El entusiasmo por consumir la mayor cantidad posible de tokens de inteligencia artificial —práctica conocida como tokenmaxxing— está cediendo terreno ante una pregunta más incómoda: ¿qué valor concreto produce ese gasto?
La señal más visible llegó cuando Microsoft decidió cancelar la mayoría de sus suscripciones a Claude Code por razones financieras. Poco después, el COO de Uber reconoció que la compañía agotó su presupuesto completo de IA en apenas cuatro meses. Un consultor citado por Axios describió el caso de un cliente que gastó 500 millones de dólares en un mes porque nadie estableció límites de uso en las licencias de Claude para sus empleados.
El tokenmaxxing irrumpió como tendencia a principios de 2026, impulsado por herramientas como Claude Code y Codex. La lógica era sencilla: a mayor consumo de tokens, mayor adopción de IA entre los desarrolladores. Jensen Huang, CEO de Nvidia, llegó a declarar que estaría «profundamente alarmado» si un desarrollador con salario de 500.000 dólares gastaba menos de 250.000 dólares en tokens de IA. Empresas como Meta y Disney incorporaron tableros de clasificación de consumo de tokens.
Pero la métrica tiene un defecto estructural. April Zheng, responsable de estrategia de GenAI para Agentforce en Salesforce Help, lo resumió con precisión: «Medir la productividad por consumo de tokens es como juzgar cuánto trabajó alguien por si su auto estaba en el estacionamiento a las 10 de la noche. La métrica no puede distinguir si estaba trabajando intensamente o si simplemente no pudo conducir de vuelta a casa».
Dheeraj Pandey, cofundador y CEO de DevRev y ex CEO de Nutanix, advirtió sobre el riesgo financiero directo: «No puedes reducir la nómina si los tokens cuestan más que la propia nómina. Hay que sumar costos de nómina y costos de tokens y preguntarse: ¿hemos ganado productividad, o simplemente estamos quemando dinero?».
Cassidy Williams, directora sénior de developer advocacy en GitHub, apunta que la era de los subsidios al cómputo para impulsar adopción está llegando a su fin: «La conversación está pasando de cómo usar la mayor cantidad de tokens posible a cómo usar un presupuesto de cómputo para entregar el mayor valor posible».
Kylan Gibbs, CEO de Inworld AI, fue más directo sobre las consecuencias corporativas: «Las empresas que confundieron consumo de tokens con ingeniería pasarán 2026 explicando sus partidas de IA a un CFO que dejó de encontrar el dashboard encantador».
Desde IBM, Neel Sundaresan, GM de automatización e IA y líder del equipo que construye IBM Bob, rechaza el enfoque desde el principio: «El tokenmaxxing como medida de productividad es fundamentalmente defectuoso». En su lugar, IBM monitorea calidad del código generado, líneas de código, archivos modificados, pull requests, errores corregidos y reversiones de PR.
El dato importa más que el ruido. Lo que está en juego no es solo una moda tecnológica, sino un principio elemental de gestión empresarial: el gasto debe vincularse a resultados medibles. Cuando una empresa convierte el consumo de un insumo —tokens, horas, reuniones— en proxy de productividad, está sustituyendo la disciplina de resultados por la ilusión de actividad. El tokenmaxxing es, en ese sentido, el equivalente digital del gasto público sin rendición de cuentas: fácil de justificar en el auge, imposible de defender ante el primer ciclo de ajuste.
Conviene mirar los incentivos. La corrección en curso no es el fin de la IA en el desarrollo de software; es el momento en que el mercado impone la pregunta que debió hacerse desde el inicio: ¿cuánto vale, exactamente, lo que se está comprando?
