Límites de tokens IA: cómo Uber agotó su presupuesto 2026 en 4 meses

¿Qué pasa cuando se acaban los tokens en el trabajo con IA?

Un desarrollador en una empresa consultora se quedó sin tokens para el día, pidió más a su gerente y recibió una respuesta del tipo "Eso es lo que damos a todos, tendrás que arreglártelas". Este caso real, reportado por Alain Di Chiappari el 16 de agosto de 2026, expone una realidad que cada vez más empresas enfrentan: la gestión de límites de tokens en entornos laborales con IA.

El desarrollador admitió que no tenía (o pensaba que no tenía) nada más que hacer hasta que el límite se reiniciara. La situación plantea preguntas fundamentales sobre cómo las empresas están adaptando sus modelos de trabajo, productividad y gestión de equipos a la era de la IA.

El caso Uber: cuando el presupuesto de IA se agota en 4 meses

Según Forbes, Uber agotó todo su presupuesto de inteligencia artificial para 2026 en abril, apenas cuatro meses después de comenzar el año. La compañía había implementado Claude Code de Anthropic en diciembre de 2025, y para marzo, el 84% de sus ingenieros ya eran usuarios de codificación agéntica. El gasto mensual por ingeniero oscilaba entre $150 y $250 en promedio, con usuarios avanzados gastando entre $500 y $2.000.

Lo más revelador: el CTO de Uber, Praveen Neppalli Naga, reportó haber gastado $1.200 en una sesión de dos horas durante una demostración personal. La empresa incluso clasificaba a los ingenieros en tablas de clasificación internas basadas en el uso de Claude Code, creando un incentivo cultural para consumir más tokens que se tradujo directamente en un gasto presupuestario más rápido.

¿Qué son los tokens y por qué importan para tu empresa?

Los tokens son la unidad fundamental de interacción con IA. Según SentiSight.ai, aproximadamente 1.000 tokens equivalen a 750 palabras en inglés, y cada proveedor de IA factura por tokens consumidos. Los tokens de salida suelen costar 3-5 veces más que los tokens de entrada, porque generar nuevo texto requiere más computación que procesar entrada existente.

Para modelos de razonamiento como GPT-5, los costos pueden alcanzar $75 por millón de tokens de salida, mientras que modelos más ligeros como Gemini 2.0 Flash Lite cuestan solo $0.30 por millón de tokens de salida. Esta diferencia de 250 veces en costo explica por qué la gestión de tokens ya no es opcional para empresas que escalan el uso de IA.

El problema de medir productividad por consumo de tokens

Como señala Flowtivity, medir el consumo de tokens como métrica de productividad tiene el mismo defecto fundamental que medir desarrolladores por líneas de código: más tokens no significan mejor trabajo, podrían significar peor trabajo.

Un estudio de METR encontró algo contraintuitivo: desarrolladores experimentados de código abierto que usaban herramientas de IA eran en realidad 19% más lentos que aquellos que trabajaban sin asistencia de IA. Los investigadores sugirieron que el cambio de contexto, la ingeniería de prompts y la verificación de salidas de IA creaban una sobrecarga que negaba los beneficios de velocidad.

¿Qué significa esto para tu startup?

1. Replantea tus métricas de productividad

No midas el uso de IA por tokens consumidos. Mide los resultados que la IA debería mejorar:

• Tiempo hasta la finalización: ¿La IA ayudó a tu equipo a terminar proyectos más rápido?
• Indicadores de calidad: ¿Hay menos errores, menos ciclos de revisión, mayor satisfacción del cliente?
• Expansión de capacidad: ¿Puede el mismo equipo manejar más trabajo, más clientes, proyectos más complejos?
• Ingresos por empleado: La métrica de productividad definitiva. Si la IA está funcionando, este número sube.

2. Implementa gobernanza de IA antes de escalar

Solo el 43% de las organizaciones tienen políticas formales de gobernanza de IA, y solo el 21% tienen gobernanza agéntica madura, según datos citados en la cobertura del exceso de presupuesto de Uber. Tu startup necesita:

• Límites por empleado o equipo
• Monitoreo en tiempo real del consumo de tokens
• Alertas presupuestarias antes del exceso, no después
• Rutas diferenciadas: tareas rutinarias a modelos económicos, tareas complejas a modelos de razonamiento

3. Crea una cultura de experimentación segura

Meta hizo oficial en 2026 que cada empleado será calificado por su "impacto impulsado por IA". Google ha estado rastreando cuántas horas productivas adicionales ganan sus ingenieros con herramientas de IA. Pero la adopción forzada genera cumplimiento sin convicción.

Dedica tiempo para que los empleados prueben IA en tareas reales sin presión. La mejor adopción ocurre cuando las personas descubren valor por sí mismas, no cuando se les dice que una métrica depende de ello.

4. Negocia modelos de precios predecibles

Anthropic anunció el 13 de mayo de 2026 que los suscriptores de pago de Claude pronto enfrentarían un medidor de crédito mensual separado para herramientas de agentes y arneses de terceros, facturados a tarifas completas de API a partir del 15 de junio. Esta tendencia hacia modelos de consumo separados significa que las empresas que construyeron sus pronósticos sobre economía de tasa plana verán aumentar sus costos unitarios efectivos.

Los equipos de adquisición que quieran predictibilidad necesitarán negociar acuerdos de gasto comprometido a tasas fijas en lugar de montar precios de consumo.

El futuro del trabajo con límites de tokens

La industria está en una encrucijada. Por un lado, tenemos el caso Uber mostrando cómo el modelo de precios basado en consumo rompe los supuestos financieros empresariales. Por otro, tenemos desarrolladores que literalmente no tienen nada que hacer cuando se les acaban los tokens.

La solución no es simplemente dar planes de IA más generosos. Como señala Di Chiappari, con el doble de tokens y menos restricciones, puedes ser aún más descuidado al producir el doble de salida con menos esfuerzo mental, y dejar que los agentes limpien las cosas más tarde.

La ingeniería, en muchas empresas, ni siquiera es el cuello de botella (ya no). El verdadero desafío es rediseñar los roles, las expectativas y las métricas para un mundo donde el trabajo humano y el trabajo de IA están entrelazados de maneras que nuestros modelos organizacionales actuales no comprenden completamente.

Conclusión

Los límites de tokens no son solo un problema técnico o financiero. Son un síntoma de un cambio más profundo en cómo concebimos el trabajo, la productividad y el valor en la era de la IA. Las empresas que prosperarán serán aquellas que:

1. Sepan diferenciar entre actividad (tokens consumidos) y valor creado
2. Implementen gobernanza antes de escalar, no después de una crisis presupuestaria
3. Crean culturas donde la experimentación con IA es segura y el aprendizaje continuo es valorado
4. Negocien modelos de precios que alineen los incentivos de proveedores, empleados y resultados empresariales

El futuro del trabajo no se trata de consumir más tokens. Se trata de crear más valor con cada token consumido.

Fuentes

• What to do when tokens run out
• Uber Burns Its 2026 AI Budget In Four Months On Claude Code
• Tokens Explained: The Currency of Generative AI
• Tokens as a productivity metric in the AI workplace