Negocios Meta apaga su contador de tokens tras una factura de miles de millones: la economía de la IA se reescribe
Meta, Uber y Microsoft chocan contra la realidad financiera de la IA: el 'tokenmaxxing' disparó el consumo a 73.7 billones de tokens en 30 días. La lección para América Latina: sin métricas de eficiencia, la adopción se vuelve insostenible.
En apenas unos meses, la inteligencia artificial pasó de ser un experimento de productividad a un problema financiero de primera línea en las cuentas de Meta. La compañía que invierte 145.000 millones de dólares al año en gasto de capital —en buena parte para infraestructura de IA— se encontró con que sus propios empleados estaban quemando tokens a un ritmo que proyectaba facturas de miles de millones de dólares para 2026. El detonante fue una tabla de clasificación interna llamada 'Claudeonomics', que rankeaba a los 250 mayores consumidores de tokens y que terminó incentivando una práctica bautizada como 'tokenmaxxing': trabajadores ejecutando múltiples tareas de inteligencia artificial simultáneamente solo para escalar posiciones.
Según datos internos reportados por The Information, en un período de 30 días los empleados de Meta consumieron 73.7 billones de tokens. La cifra es difícil de procesar sin contexto: a precios públicos de Anthropic para Claude 3 Opus, ese volumen equivale a un gasto estimado de cerca de 900 millones de dólares mensuales. El CTO de Meta, Andrew Bosworth, tuvo que salir al paso con un memorando en abril: 'Nadie debería usar IA solo por usarla. El uso de tokens en sí mismo no es una medida de impacto'. La empresa retiró la clasificación y ahora construye un panel central llamado AI Gateway para monitorear el consumo en tiempo real, con alertas ante picos anómalos y presupuestos asignados por equipo.
Una ola que arrastra a toda la industria
Meta no es un caso aislado. Amazon cerró su propio ranking interno de IA el mes pasado tras detectar que los empleados ejecutaban operaciones innecesarias para inflar sus puntuaciones. Uber y ServiceNow agotaron su presupuesto anual para herramientas de Anthropic en los primeros meses de 2026. Microsoft, por su parte, canceló las licencias de Claude Code y reorientó a sus ingenieros hacia su asistente Copilot CLI. El patrón es claro: las empresas que más impulsan la adopción de IA están chocando con la realidad de que los tokens cuestan dinero real y que, sin controles, la factura se dispara.
La situación ha generado un fenómeno de mercado que los analistas llaman 'tokenminimizing'. El Índice de Gasto en Tokens de LLM cayó durante siete días consecutivos hasta el 11 de junio, la racha de pérdidas más larga desde enero, después de haberse duplicado desde diciembre. OpenAI, en medio de su confidencial presentación de OPI, está considerando recortar precios para retener clientes empresariales. Sam Altman, su CEO, calificó los costes de uso de IA como 'un problema enorme'. Todo esto ocurre mientras los proveedores de modelos —OpenAI y Anthropic— pierden miles de millones de dólares cada uno en la potencia informática necesaria para ejecutar sus sistemas.
Lo que esto significa para las empresas en América Latina
Para un CTO o un CFO en la región, la historia de Meta es una advertencia directa. En mercados donde el dólar cuesta más caro y los márgenes operativos son más ajustados, no se puede replicar el modelo de Silicon Valley de 'dar tokens sin límite y medir el impacto después'. Empresas latinoamericanas que están adoptando asistentes de código o chatbots internos deben implementar desde el día uno sistemas de monitoreo de consumo y asignar presupuestos de tokens por equipo. El riesgo de una factura inesperada de decenas de miles de dólares mensuales es real si no se fijan topes claros.
La buena noticia es que el mercado está respondiendo. Modelos más eficientes y baratos —como DeepSeek V4 Pro, con precios hasta 35 veces más bajos que los modelos de frontera para tareas equivalentes— están ganando terreno. El concepto de 'model routing', que envía cada solicitud al modelo más adecuado y más económico, se está convirtiendo en infraestructura imprescindible. Gartner estima que el 40% de las aplicaciones enterprise tendrán agentes de IA específicos de tarea para finales de 2026, frente a menos del 5% hace un año. La decisión ya no es qué modelo es el más potente, sino cuál ofrece la mejor relación costo-resultado para cada tarea concreta.
La pregunta que todo ejecutivo latinoamericano debería hacerse no es si su empresa debería usar IA, sino cómo va a medir y controlar el gasto antes de que la factura llegue.
