La moda corporativa de "tokenmaxxing" en la tecnología de inteligencia artificial está llegando a sus límites a medida que los lugares de trabajo que utilizan la IA en todo ven cómo aumentan los costos sin un aumento similar en la productividad, según un informe de Associated Press.
Lo que comenzó como una exageración impulsada por la industria tecnológica en la primavera de 2026 sobre exprimir la mayor cantidad posible de trabajo generado por IA de productos como ChatGPT de OpenAI y Claude de Anthropic se ha convertido en una reacción violenta durante el verano. Ejecutivos, analistas y desarrolladores ahora se preguntan abiertamente si maximizar el consumo de tokens de IA fue alguna vez una buena estrategia. Para obtener una cobertura continua del panorama empresarial de la IA, visite nuestro [último informe de la industria de la IA] (https://aibuzzwire.news).
El ascenso y la caída de una moda pasajera
"Tokenmaxxing" se refiere a maximizar el uso de tokens, los componentes básicos de la IA generativa que corresponden a pequeños fragmentos de texto que un sistema de IA lee o escribe. Cada token representa aproximadamente tres cuartos de una palabra, y los proveedores de IA suelen imponer límites de uso, y las suscripciones más caras ofrecen límites más altos.
La tendencia fue promovida activamente por algunos de los líderes más destacados de la tecnología. El director ejecutivo de OpenAI, Sam Altman, dijo en mayo de 2026 que estaba "emocionado de ver qué sucederá con las nuevas empresas tokenmaxxing, tanto por su forma de trabajar internamente como por los productos que pueden construir". El director ejecutivo de Nvidia, Jensen Huang, declaró que "si su ingeniero de 500.000 dólares no está quemando 250.000 dólares en tokens, algo anda mal". Meta, empresa matriz de Facebook, organizó una competencia interna que recompensaba el alto uso de tokens.
Pero a medida que se acumularon los costos, el entusiasmo disminuyó. "A medida que las facturas comenzaron a acumularse, la gente se dio cuenta de que esas nuevas herramientas son bastante caras y es necesario usarlas con prudencia", dijo Vincent Gusdorf, jefe de análisis de IA en Moody's Ratings y autor de un nuevo informe que recomienda un enfoque más disciplinado.
"Es muy fácil crear algo que no necesitas con IA", añadió Gusdorf.
Reacción ejecutiva
La reacción ha sido liderada por algunas de las voces más influyentes de la industria tecnológica. El director ejecutivo de Microsoft, Satya Nadella, admitió que tokenmaxxing puede ser adictivo, pero advirtió que los clientes efectivamente están pagando dos veces por la IA: primero, gastando en tokens y, segundo, entregando sus datos patentados a los proveedores de IA. Los comentarios de Nadella fueron inusuales en la forma en que planteó dudas sobre las garantías de protección de datos de las principales empresas de IA, incluso cuando promovió la propia estrategia de IA de Microsoft.
El director ejecutivo de Palantir, Alex Karp, fue más allá y le dijo a CNBC que algo había salido "completamente mal". Dijo que estaba canalizando la voz de las empresas estadounidenses en privado "furiosas" por pagar sumas enormes por tokens que no crean ningún valor.
"La visión básica entre las empresas de este país es: 'Voy a relajarme y perder el tiempo con tokens. No obtendré ningún valor y ellos se quedarán con mi propiedad intelectual'", dijo Karp.
El director de tecnología de Mozilla, Raffi Krikorian, comparó el tokenmaxxing con la desacreditada práctica de medir la productividad de los programadores mediante líneas de código. "Creo que tokenmaxxing se está moviendo exactamente en el mismo patrón", dijo. "Creo que este será un incidente interesante del que todos recordaremos y nos reiremos dentro de un año".
El problema de los costos a escala
El impacto financiero se vuelve severo a escala empresarial. Jue Wang, consultora de gestión de Bain & Company, dijo que muchas de las grandes empresas que su firma asesora han estado analizando más de cerca el rendimiento de sus inversiones en IA.
"El costo simbólico para ellos se ha duplicado, casi cada dos meses", dijo Wang. "Digamos $200 por desarrollador por mes. Multiplique eso por 20,000 desarrolladores, que es a menudo con lo que estamos tratando en estas empresas, y eso rápidamente lo lleva a un número que no es una partida que ningún gerente general haya planeado".
Wang señaló un patrón de uso indebido común: recurrir por defecto a los modelos de IA más potentes (y más caros) para tareas que no los requieren. "No todo necesita un Claude Opus 4.6", dijo sobre uno de los modelos más capaces de Anthropic, adecuado para ingeniería de software o investigación profunda. "Y, sin embargo, se ven tantas empresas, tantos usuarios, que por defecto utilizan Opus para todo, incluso para generar correos electrónicos".
El auge del enrutamiento de modelos y los pesos abiertos
La presión de los costos ha impulsado la demanda de herramientas de "enrutamiento de modelos" de IA que envían automáticamente consultas más simples a sistemas de IA más baratos y eficientes, al tiempo que reservan modelos potentes para tareas complejas. El desarrollador de software Hassan El Mghari, que dirige la experiencia de los desarrolladores en la startup Together AI, dijo que la sorpresa de las empresas por la "ridícula cantidad de dinero" gastada en suscripciones a productos de IA de las principales empresas estadounidenses ha llevado a muchos a repensar el enfoque de maximizar el uso.
"Es mejor simplemente capacitar a los empleados sobre cómo usar estas cosas y permitirles usar la IA cuando y en la medida que lo necesiten", dijo El Mghari.
Mientras tanto, los defensores del alto consumo de tokens están encontrando nuevas municiones en modelos abiertos de nuevas empresas chinas como Kimi de Moonshot y GLM de Zhipu, que casi igualan las capacidades de los mejores modelos estadounidenses a una fracción del costo. Krikorian reconoció que hay "cierta validez en la teoría de que esto podría impulsar un poco más el tokenmaxxing", pero sostuvo que la tendencia más amplia de la industria es hacia un uso más disciplinado.
Lecciones para la empresa
El episodio tokenmaxxing ofrece una advertencia para las empresas que navegan por el panorama de la IA. Si bien los principales desarrolladores de modelos de IA, como OpenAI y Anthropic, se beneficiaron del aumento del consumo, la experiencia ha llevado a muchas organizaciones a adoptar enfoques más medidos, centrándose en casos de uso específicos en los que la IA ofrece retornos mensurables en lugar de maximizar las métricas de uso sin procesar.
A medida que el ciclo inicial de exageración de la IA da paso a una implementación pragmática, las empresas que tengan éxito pueden ser aquellas que traten la IA como una herramienta de precisión en lugar de un instrumento contundente, adaptando el modelo correcto a la tarea correcta y vigilando de cerca la factura.
