Anthropic lanza reportes para medir el ROI del gasto en IA

Anthropic responde la pregunta incómoda: ¿qué compra tu gasto en IA?

Anthropic anunció el miércoles un conjunto de herramientas de reporte diseñadas para responder la pregunta que hoy domina las conversaciones entre CTOs y CFOs: cuánto valor real genera el dinero que la empresa gasta en tokens. La compañía respalda el lanzamiento con cifras fuertes: registró ganancias operativas en el segundo trimestre y una retención neta de ingresos del 900%, es decir que el gasto de los mismos clientes creció nueve veces entre el tercer trimestre de 2025 y el mismo período de 2026.

El contexto pesa más que el anuncio en sí. Según un informe de Jellyfish basado en el uso de herramientas de coding agéntico por parte de 276.000 de sus clientes, el gasto en esas herramientas creció 10x desde el comienzo del año y hoy equivale a cerca del 2% del costo total de ingeniería. Ese salto no estaba en el presupuesto de casi ningún CFO.

¿Qué miden exactamente los nuevos reportes de Anthropic?

La suite combina analíticas internas y encuestas a empleados. Con eso, un manager puede ver el trabajo de un equipo en un rango de fechas determinado, qué produjo ese equipo, cuánto costó y en qué puntos se rompieron sus flujos de trabajo.

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 →

Trazabilidad del gasto: el consumo deja de ser una línea agregada en la factura y se asocia a entregables concretos.
Detección de fricciones: los reportes señalan dónde se atascaron los workflows, no solo cuánto se gastó.
Recomendaciones: la herramienta sugiere cómo mejorar los resultados, un intento de convertir el reporte en acción y no en un dashboard más.
Presupuestos grupales: Anthropic también habilitó presupuestos compartidos por equipo para que los managers controlen el gasto en tokens de forma agregada.

Un detalle relevante para cualquier área de compliance: Anthropic afirma que no usará estos datos para entrenar modelos por defecto.

El gasto en coding agéntico creció 10x: el dato que nadie presupuestó

El informe de Jellyfish no solo mide magnitud, también mide quién domina el mercado. Claude Code y otras herramientas construidas sobre modelos de Anthropic son las más usadas de la muestra y explican cerca de un tercio de todos los cambios de código propuestos para revisión.

El crecimiento del gasto es lo que cambia la conversación. Nicholas Arcolano, chief scientist de Jellyfish, lo resumió al señalar que, aunque un 2% del costo de ingeniería parezca poco, ese crecimiento del 10x es un crecimiento que la mayoría de los CFOs no planificó, y que ya no alcanza con gastar: hay que optimizar y hacer que funcione.

Ahí está el negocio real detrás de la jugada de Anthropic. Vender licencias es la parte fácil; defender el gasto frente a un director financiero es la parte difícil.

¿Cómo se mide el ROI de la IA? Casi nadie lo está logrando

El problema no es exclusivo de Anthropic. Un análisis de Forkast que recopila estudios de IBM, Salesforce, Deloitte, Accenture, BCG y CrewAI encontró un patrón consistente: la brecha entre inversión y retorno en IA es, sobre todo, un problema de medición.

El estudio del IBM Institute for Business Value, encargado por Salesforce y aplicado a 1.222 clientes, reporta que solo el 33% de las iniciativas de IA cumple sus metas de ROI y que el 72% no logró escalar más allá del piloto.
La encuesta de CrewAI a 500 ejecutivos C-level indica que el 100% planea ampliar sus despliegues agénticos, pero solo el 41% reporta ROI positivo en el primer año, con un período de repago mediano de 6,7 meses.
Accenture, sobre 3.000 ejecutivos, reporta que el 82% invierte en IA pero solo el 23% obtiene valor sostenido, una caída frente al 32% anterior.

Gartner proyecta en su informe de agosto de 2026 que los costos de inferencia se multiplicarán por más de cinco hasta 2028, fenómeno que llama la «Paradoja de la Inferencia», y estima que el 40% o más de los proyectos de IA serán cancelados hacia fines de 2027. Traducido: los proyectos no mueren por fallas de la tecnología, sino por no poder probar que funcionan.

La factura invisible: por qué el 70% del costo de IA no aparece en el presupuesto

Hay una razón estructural para que la medición falle. Según la síntesis de investigación de TCO de CIO.com que recoge Forkast, las facturas de servicios de IA representan apenas el 30% del costo total. El otro 70% es infraestructura, integración, gobernanza y personal operativo, y casi nunca aparece en una línea presupuestaria clara.

El caso más citado del análisis es el de AT&T. Andy Markus, su chief data and AI officer, afirmó en un evento del sector que el año anterior obtuvieron un ROI en efectivo de cinco veces sobre su inversión en IA. No es un benchmark universal, pero ilustra la relación: quien puede ver la factura completa puede medir el retorno.

Para una startup esto tiene una consecuencia práctica y directa. Si no sabes cuánto cuesta realmente cada feature generada con IA, no puedes decidir si conviene escalarla o matarla.

Por qué cambiar de herramienta de coding con IA es más caro de lo que parece

La competencia parece feroz en redes, pero los datos de adopción cuentan otra historia. Nikolas Albarran, AI product lead de Jellyfish, explicó que tardaron mucho en ver a Codex aparecer en sus datos, incluso con el lanzamiento del modelo Astra de OpenAI este verano. Su lectura: Anthropic ya estaba ahí con buenas operaciones enterprise, con un peso de incumbente propio y con equipos que invirtieron esfuerzo en estandarizar workflows alrededor de la herramienta. No hay motivo suficiente para cambiar.

Ese costo de cambio no es cero. Albarran apunta a que todos los laboratorios están invirtiendo en organizaciones de forward-deployed engineering (FDE) —ingenieros consultores embebidos dentro de la organización cliente para ayudarla a arrancar—. Los nuevos reportes de Anthropic funcionan como una versión liviana de ese acompañamiento.

El contrapeso también es real. Según un reporte de The Information recogido por Yahoo Finance, Microsoft recortó en más de un tercio su gasto interno proyectado en Claude y bajó los topes mensuales de uso de IA por persona de US$100.000 a cerca de US$10.000 en la mayoría de los casos, mientras Meta vio caer los usuarios internos de Claude Code de unos 60.000 a unos 30.000, con herramientas propias como MetaCode y Muse Code empujando en la dirección opuesta.

¿Qué significa esto para tu startup?

La lección no es sobre Anthropic: es sobre el control de costos antes de que el director financiero lo pida.

Define una línea base antes de escalar. Mide cuánto cuesta la IA por equipo y por entregable durante dos semanas antes de ampliar el uso. Sin línea base no hay forma de demostrar mejora, y según los estudios de IBM y Accenture, ese es el punto exacto donde mueren la mayoría de los proyectos.
Separa el costo visible del oculto. Arma un tablero simple con tres columnas: factura de API, horas de integración y mantenimiento de pipelines. Si la IA es un porcentaje del costo de ingeniería, trata ese número como una línea de presupuesto formal, no como un gasto variable.
Agrupa el gasto por equipo. Los presupuestos compartidos que lanzó Anthropic responden a un problema que puedes resolver igual con cualquier proveedor: asignar el consumo a un responsable. Cuando nadie es dueño del gasto, nadie lo optimiza.
Mide output, no consumo. Los reportes que anunció Anthropic asocian gasto a trabajo producido. Copia ese criterio con tus propias métricas internas: sin entregables asociados, el reporte de tokens es solo una factura más decorada.

El mensaje para founders es incómodo pero claro. La era de «gastar en IA y ver qué pasa» se está cerrando, y las herramientas que llegan ahora no vienen a ayudarte a gastar más, sino a justificar lo que ya gastas.