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

Apple recorta el presupuesto de tokens de sus ingenieros: de US$300 a US$200 al día

Apple redujo de forma discreta el límite diario de gasto en tokens de IA de algunos de sus ingenieros, de US$300 a US$200, y estudia bajarlo todavía más: hasta US$100 para determinados equipos de ingeniería y US$25 para algunos grupos fuera de ingeniería, según el reporte de Bloomberg. Para un founder que acaba de descubrir que su factura de LLM creció más rápido que sus ingresos, la señal es clara: la era de la barra libre de tokens terminó, incluso en la empresa con mayor capitalización del mercado.

Los empleados de Apple tienen acceso a Claude (Anthropic), ChatGPT (OpenAI) y Gemini (Google). Algunos equipos ya recibieron la consigna de migrar a modelos más baratos o a modelos que corren localmente en el propio dispositivo. Quien necesite más presupuesto puede pedir una excepción, que se evalúa desde liderazgo senior.

¿Por qué Apple recorta si gasta más que nunca en I+D?

La contradicción es el corazón de la noticia. Apple reportó un aumento del 32% en gasto de I+D hasta US$45.800 millones en su año fiscal 2026, impulsado en parte por infraestructura e IA, y sus gastos operativos subieron 22% hasta US$75.500 millones, según el reporte de resultados que recogió 9to5Mac. Si el dinero está, ¿por qué la tijera?

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 →

Hay dos explicaciones que se sostienen con los datos disponibles. La primera es que el recorte es más simbólico que real: empleados citados por Bloomberg sostienen que pocos trabajadores usaban la totalidad de su asignación diaria de US$300, así que el ahorro efectivo puede ser mínimo. La segunda es que forma parte de un ajuste organizacional más amplio: John Ternus, que asumió como CEO el 1 de septiembre, empuja una estructura más plana y eficiente, y algunas divisiones ya contrataron consultores externos para revisar operaciones, según The Hans India.

Lo que sí es nuevo es el mensaje. Durante buena parte de 2026 las empresas competían por quién consumía más tokens. Ahora compiten por quién los administra mejor.

Nvidia y Apple: dos filosofías opuestas sobre el mismo token

Jensen Huang dejó la posición contraria sobre la mesa en el podcast All-In: le preocuparía mucho que un ingeniero con un sueldo de US$500.000 gastara menos de US$250.000 en tokens de IA. Cuando le preguntaron si Nvidia gasta unos US$2.000 millones al año en tokens para sus ingenieros, respondió: "Lo estamos intentando".

La lógica de Huang es la de quien vende los chips: cada token quemado es demanda de cómputo. Apple solo paga la factura, y su mensaje interno es el opuesto.

El resto del sector ya eligió bando, y casi todos recortaron:

Microsoft movió su modelo interno por defecto a una alternativa más barata y su vicepresidente Jay Parikh escribió en un correo interno al que accedió 404 Media que "el tokenmaxxing no es lo que estamos optimizando". Un solo empleado había llegado a quemar US$28.000 en tokens en un mes.
Uber limitó las herramientas de coding individuales a US$1.500 al mes después de agotar todo su presupuesto de Claude Code de 2026 en abril, según The Hans India. Su CTO había contado a The Information que consumieron el presupuesto anual de IA en cuatro meses.
Tesla habría fijado un tope semanal de US$200 por empleado, y Goldman Sachs restringió el acceso a ciertos servicios de coding con IA, también según The Hans India.
Accenture redujo su asignación centralizada de Claude a US$29 por empleado al mes, y cualquier gasto extra debe salir del presupuesto de cada proyecto, reportó 9to5Mac.
En Meta hubo una carrera interna por gastar más tokens y en Amazon cerraron un ranking parecido en mayo.

El camino de Revolut: modelos abiertos y factura fija

No todas las salidas pasan por recortar. Revolut puso a unos 2.000 ingenieros a programar por defecto con GLM, un modelo chino de pesos abiertos que se puede ejecutar en servidores propios. David Abitbol, responsable de infraestructura de la fintech, contó que pagan una décima parte de lo que cuestan los modelos de frontera y que la factura es fija: no sube con cada petición. Antes, los US$300 mensuales por ingeniero para Claude Code no duraban todo el mes.

El dato importa porque muestra el eje real del problema: no es "usar o no usar IA", es qué modelo usas para qué tarea. Según The Next Web, los modelos de frontera cuestan entre 5 y 10 veces más que sus versiones optimizadas. Y según TechTarget, los tokens de salida cuestan entre 2 y 4 veces más que los de entrada, y enrutar cada tarea al modelo adecuado puede recortar el gasto en tokens hasta un 60% en cargas mixtas.

¿Qué significa esto para tu startup?

La lección no es "recorta la IA". Es que el gasto en tokens dejó de ser un experimento y pasó a ser una línea del presupuesto que alguien tiene que defender.

Tres acciones concretas:

Mide antes de recortar. Antes de poner un tope, necesitas saber cuánto gasta cada equipo, en qué flujo y con qué modelo. Sin esa línea base, cualquier límite es arbitrario y castiga al que más produce. Un tablero de gasto por workflow te muestra el costo por tarea, no solo el total de la factura.
Enruta por tarea, no por costumbre. No todas las tareas necesitan un modelo de frontera. Clasificación, extracción, resúmenes y formateo se resuelven con modelos más baratos o locales. Reserva el modelo caro para razonamiento complejo y sesiones largas de coding.
Ataca el desperdicio estructural. Los mayores sobrecostos no vienen de chatear de más, sino de arquitectura: cargar documentos enteros en cada consulta, reenviar el mismo contexto una y otra vez, o dejar que los agentes iteran sin condiciones de parada. Un sistema que carga 50 páginas cuando el modelo necesita tres párrafos quema tokens en una decisión de diseño que nadie revisó.

Y una advertencia sobre las métricas: contar tokens gastados como señal de productividad es tan engañoso como contar líneas de código en los 2000. Yamini Rangan, CEO de HubSpot, lo resumió en LinkedIn: "Outcome maxxing >> token maxxing". Lo que importa es el resultado de negocio, no el volumen consumido.

Conclusión

Apple no está diciendo que la IA no sirva. Está diciendo que ya nadie paga la cuenta sin mirarla. Para una startup de menos de 20 personas, la factura de tokens todavía no duele; para una que acaba de cruzar los 50 empleados y puso agentes en producción, el escenario de Apple llega en dos o tres trimestres. La ventaja competitiva ya no está en quién usa más IA, sino en quién la usa con mejor economía por resultado.