Apple limita a US$200 diarios la IA de sus ingenieros

Apple bajó el techo de gasto en IA de US$300 a US$200 por ingeniero y por día

Apple recortó de US$300 a US$200 el presupuesto diario de IA de parte de sus ingenieros, y evalúa llevarlo a US$100 para algunos equipos, según el reporte de Bloomberg que recoge The Next Web. Si la empresa con más caja del planeta está poniendo medidores al consumo de tokens de su propio equipo, el mensaje para cualquier founder es directo: el costo de inferencia dejó de ser un detalle de la factura y se volvió una decisión de arquitectura de producto.

El recorte no es un ajuste contable menor. Es la señal más clara de que la economía del gasto en IA a escala empresarial ya no se resuelve con más presupuesto, sino con disciplina operativa.

¿Qué cambió exactamente en Apple?

Según Bloomberg, el recorte afectó a ingenieros que venían operando con un tope de US$300 diarios y ahora tienen US$200. La compañía planea más ajustes que podrían dejar a ciertos equipos de ingeniería en US$100 por día. Muchos grupos fuera de ingeniería ya operaban con ese tope de US$100, y se evaluó bajarlo a US$25 para algunos casos.

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 detalles que importan para entender el modelo:

Los topes cubren tokens, la unidad con la que los proveedores miden y facturan el uso de modelos.
El personal puede usar Claude de Anthropic, ChatGPT de OpenAI y Gemini de Google.
A algunos equipos se les pidió migrar a modelos más baratos o modelos que corren en el dispositivo, según The Next Web.
Quien necesita más margen puede pedir una excepción a líderes senior. Apple declinó comentar.

Las reacciones internas fueron mixtas: algunos empleados señalaron que pocos llegaban a consumir los US$300 completos, mientras otros leyeron el recorte como parte de un ajuste más amplio, después de que la compañía eliminara más de 200 puestos en agosto, reportó The Next Web.

¿Por qué recorta Apple si le sobra caja?

Ese es el punto que muchos están leyendo mal. No es un problema de liquidez. Apple cerró en un récord de US$349,51 el 4 de noviembre, con una capitalización de alrededor de US$5,08 billones, según Yahoo Finance. La restricción no viene del balance: viene del estado de resultados.

Los números que acompañan el recorte, según el reporte anual citado por The Next Web y Yahoo Finance:

El gasto en investigación y desarrollo creció 32% en el ejercicio fiscal 2026, impulsado por infraestructura y costos de IA.
Los gastos operativos subieron 22%, hasta US$75.500 millones.
La inversión de capital cayó 29%, a US$9.000 millones.

Ahí está la asimetría clave. La IA no se paga con capex planificable, se paga con opex que corre todos los días. Y el opex no tiene techo natural: crece con cada consulta, cada agente y cada reintento. El recorte coincide además con la gestión de John Ternus, CEO desde el 1 de septiembre, que empujó una Apple más liviana y con menos capas de management.

¿Cuánto cuesta de verdad un agente de IA en producción?

La respuesta corta: mucho más de lo que la mayoría de los presupuestos asume. Gartner proyectó que en 2026 el gasto mundial en infraestructura como servicio optimizada para IA llegará a US$42.000 millones, casi el doble de los US$21.500 millones de 2025, y que por primera vez el gasto en inferencia (US$23.300 millones) superará al de entrenamiento (US$19.000 millones), según TechTimes.

El multiplicador real es el diseño agéntico. Un análisis de EY citado por TechTimes calcula que un flujo lineal simple costaba cerca de US$0,04 por interacción, mientras un sistema agéntico orquestado con llamadas a herramientas y bucles de razonamiento ronda US$1,20: unas 30 veces más. Gartner ya había estimado en marzo de 2026 que las cargas agénticas consumen entre 5 y 30 veces más tokens por tarea que una consulta de chatbot.

Y hay un culpable silencioso: el contexto reenviado. El Stanford Digital Economy Lab encontró que el reenvío de system prompts, definiciones de herramientas e historial de sesión representa cerca del 62% del costo total de inferencia de un agente, siempre según TechTimes. El usuario ve una herramienta productiva; la facturación ve un medidor que no se detiene.

El caso más citado del sector es Uber: su CTO, Praveen Neppalli Naga, reveló en abril de 2026 que la organización consumió el presupuesto anual completo de IA en cuatro meses, con costos por ingeniero de entre US$500 y US$2.000 al mes, y luego puso topes.

¿Qué están haciendo Microsoft, Tesla, Uber y Accenture?

Apple no está sola, y ese es justamente el argumento: es un cambio de régimen, no una anécdota de Cupertino. Según The Next Web:

Microsoft fijó presupuestos de IA por división en julio.
Tesla limita a su personal a US$200 por semana.
Uber topa cada herramienta de código con IA en US$1.500 al mes.
Accenture llegó más lejos y puso un tope de US$29 al mes para Claude.

A esa lista se suma Goldman Sachs, que restringió el acceso a algunas herramientas de código con IA tras revisar productividad y riesgo, según reportó YourStory citando a Bloomberg. Y en el sector asegurador, un moderador de CNBC relató en un panel del ITC Vegas el caso de un empleado que, experimentando en la plataforma corporativa, le costó a la empresa US$70.000 en un mes, de acuerdo con Insurance Business.

¿Cómo se baja el costo de tokens sin perder calidad?

Hay tres palancas que ya están dando resultados medibles, y ninguna requiere cambiar de proveedor.

1. Caché de contexto. El CEO de IBM, en un texto publicado por Yahoo Finance, describe el problema con precisión: los agentes que escriben software leen unas 600 palabras por cada una que escriben, y casi todo ese material es repetitivo. En un proyecto open source que IBM construyó con Red Hat y Google, el sistema conserva lo que la IA ya leyó y envía cada request a la máquina que ya lo tiene. En sus propios sistemas, 98% de lo que la IA necesitaba ya estaba en caché, y con eso más otras optimizaciones, el mismo hardware procesó siete veces más trabajo.

2. Enrutamiento por dificultad (inference tiering). Gartner lo recomienda y Shift Technology lo convirtió en rutina: tareas simples a modelos baratos, trabajo complejo a los caros, con benchmarking semanal de precios y eficiencia, según Insurance Business. El mismo artículo de IBM muestra el trade-off: un modelo open-weight resolvió una tarea de diseño para corrección de errores cuánticos por US$26, mientras un modelo propietario logró un diseño mejor por US$299.

3. Auditoría de despliegues zombis. Los modelos fine-tuned alojados en la nube cobran una tarifa de hosting inactivo de aproximadamente US$50 a US$70 por día por endpoint, según TechTimes. Un piloto que nadie dio de baja puede quemar entre US$5.000 y US$11.000 antes de que alguien lo note en una revisión de presupuesto.

¿Qué significa esto para tu startup?

Si tu producto depende de inferencia sin controles automáticos, no tienes un negocio: tienes una bomba de tiempo financiera. Y hay un factor extra que golpea directo a quien construye para LATAM y España: investigadores de la Universidad de Michigan encontraron que los prompts en idiomas distintos del inglés consumen hasta 179 veces más energía que los mismos prompts en inglés, muchas veces con peor precisión, según recoge Stork AI Daily. Para un SaaS en español, eso no es un dato curioso: es una variable de unit economics.

Acciones concretas que puedes implementar esta semana:

Pon presupuesto por equipo y por repositorio, no uno global. Un tope agregado esconde al 20% de usuarios que consume el 80% de los tokens. Apple ya lo hace por grupo, y Uber por herramienta.
Instrumenta tokens por tarea y por usuario final. Sin telemetría no hay optimización: solo descubrirás el problema cuando llegue la factura.
Mide el costo por interacción en tus flujos agénticos. Si no sabes si tu agente cuesta US$0,04 o US$1,20 por tarea, no puedes fijar precio ni margen.
Implementa caché de contexto antes de cambiar de modelo. Es la palanca con mejor retorno y la más ignorada.
Prueba tu producto con un prompt en español y otro en inglés y compara tokens y latencia. Si el español te cuesta varias veces más, ese sobrecosto tiene que estar en tu pricing.

Conclusión

El recorte de Apple no dice que la IA sea cara. Dice que la IA sin gobierno de costos es insostenible incluso para la empresa que puede pagarla. Gartner proyecta que la inferencia seguirá ganando participación sobre el entrenamiento (de 55% a 59% en 2027), y el FinOps Foundation reporta que el 98% de los practicantes ya gestiona activamente el gasto en IA. La ventaja competitiva de los próximos dos años no va a ser quién tiene el modelo más potente, sino quién logra el mismo resultado con menos tokens. Ese es un problema de ingeniería, y se puede resolver.