de licencias directas de Claude Code no significa que Microsoft esté rompiendo con Anthropic. De hecho, la relación entre ambas compañías seguiría siendo muy estrecha.
Según la información publicada, esta decisión interna no afectaría al acuerdo vinculado a Microsoft Foundry, que incluye una inversión de hasta 5.000 millones de dólares en Anthropic, unos 4.300 millones de euros al cambio actual. Ese pacto también contempla que los clientes de Foundry puedan acceder a modelos Claude.
Además, Anthropic habría asumido un compromiso de compra de capacidad de computación en Azure por valor de 30.000 millones de dólares, aproximadamente 25.900 millones de euros.
En otras palabras, Microsoft no estaría abandonando la IA de Anthropic, sino intentando controlar mejor cómo se consume dentro de la empresa.
Uber ya habría quemado todo su presupuesto anual para IA
Microsoft no sería la única empresa que ha tenido que pisar el freno. En abril, Praveen Neppalli Naga, director tecnológico de Uber, habría contado a The Information que la compañía ya había consumido en apenas cuatro meses todo su presupuesto de 2026 para herramientas de programación con IA.
El dato es especialmente significativo porque Uber había incentivado activamente el uso de estas herramientas. La empresa incluso habría creado clasificaciones internas para comparar qué equipos estaban utilizando más IA.
La lógica de este tipo de iniciativas es comprensible: si se mide el uso, se empuja la adopción. Pero el efecto secundario es evidente. Cuando toda una plantilla empieza a utilizar herramientas de IA de forma intensiva, el gasto puede crecer mucho más rápido de lo previsto.
El coste oculto de los tokens
Buena parte del problema está en cómo se factura la IA generativa. Muchos servicios funcionan con un modelo basado en tokens, que son las unidades básicas que los modelos procesan al leer o generar texto, código o instrucciones.
Cuanto más se usa una herramienta, más tokens se consumen. Y cuanto más sofisticadas son las tareas, más probable es que hagan falta modelos más potentes, respuestas más largas, más contexto y más iteraciones.
Aquí aparece una paradoja interesante: aunque el precio por token baje con el tiempo, la factura total puede seguir subiendo si el consumo se multiplica.
Goldman Sachs habría estimado que la IA agéntica podría disparar el consumo de tokens hasta multiplicarlo por 24 de aquí a 2030, a medida que consumidores y empresas adopten agentes capaces de ejecutar tareas de forma más autónoma. La cifra prevista sería enorme: 120.000 billones de tokens al mes.
La IA será más barata por unidad, pero no necesariamente más barata para las empresas
Un informe reciente de Gartner apunta en la misma dirección. Según la firma de análisis, para 2030 ejecutar inferencia en un modelo de lenguaje de un billón de parámetros podría costar a las empresas de IA casi un 90% menos que en 2025.
A primera vista, eso suena a una buena noticia. Pero Gartner advierte de que esa caída del coste unitario no implica que la IA empresarial vaya a ser más barata.
La razón es que los modelos agénticos necesitan muchos más tokens por tarea que los modelos tradicionales. Un asistente que responde una pregunta consume relativamente poco. Un agente que planifica, consulta herramientas, revisa resultados, vuelve a intentarlo y coordina varios pasos puede multiplicar el consumo de forma notable.
Además, Gartner cree que los proveedores de IA no trasladarán necesariamente toda la reducción de costes a sus clientes. Will Sommer, analista senior de Gartner, lo resumía con una advertencia clara: no conviene confundir la caída del precio de los tokens básicos con una democratización real del razonamiento avanzado.
El sueño de los agentes de IA puede salir muy caro
El entusiasmo por los agentes de IA sigue siendo enorme. Jensen Huang, CEO de Nvidia, ha llegado a decir que imagina un futuro en el que cada empleado de su compañía trabaje junto a 100 agentes de IA.
La visión es atractiva: empleados humanos coordinando ejércitos de asistentes digitales capaces de programar, analizar datos, preparar informes, automatizar procesos y tomar decisiones operativas.
Pero si cada uno de esos agentes consume tokens de forma constante, la factura puede escalar a una velocidad difícil de asumir. En ese escenario, el límite no estaría tanto en la tecnología como en la economía.
Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia, lo expresó de forma muy directa en una entrevista con Axios: en su equipo, el coste de la computación supera con creces el coste de los propios empleados.
Esa frase resume el dilema al que se enfrentan muchas empresas. La IA puede aumentar la productividad, pero también puede convertir la infraestructura informática en uno de los mayores gastos de la organización.
La productividad de la IA ya no se mide solo en velocidad
Durante la primera fase de adopción, muchas empresas se han centrado en una pregunta sencilla: ¿cuánto más rápido puede trabajar un empleado con IA?
Ahora empieza a surgir una segunda pregunta, probablemente más importante: ¿cuánto cuesta realmente esa mejora de productividad?
Si un desarrollador termina antes una tarea gracias a una herramienta de IA, la ganancia parece evidente. Pero si esa herramienta se usa miles o millones de veces dentro de una gran empresa, el ahorro de tiempo debe compararse con una factura de computación que puede crecer sin control.
Este es el gran reto de la IA corporativa: no basta con demostrar que funciona. También tiene que demostrar que compensa.
Las empresas pasan de la experimentación al control
Lo que estamos viendo en Microsoft, Uber y otras grandes compañías no significa que la IA haya fracasado. Al contrario: en muchos casos, el problema es que se ha adoptado demasiado rápido y con demasiado entusiasmo.
El paso natural ahora es la optimización. Las empresas tendrán que decidir qué tareas justifican el uso de modelos avanzados, cuáles pueden resolverse con herramientas más baratas y dónde conviene limitar el consumo.
También veremos más políticas internas, más métricas de coste por equipo, más integración con herramientas propias y menos libertad para usar cualquier servicio externo sin control presupuestario.
La IA seguirá entrando en el trabajo diario, pero probablemente lo hará de una forma menos caótica. La etapa de “usa toda la IA que puedas” podría estar dando paso a otra mucho más pragmática: “usa la IA donde realmente salga rentable”.
Conclusión: la IA no sustituye mágicamente los costes, los desplaza
La promesa inicial de la IA empresarial era sencilla: hacer más con menos. Pero los primeros grandes despliegues están mostrando que la ecuación no es tan limpia.
Las empresas pueden ahorrar tiempo humano, pero a cambio consumen más infraestructura, más computación y más servicios de terceros. En algunos casos, el coste de alimentar a los modelos puede acabar siendo más alto de lo esperado.
Microsoft, Uber, Amazon, Meta y Nvidia están en la primera línea de esta transformación. Todas quieren aprovechar la IA al máximo, pero también están descubriendo que la productividad artificial tiene un precio muy real.
La gran pregunta ya no es si la IA puede cambiar la forma de trabajar. Eso parece bastante claro. La pregunta es quién podrá permitirse usarla a gran escala sin que la factura se coma buena parte de los beneficios.