La nueva economía de los tokens: por qué conversar con la IA puede descontrolar tu presupuesto

El caso de Uber encendió las alertas sobre un riesgo que muchas empresas aún no dimensionan. Según anunció la revista Forbes, la reconocida empresa de transporte agotó todo su presupuesto de IA para 2026 en apenas los primeros cuatro meses del año, con el asistente de programación Claude Code de Anthropic. El propio director de Tecnología de la compañía, Praveen Neppalli Naga, confirmó el hecho y, tras la apuesta inicial por estas herramientas para investigación y desarrollo, admitió que es necesario replantear la inversión.

Detrás de este tipo de situaciones hay una explicación técnica —el consumo de tokens y la gestión del contexto— que también tiene una lectura económica. Organizaciones como FinOps Foundation advierten que optimizar estos recursos se ha convertido en una nueva forma de controlar costos y aumentar el retorno de la inversión en IA.

Para Istavay Orbegoso, director de la Maestría en Inteligencia Artificial de la Escuela de Postgrado de la Universidad Peruana de Ciencias Aplicadas (UPC), el episodio de Uber es relevante porque evidencia una falla frecuente de planificación. “La lección de Uber no es que la IA sea demasiado cara. Es que una tecnología cobrada por uso no puede gobernarse con la misma lógica presupuestal de una licencia fija.”

Otto Vidal, ingeniero de software y gerente general de Lidera Digital, aporta otra lectura y alerta sobre la importancia de gestionar correctamente este nuevo tipo de proyectos. “Hay mucha ansiedad de las empresas por usar IA, pero no saben cómo trasladar esta necesidad de manera más específica a sus áreas funcionales. El porcentaje de fracaso que se ve en proyectos IA es muy alto hoy en día. Entendiéndose que el fracaso es no cumplir los objetivos de retornos de inversión.”

¿Estamos ante un nuevo concepto al que los profesionales deben prestar más atención? ¿Cómo aprovechar estos beneficios sin sobrepasar los presupuestos asignados?

Los tokens son la unidad básica de información que procesan los aplicativos de IA, pero para las empresas representan algo más: una unidad económica. Así lo explica Orbegoso, quien señala que “para la empresa, es al mismo tiempo una unidad de procesamiento, de capacidad y de costo”. Estos tienen un precio y existen maneras más eficientes de utilizarlos para generar menos gasto. La inteligencia artificial fragmenta nuestro lenguaje para procesarlo, y no siempre la separación es por palabra completa: pueden contar las sílabas, signos de exclamación o espacios en blanco, por ejemplo. Prácticamente es como si hablásemos con monedas, por lo que cada ampliación de nuestro comando cuenta.

Ante este panorama, Vidal sostiene que debe existir una correcta planificación financiera de las empresas para asegurar una promesa de rentabilidad. Lo ideal es recibir algo a cambio, una mejora, ya sea un incremento de ingresos o eficiencia de costos operativos. Para ello es necesario tener claro la “ecuación económica” de lo que usar IA significa para cada equipo de trabajo. “Es complejo hacer una planificación financiera a un año. Yo haría una planificación más cauta, con un horizonte más cercano de 3 meses porque los costos son variables y es difícil de pronosticar. Además, creo que también hace falta una campaña interna de las compañías que enseñen cómo estos modelos consumen tokens”, agregó.

Un prompt es una instrucción, y como toda orden, debe ser concreta para conseguir resultados acordes. Es más, la extensión desmedida de un prompt, sea por querer demostrar amabilidad con la IA o enfatizar puntos clave, hacen que el esfuerzo de la lectura consuma más recursos. “Si tú no eres muy puntual al hacer tus pedidos, si los prompts son muy amplios o están llenos de adornos que son innecesarios vas a gastar más tokens por interpretación de las palabras”, insiste Vidal.

“Economizar tokens comienza por diseñar mejor la interacción. La instrucción debe indicar con precisión qué se espera, qué información es relevante, cuál es el formato de salida y cuáles son los criterios de calidad”, añade Orbegoso. Entendiendo esto, existen otras características relacionadas que pueden complicar el gasto.

Brecha de Idiomas

El idioma en que se redacta la instrucción también impacta en el costo de operar con IA. Según Vidal, los modelos están programados mayormente en inglés, por lo que “ya de por sí, estamos en desventaja ya que al hacer prompts en español consumimos más tokens que si fuese en inglés”. En ese sentido, el inglés suele ser la opción más económica al trabajar con estos agentes.

Reforzar el dominio del inglés para usarlo en los chats con IA puede beneficiar considerablemente las intenciones de ahorro, ya que cada idioma consume distinta cantidad de recursos según el tokenizador del modelo. Orbegoso recomienda evaluar el mismo caso de uso con el modelo y tokenizador que se emplearán: “La decisión correcta es medir el mismo caso de uso con el modelo y el tokenizador que realmente se utilizarán, comparar costo, calidad y latencia, y elegir el idioma que preserve mejor el significado al menor costo total”.

Criterio humano y Modelos ideales

La elección de la herramienta adecuada para cada tarea suele pasar desapercibida, pero el criterio de los profesionales con experiencia es clave para potenciar los resultados de la IA. Vidal advierte: “Es importante preguntarse si es necesario usar una herramienta tan potente para un problema simple. La IA es tan buena como el criterio de quien la usa”.

En Claude, por ejemplo, se puede seleccionar cuidadosamente el modelo según el problema a resolver. Claude Haiku es una alternativa económica —US$ 1 por millón de tokens de entrada—, ultrarrápida y de sistema ligero, ideal para consultas simples. En cambio, Claude Fable u Claude Opus ofrecen mayor capacidad de razonamiento para tareas complejas, aunque a un costo superior.

Para Orbegoso, la clave está en la regulación de la IA agéntica, que se diferencia de los modelos convencionales porque “un chatbot suele responder una vez. Un agente planifica, consulta herramientas, recibe resultados, actualiza su contexto y repite acciones hasta completar una meta”. Sin límites de gasto, control de reintentos, detección de ciclos, selección dinámica de modelos o seguimiento por proyecto, “el costo puede crecer de forma no lineal”. Esta gestión, no obstante, aún depende de la intervención humana para recortar gastos innecesarios.

En la actualidad, la inteligencia artificial se volvió un estándar en los negocios, hasta el punto de que ignorar estas tecnologías puede perjudicar a las compañías por un mal uso —o nulo— de las herramientas disponibles. Por ello, conviene seguir apostando por su rendimiento, priorizando la capacitación de los talentos humanos para operar estos equipos y asegurar el retorno de inversión.

“La enseñanza no es bloquear la experimentación. Es introducir controles antes de que la escala convierta una prueba prometedora en una desviación presupuestal”, concluye Orbegoso.

Bachiller en Comunicación Audiovisual en Medios Digitales en la Universidad Privada del Norte (UPN), especializado en Comunicación, Publicidad, Arte y Tendencias.

Leer artículo completo en gestion.pe →