Startups gastan más en IA y contratan menos, según Mercury

La nueva economía de las startups: gastar más en IA, contratar con más cabeza

El 95% de las startups estadounidenses consultadas por Mercury en mayo de 2026 ya desplegó agentes de inteligencia artificial en su operación diaria, y otro 1% los tiene en piloto. Entre las empresas con más de 100 empleados, ninguna de las encuestadas declaró no utilizarlos. La foto que deja el estudio —basado en 1.500 fundadores y operadores de compañías de menos de seis años— es la de un ecosistema que adoptó la IA a velocidad inédita, pero que todavía está aprendiendo a pagar la cuenta.

Los principales usos que reportan los fundadores son análisis y reportes de datos, marketing y atención al cliente. Es decir, tareas donde la IA dejó de competir con el junior que arma un dashboard: directamente se sentó en su silla dentro del flujo.

El gasto en tokens subió, y pocos founders saben cuánto

El 77% de los encuestados afirma que su gasto en IA y tokens aumentó durante el último año. El segmento más numeroso, 30%, reportó incrementos de entre 25% y 50%. Pero la cola de la distribución es la que preocupa: entre las compañías tecnológicas, 13% señaló que su gasto se duplicó o más, y 4% de los usuarios intensivos registró alzas de 200% o más.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los números se vuelven más concretos cuando se mira el ticket mensual:

Menos del 1% de las empresas con menos de 100 empleados gasta más de US$100.000 al año en IA.
Entre las compañías con más de 100 trabajadores, esa proporción sube a 7%.
Dentro del sector tecnológico, 16% gasta entre US$25.000 y US$100.000 mensuales, y 6% supera los US$100.000 al mes.

Los propios datos internos de Mercury sobre sus clientes —mayoritariamente empresas tech— muestran que el gasto mensual promedio en IA de compañías de hasta 50 empleados creció más de 50% entre abril de 2025 y abril de 2026, y más de 77% si la comparación se extiende hasta abril de 2024.

Este crecimiento no es exclusivo de Mercury. El Ramp AI Index, que analiza el gasto de más de 70.000 empresas con tarjeta corporativa, registró que en julio de 2026 el 1% de las firmas más intensivas gastó una mediana de US$7.400 por empleado en IA, frente a US$2.590 en enero del mismo año, según reportó Yahoo Finance. El top 10%, en tanto, pasó de US$281 a US$650 por empleado en seis meses.

Goldman Sachs estima que el consumo global de tokens se multiplicará 24 veces hasta llegar a 120.000 billones por mes entre 2026 y 2030, mientras los proveedores de semiconductores prometen bajadas de costo por token del 60% al 70% anual por inferencia. La promesa: más IA por el mismo dinero. La realidad, hoy, es que la mayoría está pagando más y midiendo peor.

La trampa de los tokens: optimizar de más cuesta más

Un estudio publicado por PointFive en agosto de 2026 sobre 2.908 sesiones reales de programación con IA encontró que alrededor del 80% de la factura corresponde a prompt-cache —instrucciones, definiciones de herramientas y contexto que el modelo reenvía una y otra vez— y no a respuestas nuevas. El equipo de PointFive comprobó que reducir los tokens de salida en 38,4% terminó subiendo la factura un 6,8%, porque el agente tuvo que gastar más pasos releyendo información que antes tenía a mano.

La investigación cita además datos de McKinsey: 93% de las empresas excedieron su presupuesto de IA en 2026, y solo 26% tiene visibilidad en tiempo real de lo que cuesta correr sus cargas. Entre 20% y 30% del gasto en IA, según McKinsey, está completamente sin rastrear.

Hay casos públicos que ilustran el problema. Uber reconoció en mayo de 2026 que agotó su presupuesto anual de IA en cuatro meses, y el Financial Times reportó en julio que Amazon sufrió sobrecostes de US$1,8 millones tras un despliegue fallido de Claude Sonnet. El propio G2 dijo haber gastado US$1,27 millones en tokens durante 2026 —970.000 millones de tokens— con Claude Code y Cowork pasando de representar 17% del gasto en enero a 79% en julio, según declaró su chief innovation officer Tim Sanders a Yahoo Finance.

La plantilla se estabiliza, no se vacía

La narrativa del "tsunami de despidos por IA" no se sostiene con estos datos. Mercury reporta que la proporción de startups que están escalando activamente sus equipos cayó de 32% a 24% en un año, pero las que mantienen plantilla estable pasaron de 34% a 38%. Sumando ambos grupos, 94% de las empresas mantiene o aumenta su headcount; solo 12% redujo personal específicamente por suba de costos operativos.

El matiz importante: la IA cambia qué se contrata, no solo cuánto.

56% de las empresas que usan IA afirma estar contratando más gracias a la tecnología.
38% dice que la IA les permite mantener estables sus planes de contratación sin agregar más gente.
82% contrata la misma cantidad o más de talento junior (0-3 años de experiencia) que lo que habría contratado sin IA.
Los grandes adoptantes de IA son dos veces más propensos que los moderados a decir que contratan más juniors gracias a la IA.

Lo que sí está mutando son las condiciones laborales. 34% de las empresas introdujo conocimientos de IA como requisito —51% en el sector tech—. Otro 28% reconvirtió puestos full-time en combinaciones de contratistas e IA, y 25% admitió pagar salarios menores en posiciones que la IA puede asistir.

La startup de 2026, resume Mercury, no es una empresa sin trabajadores: es una empresa que intenta producir más por cada trabajador.

¿Qué significa esto para tu startup?

Tres acciones concretas si estás tomando decisiones de presupuesto o equipo en los próximos 90 días:

Mide tokens como una línea de P&L, no como curiosidad de engineering. El Ramp AI Index, los datos de G2 y el estudio de PointFive coinciden: la mayoría de los founders no sabe cuánto gasta realmente en IA, y 20-30% del gasto, según McKinsey, es completamente invisible. Configura un dashboard de uso por equipo —modelo, proveedor, usuario— antes de optimizar nada. Recortar prompts sin visibilidad suele terminar saliendo más caro.
No optimices por menos tokens; optimiza por mejor contexto. El hallazgo de PointFive es contraintuitivo: podés gastar menos tokens y pagar más. El cuello de botella rara vez está en cuánto texto entra al modelo, sino en cuánto contexto útil llega a cada llamada. Empieza por limpiar el prompt-cache y definir qué información persistís entre sesiones; el ahorro real suele venir de ahí.
Usá IA como palanca para contratar junior, no como excusa para congelar la contratación. El dato más contraintuitivo de Mercury es que 82% de las startups mantiene o sube la contratación de perfiles con menos de tres años de experiencia, y los grandes adoptantes son el doble de propensos a hacerlo. Si tu plan para 2026 es "reducir headcount y dejar de formar", estás leyendo la tendencia al revés: los founders que mejor están convirtiendo IA en productividad son los que más están formando gente nueva con IA al lado.

Conclusión

El informe de Mercury confirma algo que los datos de Ramp, G2 y PointFive ya venían señalando desde ángulos distintos: la IA en startups dejó de ser un gasto experimental y se convirtió en una partida estructural del presupuesto, con todo lo que eso implica. La confianza del founder sigue alta —84% se ve mejor que hace un año—, pero la pregunta dejó de ser "si uso IA" y pasó a ser cuánto me cuesta, cuánto me rinde y dónde la pongo. Para los que aún no tienen respuesta, la primera movida no es comprar más licencias: es medir.