Hasta hace poco, el debate sobre el costo de la inteligencia artificial era principalmente cosa de CFOs y ejecutivos de tecnología. Hoy ese debate está aterrizando en los equipos de ingeniería, y uno de los primeros ejecutivos de alto perfil en decirlo claramente es Adam Mosseri, el jefe de Instagram dentro de Meta. Su mensaje en un podcast reciente fue claro: en un par de años, los ingenieros podrían tener límites en cuántos tokens de IA pueden consumir, igual que hoy tienen límites en cuánto pueden gastar en viajes de negocios.
¿Qué son los «tokens» de IA y por qué su costo importa?
Un token es la unidad básica de procesamiento de un modelo de lenguaje: aproximadamente tres cuartos de una palabra en inglés. Cada vez que un ingeniero usa Claude, ChatGPT, Gemini u otra IA para generar código, revisar documentos o automatizar tareas, el sistema procesa miles de tokens. A escala de una empresa como Meta, con decenas de miles de ingenieros usando estas herramientas intensivamente, el costo acumulado puede escalar a miles de millones de dólares anuales.
Según reportes, Meta tuvo que cerrar un «leaderboard» interno de gasto en tokens después de que los costos de IA en 2026 pusieran a la empresa en trayectoria hacia miles de millones de dólares de gasto. Uber tuvo una situación similar: agotó su presupuesto anual de IA para codificación en apenas cuatro meses. Microsoft canceló licencias de Claude Code para sus ingenieros, consolidando todo en su propio Copilot CLI.
El planteo de Mosseri: la IA como recurso gestionado, no ilimitado
En el podcast de Lenny, Mosseri describió con claridad la analogía que ve emergiendo: «Podés imaginarte que en uno o dos años, la tasa de consumo de un ingeniero fuerte podría ser igual a su salario o al costo de contratarlo. Y en ese mundo, vas a necesitar poner algunos límites». Su posición no es que la IA sea un gasto ineficiente —todo lo contrario—, sino que es un recurso como cualquier otro: GPU, CPU, almacenamiento, nómina. Y todos los recursos limitados eventualmente necesitan gestión.
La propuesta de Mosseri es tratar el presupuesto de tokens de manera similar al OpEx operativo. Así como los gerentes deben decidir cómo distribuir presupuesto de etiquetado de datos o headcount entre equipos, pronto tendrán que decidir cuántos tokens asignar a cada área en función del retorno esperado de esa inversión. El límite individual por ingeniero dependería, dice, de cuánto confía la empresa en su capacidad de generar valor con esa inversión.
La trampa de los «quemadores de tokens»
Mosseri también introdujo un concepto colorido pero preciso: el «quemador de tokens». Es la denominación informal de cualquier sistema o práctica que consume tokens de IA a gran escala sin producir valor proporcional. Meta descubrió que el propio leaderboard de gasto en tokens —un tablero para ver quién más usaba IA, que se volvió competitivo entre equipos— era en sí mismo un quemador de tokens masivo. «No es difícil construir un incinerador de tokens, y eso no crea mucho valor», dijo.
Esta dinámica es relevante para cualquier organización que esté adoptando herramientas de IA de manera acelerada. El entusiasmo inicial lleva a usar IA para todo, incluyendo tareas donde el retorno es marginal o inexistente. La madurez del uso de IA empresarial pasa por empezar a medir, evaluar y priorizar esos usos.
La curva esperada: hacia la reducción de costos
La buena noticia en la visión de Mosseri es que espera que los costos de tokens bajen de manera significativa en los próximos años, a medida que los laboratorios de IA entren en una guerra de precios por atraer usuarios. Esa proyección ya está comenzando a cumplirse: los modelos de las últimas generaciones ofrecen capacidades similares o superiores a sus predecesores, pero a precios que pueden ser 10 o 20 veces más bajos. La economía de la IA se mueve rápido.
Pero mientras los precios bajan, la demanda sube más rápido. Es la misma dinámica que se vio con el cloud computing: la nube hizo que el cómputo fuera más barato por unidad, pero el gasto total en infraestructura de las empresas creció significativamente porque usaron más. Con la IA, el patrón amenaza con repetirse.
¿Qué deberían aprender los equipos de desarrollo de este debate?
La discusión sobre presupuestos de tokens no es solo un problema de empresas del tamaño de Meta. A escala menor, muchas startups y equipos de desarrollo ya están enfrentando sorpresas en sus facturas de API de IA al final del mes. La misma lógica aplica: antes de escalar el uso de IA, conviene entender qué usos generan retorno medible y cuáles son simplemente ruido caro.
La clave está en diseñar la arquitectura de IA con eficiencia desde el inicio: modelos más pequeños para tareas simples, caching agresivo de respuestas repetitivas, y evaluación continua del costo por tarea completada. Lo que Mosseri plantea a nivel corporativo es, en esencia, ingeniería económica aplicada a la IA.
¿Querés implementar IA en tu negocio con costos bajo control?
En Octopus Agencia diseñamos soluciones de automatización e inteligencia artificial pensadas para maximizar el retorno de inversión. Elegimos el modelo correcto para cada tarea, implementamos arquitecturas eficientes y garantizamos que no estés pagando por tokens que no generan valor real.
