Microsoft frena el gasto en tokens tras un empleado gastar 28.000 dólares en un mes

Un empleado del área de Soluciones para Clientes y Socios de Microsoft registró un gasto de 28.000 dólares en tokens de IA durante 28 días, el equivalente a 1.000 dólares diarios, según una hoja de cálculo interna voluntaria donde unos 350 trabajadores compartieron su consumo Un empleado de Microsoft gastó 28.000 dólares en IA en un mes. La mediana del grupo era de 300 dólares mensuales. La cifra obligó a Jay Parikh, vicepresidente ejecutivo de CoreAI, a advertir en agosto que la compañía empezaría a controlar el gasto en tokens "con la misma rigurosidad que se aplica a otros recursos críticos" Un empleado de Microsoft gastó 28.000 dólares en IA en 28 días.

El episodio no es una anécdota aislada: es el síntoma final de una moda corporativa —el tokenmaxxing— que equiparaba volumen de consumo con productividad. Ejecutivos de Silicon Valley llegaron a premiar el uso intensivo. Sam Altman (OpenAI) celebró las "startups de tokenmaxxing" y Jensen Huang (Nvidia) sentenció que si un ingeniero de 500.000 dólares no quema 250.000 en tokens, "algo anda mal" Los lugares de trabajo buscan IA más barata.

La resaca llegó con las facturas. Vincent Gusdorf, jefe de analítica de IA en Moody's, resume el giro: "Es muy fácil crear con IA algo que no necesitas". Jue Wang, de Bain & Company, cuantifica el choque: "El costo de tokens se duplica casi cada dos meses. 200 dólares por desarrollador al mes por 20.000 desarrolladores es una partida que ningún gerente general había previsto" Los lugares de trabajo buscan IA más barata.

Satya Nadella fue más lejos: advirtió que los clientes pagan dos veces —por los tokens y por alimentar modelos con su propiedad intelectual Los lugares de trabajo buscan IA más barata. Alex Karp (Palantir) lo llamó "algo completamente mal": empresas estadounidenses "furiosas" por pagar tokens que no generan valor Los lugares de trabajo buscan IA más barata.

La adopción real es ancha, profunda y desigual

Un estudio de investigadores de OpenAI sobre ChatGPT Enterprise —1.500 organizaciones, 17 millones de mensajes hasta marzo de 2026— confirma que la adopción empresarial es un fenómeno heterogéneo How Organizations Use AI: Evidence from ChatGPT. Cuatro hallazgos claves:

1. Crecimiento compuesto: los tokens de salida crecieron ~7x entre junio 2025 y marzo 2026; la mitad provino de mayor intensidad en firmas ya adoptantes. 2. Sesgo de adopción: las empresas públicas de EE. UU. que adoptan son más grandes, valiosas e intensivas en I+D y gastos de venta/administración (SG&A). 3. Distribución transversal: el uso abarca funciones y niveles de antigüedad, con pico de intensidad en trabajadores early-career. 4. Amplitud de tareas: escritura, comunicación, síntesis de información, investigación, planificación, análisis de datos, legal, finanzas. No hay un "caso de uso único"; la IA opera como tecnología de propósito general para trabajo de conocimiento.

Hacia el enrutamiento de modelos y la disciplina de costos

Model routing es la respuesta operativa: enviar consultas simples a modelos baratos y eficientes, reservar los potentes (Claude Opus 4.6, GPT-5.6 Sol) para tareas que lo justifiquen Los lugares de trabajo buscan IA más barata. Paralelamente, modelos abiertos chinos (Kimi de Moonshot, GLM de Zhipu) igualan capacidades de frontera a fracción del precio, presionando la estructura de costos Los lugares de trabajo buscan IA más barata. Raffi Krikorian (Mozilla) lo compara con la métrica de "líneas de código": "El tokenmaxxing sigue exactamente el mismo patrón. Dentro de un año nos reiremos de este bache" Los lugares de trabajo buscan IA más barata.

Implicación para América Latina: saltarse la fase de desperdicio

Para empresas latinas, la lección es clara: el precio del token está dolarizado y la volatilidad cambiaria amplifica el riesgo. No hay margen para la experimentación sin gobernanza. Tres movimientos inmediatos:

• Política de enrutamiento desde día uno: definir qué tareas van a modelo premium y cuáles a modelo ligero u open source.
• Presupuestos por equipo con alertas automáticas: el caso Microsoft muestra que el control ex post llega tarde.
• Métricas de resultado, no de consumo: tokens generados por ticket resuelto, tiempo ahorrado validado, no dólares gastados.

OpenAI documenta una curva de adopción —crecimiento rápido, distribución amplia, intensidad concentrada en perfiles junior— que sugiere que la ventaja competitiva no estará en "quemar más tokens", sino en institucionalizar el juicio sobre cuándo y dónde la IA suma valor. Las organizaciones que traten el token como recurso escaso y auditable, no como medalla de productividad, serán las que conviertan la inversión en capacidad organizativa duradera.