Microsoft a sus ingenieros: cuidado con el tokenmaxxing, la IA no es barata

Las enormes inversiones en centros de datos, valoradas en decenas de miles de millones de dólares, están disparando los costes de ejecución de la tecnología estrella y los grandes del sector han comenzando a tomar medidas para controlar los gastos. Frente a la estrategia inicial del tokenmaxxing (usa la IA masivamente) incluso los gigantes que cuentan con infraestructura propia quieren poner límites.

Un correo electrónico del vicepresidente ejecutivo de Microsoft, Jay Parikh, obtenido por 404 Media, nos pone sobre la pista de la nueva estrategia: «No estamos optimizando para maximizar los tokens y debemos centrarnos en obtener resultados comerciales en lugar de maximizar el uso de la IA».

La IA no es barata

Los tokens son como créditos de IA; cuantas más palabras uses al interactuar con una IA, más tokens consumirás. Durante un tiempo, se animó a los empleados del sector tecnológico a usar las tecnologías de inteligencia artificial lo máximo posible, pero esa práctica, conocida como «tokenmaxing», ha tenido como resultado facturas enormes para las empresas.

Jay Parikh quiere poner límites. «A medida que aceleramos el uso de GitHub Copilot para alcanzar nuestros objetivos, todos debemos ser conscientes de cómo consumimos los tokens», explica en un correo electrónico a los empleados. «Quiero que todos nos centremos en maximizar los resultados que marquen la diferencia para nuestros clientes y nuestro negocio. Por ello, estamos actualizando nuestras directrices internas y gestionando el gasto de tokens con la misma disciplina que aplicamos a cualquier otro recurso crítico», dice el ejecutivo.

El correo electrónico del vicepresdidente de Microsoft incluye un enlace a las directrices internas actualizadas de Copilot, donde se indica que, a partir de julio de 2026, las divisiones de Microsoft tendrán que cumplir un objetivo de presupuesto de tokens de IA y que los empleados podrán realizar un seguimiento de su gasto individual en IA. «Si bien no se está limitando un valor de gasto objetivo en este momento, los datos muestran que muchos ingenieros gastan entre cientos de dólares al mes y unos pocos miles de dólares en tokens», dicen las directrices. Microsoft impondrá restricciones adicionales a medida que monitorizan los costes con la nueva estrategia.

En ese esfuerzo por obtener un mayor valor de la inversión en tokens, Microsoft ha establecido el GPT-5.6 de OpenAI, que es más económico que otros modelos, como el modelo predeterminado para uso interno. También está intentando reducir los costes de la IA enviando las solicitudes de Microsoft 365 a sus modelos internos de MAI en lugar de a los laboratorios externos de Anthropic y OpenAI.

¿Mensaje contradictorio?

Todo esto ocurre dos meses después de que GitHub Copilot adoptara la facturación basada en el uso y algunos usuarios alcanzaran rápidamente sus límites. Como señala el correo electrónico de Parikh, el cambio en la política de gasto en IA no se debió a problemas de liquidez en Microsoft. Al contrario, su último informe de ganancias muestra que los ingresos, las ganancias operativas y las ganancias netas de la compañía aumentaron durante el año, superando las expectativas de Wall Street. Sin embargo, la nueva política está en línea con los cambios recientes en otras empresas como Amazon, Adobe, Atlassian y Citi, que ya han tomado medidas, controlando y/o limitando el gasto de sus empleados.

Y otro apunte no menor como mensaje general a la industria (y a los clientes de Microsoft): «Me resulta muy revelador que una empresa que ha invertido tanto en IA y ha subvencionado gran parte de la inferencia de IA ahora esté aconsejando a sus propios empleados que reduzcan el gasto», comentó a 404 Media un empleado de Microsoft que pidió permanecer en el anonimato por no estar autorizado a hablar con la prensa. «La estrategia se percibe como la admisión definitiva de que nosotros, como proveedores de infraestructura de IA, no podemos costear nuestros propios productos de IA. Y si esto es cierto, aunque sea parcialmente, ¿cómo podrían hacerlo las empresas a las que se los vendemos?»

Del tokenmaxxing a reducir el uso

Reducir el uso maximalista de la IA (lo que conocemos como tokenmaxxing) es una tendencia creciente. El uso masivo de la IA no se ha traducido en un aumento de la productividad y, además, los proveedores de estas tecnologías tampoco están monetizando la inversión.

Mucho se ha escrito sobre este «tokenmaxing», una métrica superficial en las startups y gigantes tecnológicos donde la cantidad de dinero invertida en herramientas de IA como Claude y ChatGPT se considera un indicador de productividad. The Information habló de un panel interno de Meta llamado «Claudenomics», una clasificación que registra la cantidad de tokens de IA que usa cada empleado. La idea general, hasta hace poco, era que cuantos más tokens de IA use un empleado, más productivo será y más innovador deberá ser en el uso de la IA.

Abundan las historias de empleados que gastan cientos de miles de dólares en computación de IA por su cuenta, y se presenta esto como algo a lo que otros trabajadores deberían aspirar. Ha habido al menos una reacción en contra parcial a esta práctica y empresas como Salesforce afirma haber inventado una métrica llamada «Unidades de Trabajo de Agente» que intenta cuantificar si todo este gasto en tokens de IA se traduce en trabajo real.

Por supuesto, destinar tanto dinero y atención al uso de herramientas de IA, tiene como objetivo final reemplazar a los trabajadores humanos. Hemos visto a directores ejecutivos justificar despidos masivos argumentando que mejorar la eficiencia de la IA reducirá la necesidad de mano de obra.

Lo que los grandes directivos que buscan maximizar sus ganancias no dicen es si el gasto en computación de IA realmente vale la pena, si el dinero se invertiría mejor en empleados humanos, qué tipo de desastres podrían ocurrir y si algo de esto es realmente sostenible desde el punto de vista financiero. El correo del ejecutivo de Microsoft es un aviso.

Empresas como OpenAI y Anthropic están perdiendo muchísimo dinero con sus productos. Aunque la computación de la inteligencia artificial es costosa, su precio está infravalorado en comparación con su coste real. Por cuánto tiempo estarán dispuestos los inversores en empresas de IA de vanguardia a subvencionar esas pérdidas…

Mientras tanto, crece con fuerza el «workslop» y la limpieza humana que suele ser necesaria cuando el código escrito por IA, el trabajo generado por IA y los productos de IA orientados al cliente fallan. También existen numerosos casos de IA atrapada en un bucle y quemando miles de dólares en tokens en tareas que resultan completamente inútiles. No está -nada- claro que gastar más dinero en computación de IA que en salarios humanos sea más eficiente. Y como aseguró el informe del MIT: automatizar puestos de trabajo con IA costará a las empresas la fuerza laboral del futuro.