Microsoft: un empleado gastó US$28.000 en IA en 28 días

El caso que destapó el problema del gasto oculto en IA

A principios de 2026, dentro de Microsoft empezó a circular una hoja de cálculo interna donde los empleados compartían voluntariamente sueldo, bonus y acciones. Este año la hoja añadió una columna nueva: «AI $ Usage Per Month», el equivalente en dólares de los tokens consumidos en los últimos 28 días. Sobre unas 350 entradas voluntarias de empleados en Estados Unidos, la mediana se quedó en torno a US$300 por persona, según reportó Business Insider (fuente original).

Pero una cifra destacó sobre todas: un empleado del área de Customer and Partner Solutions reportó US$28.000 en 28 días, es decir, US$1.000 diarios. Otros casos dentro de la misma Microsoft superaron los US$10.000 mensuales en divisiones como Cloud + AI, CoreAI o Security. La dispersión dentro de un mismo equipo iba de dos cifras a cinco, una señal clara de que el consumo era indiscriminado.

Por qué el caso de Microsoft importa más allá de Microsoft

Microsoft no es un outlier aislado. La propia empresa reconoció, según Yahoo Finance, que la tendencia — bautizada como tokenmaxxing — ya se había enquistado y que muchos empleados competían por subir en los rankings internos de uso. El problema dejó de ser una curiosidad y pasó a factura: en agosto, Jay Parikh, vicepresidente ejecutivo de la división CoreAI, envió una comunicación interna con un mensaje directo: «Tokenmaxxing is not what we are optimizing for», y advirtió que el gasto en tokens se controlaría «con la misma disciplina que aplicamos a todos los demás recursos críticos» (Yahoo Finance / 404 Media).

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Lo de Microsoft es solo la foto más visible de algo que The Next Web (TNW) ya documenta desde junio: AT&T, Meta, Uber, Walmart, Amazon, Adobe, Atlassian y Citi han empezado a poner topes o visibilidad al gasto en tokens de sus empleados. Microsoft, además, migró su modelo interno por defecto a una alternativa más barata (abandonando GPT 5.6 Sol y dejando de lado Claude para código en Experiences and Devices desde mayo) e introdujo presupuestos por división con cap visible desde julio de 2026.

Qué dice el dato: la distribución del gasto dentro de Microsoft

El análisis de Business Insider reveló que la mediana varía mucho entre áreas:

CoreAI: mediana de US$975, con un máximo de US$16.000
Security: mediana de US$526, máximo de US$10.000
Microsoft AI: mediana de US$490, máximo de US$10.000
Cloud + AI: mediana de US$325, máximo de US$15.000
Experiences and Devices: mediana de US$250, máximo de US$3.391
Azure: mediana de US$241, máximo de US$7.500
Customer and Partner Solutions: mediana de US$134, máximo de US$28.000

Dos lecturas rápidas: el área con mayor concentración de ingenieros de IA (CoreAI) es la que más gasta, pero el caso extremo no viene necesariamente del equipo más «técnico». Y, sobre todo, un mayor consumo de tokens no se tradujo en más bonus, promociones ni subidas de sueldo, según el mismo análisis de Business Insider.

Cuando el «AI for everyone» se convierte en «AI for budget owners»

La narrativa del último año y medio ha sido democratizar el acceso a la IA. Las propias cifras de Microsoft — ingresos récord en su último trimestre — conviven con un giro interno que lo desmiente: la empresa trata ahora el tooling de IA como una factura de utilidad, no como una suscripción SaaS por seats. La hoja de cálculo se ha convertido en su propio instrumento de auditoría.

El patrón es claro. The Next Web (TNW) lo resume así: aunque los precios por token han caído alrededor de un 98% desde finales de 2022, las facturas enterprise se han triplicado porque las herramientas agentic consumen muchos más tokens por tarea que los autocompletes que diseñaron los modelos de pricing originales. Lo que parecía economía de escala se convirtió en consumo elástico.

Rippling: el caso interno que lo confirmó

La prueba más concreta de que el problema no es solo de Microsoft llegó desde Rippling, según TechCrunch. El director de producto, Matt MacInnis, explicó que a principios de 2026 la compañía detectó que iba camino a gastar el equivalente al 40% del presupuesto de personal de I+D en tokens de IA, con un crecimiento mensual del 80%. El caso más llamativo: un ingeniero quemando US$50.000 al mes.

La reacción fue pragmatismo puro: Rippling construyó AI Spend Console, una herramienta que mapea gasto por empleado, equipo y rol, y cruza esos datos con productividad real (PRs, líneas de código, re-trabajo detectado en code review). El resultado: bajó el coste de tokens del 40% al 15% de la masa salarial de I+D, manteniendo ~600.000 millones de tokens consumidos al mes. La palanca no fue prohibir, fue rutear cada prompt al modelo con mejor relación coste-resultado.

Qué significa esto para tu startup

Si tienes un equipo pequeño y todavía no has puesto coto al gasto en IA, el caso de Microsoft funciona como alerta temprana. La unidad mínima útil no es el empleado sino el prompt-task: la pregunta correcta no es cuánto gasta cada persona, sino qué tarea se está resolviendo y con qué modelo.

Acciones concretas que puedes aplicar esta semana:

Mide por tarea, no por usuario. Configura un panel donde cada prompt quede etiquetado con el caso de uso (ej. «PR review», «draft de email», «scrape»). En dos semanas verás qué tareas son las que realmente justifican GPT-5 o Claude Opus y cuáles pueden resolverse con un modelo tres veces más barato. Rippling detectó que parte del consumo era el equipo de ventas usando un modelo frontera para grammar updates.
Pon un cap mensual por equipo, no por persona. Los topes individuales incentivan el gaming; los topes por equipo incentivan la priorización. Microsoft y Rippling lo aplican así.
Negocia con tu proveedor, no asumas que su rack es el más barato. El CPO de Rippling lo dijo crudo: «los proveedores de inferencia no tienen ningún incentivo para ayudarte a controlar el gasto». Eso significa comparar mensualmente precios de Anthropic, OpenAI, Grok de SpaceX (vía Cursor) o alternativas open-weight como Z.ai’s GLM 5.2, que según TechCrunch rinde cerca del 85% más barato que los modelos frontera para tareas internas.
Distingue «demo value» de «production value». El empleado de Microsoft que llegó a US$28.000 probablemente estaba testeando algo. Está bien hasta cierto punto, pero ese coste debe salir de un presupuesto etiquetado como R&D experimental, no del OPEX.

El nuevo reto: que el ROI de la IA sea demostrable

Si algo deja claro el caso es que el «AI for everyone» ha muerto antes de cumplir dos años. Lo que queda es algo más incómodo: «AI con ROI medible o AI con cap». MacInnis, de Rippling, fue directo al cerrar la entrevista con TechCrunch: si no se puede ligar el consumo de tokens a productividad real, el acceso a la IA dejará de parecerse a Slack o al email y pasará a ser un recurso asignado caso por caso.

Para un founder, eso significa una cosa: no compres licencias ilimitadas esperando adoption pasiva. Compra con un experimento detrás, mide durante 30 días, y bloquea lo que no devuelve valor antes de que la factura te obligue a hacerlo.