Apple recorta de US$300 a US$200 el gasto diario en IA

Apple pone techo al gasto en IA de sus ingenieros

Apple bajó el tope diario que algunos de sus equipos de ingeniería pueden gastar en modelos de IA de US$300 a US$200, y evalúa recortes adicionales que lo dejarían en US$100 por día, según Bloomberg. Fuera de ingeniería, la compañía ya aplica un límite de US$100 diarios a muchos grupos y ha considerado bajarlo hasta US$25 para algunos equipos. Los empleados que necesiten más pueden pedir una excepción al liderazgo senior.

Para cualquier founder que en los últimos meses abrió la mano con los tokens para que el equipo experimentara, el movimiento de Apple es la señal más clara de que esa etapa terminó. El gasto en IA dejó de ser una inversión sin preguntas y pasó a ser una línea de costos que se audita.

Qué cambió exactamente y por qué importa

Los presupuestos cubren tokens, las unidades de texto y datos que un modelo procesa en cada solicitud. Los proveedores cobran por volumen y los modelos más avanzados cuestan más, así que tareas como escribir o depurar código consumen muchos. El problema estructural es que las herramientas de IA se cobran por consumo y no por asiento: un solo usuario puede, en principio, gastar una cantidad ilimitada.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Los empleados de Apple tienen acceso a Claude, de Anthropic, ChatGPT, de OpenAI y Gemini, de Google. Algunos equipos están siendo dirigidos a usar modelos más baratos o modelos que corren localmente en el dispositivo, según Bloomberg.

Las reacciones internas fueron mixtas. Pocos trabajadores llegaban a usar los US$300 diarios completos, lo que sugiere que el límite anterior era generoso y que el ahorro real de los recortes es incierto. Otros leen la medida como parte de un ajuste de costos más amplio: algunas divisiones contrataron consultores externos para revisar eficiencia y operaciones, lo que alimentó el temor a despidos.

El contexto de liderazgo también cambió. John Ternus asumió como CEO el 1 de septiembre y empuja una estructura más plana y liviana, reportó 9to5Mac. Antes, el entonces CEO Tim Cook había pedido a los empleados usar IA de forma intensiva en su trabajo diario.

El fin del tokenmaxxing

A comienzos de 2026 se instaló lo que TechCrunch describió como un tsunami de tokenmaxxing: empresas empujando a su personal a consumir la mayor cantidad posible de tokens en nombre de una eficiencia mal definida. Hubo incluso rankings internos de uso de tokens, según 9to5Mac. El fenómeno creció junto con las capacidades de los agentes de código: Claude Code, Codex y Cursor se volvieron herramientas cotidianas.

El frenesí duró poco. Cuando llegaron las facturas, la racionalización de tokens pasó a verse como lo fiscalmente sensato. Accenture redujo su asignación centralizada de Claude a US$29 por empleado por mes, y cualquier gasto extra debe cubrirlo cada proyecto o equipo, según 9to5Mac.

Apple recorta el gasto en IA mientras su inversión total sube

La paradoja es que Apple no está gastando menos en IA: está gastando más, pero quiere ver dónde. En los resultados del año fiscal 2026, los gastos de investigación y desarrollo subieron 32% hasta US$45.800 millones, impulsados en parte por mayores costos de infraestructura e IA, y los gastos operativos totales crecieron 22% hasta US$75.500 millones, equivalentes al 16% de las ventas netas, frente al 15% del año anterior. Los ingresos marcaron un récord de US$478.800 millones, con un alza del 15%.

Traducción para un founder: el recorte de topes diarios no es una señal de que la IA no sirva, sino de que la compañía quiere saber qué parte de ese gasto se convierte en producto. Los topes, por sí solos, ahorran poco. El ahorro grande viene de mover equipos hacia modelos más baratos o locales.

Qué están haciendo otras tecnológicas

Apple no es la única que apretó el freno, y los números sirven como referencia de mercado:

Microsoft redujo sus asignaciones internas de gasto en IA.
Tesla impuso un límite semanal de US$200 por empleado.
Uber puso un tope de US$1.500 por mes por herramienta individual de código con IA.
Meta introdujo presupuestos de tokens y empuja a su personal hacia herramientas internas.

Los cuatro casos aparecen en el reporte de Bloomberg recogido por distintos medios. El patrón es el mismo: nadie cerró la canilla, todos pusieron un medidor.

¿Por qué las empresas están recortando el gasto en IA?

Porque la cuenta no cierra sola. Un relevamiento de EY citado por Analytics Insight encontró que el 82% de los líderes senior de empresas que invierten en IA está preocupado por el uso de tokens y sus costos, y que el 98% de quienes usan herramientas basadas en tokens dijo que los costos lo hicieron repensar su enfoque. La misma nota cita investigación difundida por Phys.org según la cual solo alrededor del 5% de las empresas que usan IA reporta ganancias de productividad claras.

Del otro lado, hay evidencia de que el problema se puede resolver por ingeniería y no solo por presupuesto. Databricks documentó en su blog que, tras ver una curva de costos exponencial con el uso de agentes de código, logró que su gasto en tokens por persona quedara prácticamente plano mientras el uso total seguía subiendo. La compañía afirma que en algunos casos sus costos unitarios bajaron hasta 90%, y que su enrutador recorta el costo promedio por tarea más de 30% manteniendo la calidad del modelo más caro.

Qué significa esto para tu startup

Si tu equipo usa IA a diario, ya tienes el problema de Apple en miniatura. La diferencia es que tú no tienes US$75.500 millones de gastos operativos para absorber el ruido. Estas son las decisiones que conviene tomar ahora:

1. Pon un medidor antes que un límite. El consejo central de Databricks es poner una capa de control entre tus desarrolladores y los modelos, para que todo el tráfico pase por un solo lugar. Sin eso no puedes saber cuánto gasta cada equipo ni qué modelo consume el presupuesto. Un tope duro sin visibilidad solo logra que tu mejor usuario se pase a una cuenta personal y desaparezca del radar.

2. Enruta por tarea, no por costumbre. No todo necesita el modelo más caro. Clasificar tareas —un renombrado de componente va a un modelo barato, un problema abierto y complejo va a uno capaz— es la palanca con mayor impacto. Analytics Insight menciona que el enrutamiento de modelos puede recortar el gasto entre 50% y 80% en muchos casos.

3. Mide resultados, no tokens. El error del tokenmaxxing fue confundir consumo con productividad. Define dos o tres métricas de salida —pull requests mergeados, features entregadas, tiempo de ciclo— y revísalas junto con la factura. Si el gasto sube y las métricas no, tienes un problema de proceso, no de presupuesto.

4. Revisa el arnés y el caché antes de recortar acceso. Databricks encontró que la herramienta de código alrededor del modelo importa tanto como el modelo: con el mismo modelo, cambiar el arnés produjo más de 2x de diferencia en costo. Ajustar el arnés y la configuración de caché les ahorró cerca del 50%. Ese ahorro no le quita capacidades a nadie.

Conclusión

Apple pasó de pedir a sus empleados que usaran más IA a ponerles un techo diario. El giro no dice que la IA no funcione: dice que la fase de adopción sin medición terminó, y que las empresas que salgan mejor paradas de esta corrección serán las que traten el gasto en IA como un problema de infraestructura y no de política interna.

Para un founder hispanohablante con un equipo de 10 o 50 personas, la ventaja es que este ajuste llega temprano y con manual de instrucciones. Puedes implementar visibilidad de gasto y enrutamiento por tarea antes de que la factura te obligue a hacerlo a las apuradas. La pregunta ya no es si tu equipo debe usar IA, sino si sabes cuánto cuesta cada punto de productividad que produce.