Título original: "Tras quemar miles de millones de dólares en tokens, los gigantes de Silicon Valley comienzan a restringir el uso de tokens por parte de los empleados". Para las empresas, la automatización se trata de abordar las "tareas tediosas" de los empleados, no las "tareas rentables". Hace unos días, se informó que Microsoft, que había apostado fuertemente por la IA, suspendió discretamente las licencias de Claude Code de la mayoría de sus empleados internamente. Esto fue bastante extraño porque en la ola actual de implementación de IA, el mayor argumento de venta para los usuarios empresariales es la "eficiencia". Entonces, ¿por qué Microsoft dejó de permitir que los empleados usaran Claude Code? Microsoft no es la única en esto. "Restringir el uso de tokens" y dejar de alentar a los empleados a participar en Vibe Coding extremo se ha convertido en la nueva tendencia entre los gigantes de Silicon Valley. Uber gastó todo su presupuesto anual de tokens de IA en cuatro meses. Salesforce le extiende un cheque a Anthropic por alrededor de $300 millones cada año. Un consultor de IA reveló que uno de sus clientes tenía un gasto mensual en IA de hasta $500 millones. Meta incluso eliminó discretamente la "tabla de clasificación interna de tokenmaxxing", que originalmente tenía como objetivo alentar a los empleados a usar más la IA. Ahora, las empresas están haciendo algo que hubiera sido impensable hace unos años: restringir y monitorear el uso de la IA por parte de los empleados. ¿Por qué los gigantes se han volcado en esta dirección? ### 01 "Tokenmaxxing", un microcosmos de los tiempos Para comprender la crisis de costos actual, primero debemos comprender qué es "tokenmaxxing". Este término comenzó a ganar popularidad alrededor de 2025, que literalmente significa "maximizar el uso de tokens". Representa una lógica de gestión: dado que la empresa gastó mucho dinero comprando herramientas de IA, los empleados deberían usarlas al máximo. Cuanto más se usa, más se demuestra la "transformación digital"; cuanto menos se usa, más se desperdician recursos. Como resultado, muchas empresas establecieron cuotas de uso, tablas de clasificación e incluso evaluaciones de desempeño para instar a los empleados a usar la IA. ¿Y el resultado? Los empleados han comenzado a usar el modelo de IA empresarial de la compañía para consultar el clima, escribir felicitaciones de cumpleaños y preguntar qué comer hoy. Un estudio realizado en 2444 empresas reveló que por cada dólar que una empresa invierte en un token de IA, se utilizan 0,44 dólares para corregir errores generados por la IA, 0,27 dólares para reescribir el código producido por la IA y 0,11 dólares para retrasos en revisiones y fusiones. En otras palabras, detrás de cada dólar invertido en la adquisición de IA, hay casi un 80 % de costos ocultos.La inversora Shruti Gandhi utilizó una analogía muy precisa: "Maximizar el uso de tokens en una empresa es como medir la productividad dejando todas las luces encendidas: gastar más dinero no significa producir más". La mayoría de estas empresas no tienen idea de para qué utilizan los empleados la IA, y mucho menos si las tareas se completan o si se realizan cambios debido a la IA. Esta "carrera de quemar dinero" se extendió de 2024 a 2025 y finalmente explotó este año. JPMorgan publicó un informe contundente con un título directo que incomodó a la gente: "Los costos de los tokens de IA están devorando las ganancias de Internet". Shopify, Spotify, ServiceNow y Roku mencionaron durante sus conferencias de resultados que la IA se ha convertido en una fuente importante de presión sobre los gastos operativos. El sentimiento general de la industria está cambiando de "¿qué tan genial es la IA?" a "¿realmente vale la pena este dinero?". ### 02 Cuando los directores ejecutivos comienzan a cuestionar el ROI Solo el 14% de los directores financieros dicen que pueden ver un retorno de la inversión claramente medible de la IA. El director de operaciones de Uber, Andrew Macdonald, dijo algo muy sincero en un podcast: les resultaba difícil vincular la mejora en la productividad personal de los empleados con el impacto general del negocio de la empresa. "Si no puedes ver cómo la IA te ha ayudado a ofrecer funciones valiosas a los usuarios, justificar el costo simbólico se vuelve aún más difícil". Esta declaración destaca el núcleo del dilema de la IA corporativa: la mejora de la eficiencia individual no equivale al crecimiento de los ingresos de la empresa. Los empleados que escriben informes semanales usando IA han triplicado su velocidad, pero los ingresos de la empresa no han cambiado. Los ingenieros que usan IA para generar código han duplicado su velocidad, pero la "tasa de abandono" del código, es decir, la proporción que se abandona o se reescribe, ha aumentado en un 800%. La exdirectora de IA de Microsoft, Sophia Velastegui, hizo una declaración que incomodó a muchos gerentes: "La mayoría de las personas automatizan las tareas que no les gustan, en lugar de las tareas más valiosas para la empresa". En términos simples, la automatización empresarial se centra en el "trabajo odiado" de los empleados en lugar del "trabajo que genera dinero". Este no es un problema técnico; Es una cuestión prioritaria. También es la razón por la que alrededor del 30 % de los proyectos de IA generativa se estancan en la fase de prueba de concepto y se abandonan: los costes no están claros, el valor no está claro y, naturalmente, los directivos no renuevan. El enfoque del CEO de Salesforce, Marc Benioff, es bastante representativo.Ante una factura anual de 300 millones de dólares de Anthropic, su expectativa es un "enrutador inteligente": algo que pueda determinar qué consultas merecen el uso de un modelo superior y cuáles pueden funcionar con un modelo más pequeño y económico. La idea en sí no es novedosa: en la era de la computación en la nube, el "pago por uso" y la "optimización de recursos" eran operaciones estándar. Pero la ola de IA llegó demasiado rápido; todos compraron primero y pensaron después, y ahora apenas están empezando a ponerse al día. ### 03 ¿Regresión racional o preludio del invierno? Microsoft revocó recientemente la mayoría de las licencias empresariales de Claude Code, alegando razones de costos. Esta medida ha generado un debate considerable en la industria; después de todo, Microsoft es el mayor inversor en OpenAI y, al mismo tiempo, está cortando las suscripciones de productos de la competencia. Es difícil decir cuánto de esto se debe a consideraciones de costos y cuánto a posicionamiento estratégico. En cualquier caso, envía una señal: las empresas están empezando a votar con los pies. Casi el mismo día, Harness y CloudZero lanzaron herramientas de gestión de costes de IA, el 28 de mayo, cada una centrada en la monitorización en tiempo real de los gastos y el ROI de la IA, e introduciendo un "plano de control financiero de IA" para ayudar a las empresas a vincular cada dólar invertido en IA con resultados empresariales específicos. La aparición de estos dos productos por sí sola indica un problema: existe una demanda en el mercado, y es muy urgente. A partir de abril de este año, HubSpot ajustó el modelo de precios de sus agentes de IA, dejando de cobrar por token y facturando en función del número de conversaciones resueltas o de clientes potenciales generados; este es un cambio de rumbo que alinea los intereses del vendedor con los resultados reales del comprador. ServiceNow también está realizando ajustes similares. Los proveedores de IA se están dando cuenta de que si siguen vendiendo "uso" en lugar de vender "resultados", los clientes empresariales acabarán reaccionando de forma colectiva. ¿Es este ajuste un dolor de crecimiento necesario para la industrialización de la IA, o el preludio de una crisis mayor? Tiendo a creer que es lo primero. Sin embargo, hay un detalle que resulta algo preocupante: se prevé que el gasto global en software de IA alcance los 2,59 billones de dólares en 2026, lo que supone un aumento interanual del 47 %. Aun así, el 94 % de los gerentes de ingeniería indican que todavía faltan indicadores clave de retorno de la inversión (ROI). A medida que se invierte más dinero, pero nadie sabe dónde se gasta ni si merece la pena, esta contradicción, de no resolverse, hará que el próximo fenómeno de "maximización de tokens" sea solo cuestión de tiempo.Un análisis de la revista Fortune lo expresó sin rodeos: "Maximizar el token es fácil, rediseñar los flujos de trabajo es difícil". La mayoría de las empresas se centran actualmente en optimizar los procesos existentes en lugar de reinventar sus modelos de negocio. Aquí reside el verdadero valor de la IA, un ámbito al que la mayoría de las empresas aún no han llegado. Un retorno racional es positivo. Sin embargo, tras este retorno racional, las empresas aún deben responder a una pregunta más compleja: ¿Debería la IA para nuestro negocio ser simplemente una herramienta, o debería representar una nueva mentalidad? Si solo utilizas la IA para acelerar el trabajo antiguo, tarde o temprano tendrás que volver a plantearte esta pregunta. [BlockBeats]
El Fin del ‘Tokenmaxxing’ Empresarial: Qué Significa la Crisis de Costos de IA de Silicon Valley para el Cripto
La reciente revelación de que gigantes de Silicon Valley, incluidos Microsoft, Uber y Salesforce, están restringiendo agresivamente el uso de tokens de IA por parte de empleados debido a una ROI abismal es un momento decisivo para el sector tecnológico en general. La era del irracional «tokenmaxxing», donde las empresas quemaban miles de millones ciegamente en computación de IA centralizada solo para señalar una transformación digital, ha chocado oficialmente con un muro de la realidad financiera.
Para los inversores experimentados en criptomonedas, esta crisis de costos de Web2 no es solo una nota al pie de la industria tecnológica; es un punto de inflexión masivo, impulsado por catalizadores, para los sectores de IA y DePIN (Redes de Infraestructura Física Descentralizada) de Web3. Aquí está el análisis en profundidad sobre cómo este cambio impacta al mercado cripto, los precios de los tokens, los riesgos y las oportunidades sin precedentes que crea.
Impacto en el Mercado y Ramificaciones en los Precios de los Tokens
A corto plazo, el cambio de narrativa en Silicon Valley —de «la IA lo cura todo» a «la IA está devorando nuestros márgenes»— probablemente desencadenará un desbordamiento de sentimiento al mercado cripto. Los inversores minoristas pueden interpretar la reducción del gasto en IA de Web2 como una señal de una «invierno de IA» más amplia, lo que podría ejercer una presión bajista a corto plazo en las principales criptomonedas enfocadas en IA. Los tokens que han cabalgado a la ola del ciclo de hype de IA centralizada sin generar ingresos reales en cadena enfrentarán correcciones de precios severas.
Sin embargo, debajo de la superficie, estamos presenciando el nacimiento de una divergencia alcista fundamental. Como señaló JPMorgan, los costos de los tokens de IA están devorando las ganancias corporativas. Esta compresión de márgenes es una señal clara de que el modelo actual centralizado, de pago por token, está roto. El capital inevitablemente se rotará desde los tokens de IA de «hype» hacia los tokens de IA de «eficiencia».
Las Oportunidades: DePIN y Enrutamiento de Contratos Inteligentes
El giro de las empresas hacia la optimización de costos crea dos oportunidades explosivas para el mercado cripto:
1. Computación Descentralizada como el Salvador de Costos Definitivo:
Las empresas están despertando a la realidad de que pagar tarifas premium a proveedores centralizados (como AWS o Anthropic) para tareas de bajo riesgo es un suicidio financiero. Mientras Salesforce busca «enrutadores inteligentes» para dirigir consultas más baratas a modelos más pequeños, las redes de computación descentralizada están perfectamente posicionadas para capturar este exceso de demanda. Proyectos como Akash Network (AKT), Render (RNDR) e io.net (IO) ofrecen computación de nivel empresarial a una fracción del costo de los monopolios de Web2. A medida que las empresas de Web2 comienzan a buscar agresivamente alternativas de computación más baratas para salvar su ROI, la infraestructura descentralizada pasará de ser una narrativa cripto a una solución empresarial B2B viable.
2. Micropagos Cripto Basados en Resultados:
El artículo destaca un cambio masivo de «pago por token» a «pago por resultado» (por ejemplo, HubSpot facturando por conversaciones resueltas). Esto es un caso de uso杀手 (killer) para la tecnología blockchain. Las vías tradicionales de fiat no pueden procesar eficientemente transacciones microcondicionales complejas entre agentes de IA autónomos. Los protocolos de Web3 que construyen economías de agentes de IA —donde los contratos inteligentes retienen depósitos y liberan el pago solo después de una verificación criptográfica de la finalización de la tarea (por ejemplo, Fetch.ai (FET) o Bittensor (TAO))— verán un interés institucional masivo. Las criptomonedas son las únicas infraestructuras financieras capaces de manejar la facturación granular basada en resultados que Web2 ahora exige desesperadamente.
Los Riesgos: Separar el Trigo de La Cizaña
El riesgo principal para los inversores cripto es un rezago en la confianza empresarial. Incluso si la computación descentralizada es más barata, los gigantes de Web2 que actualmente están reduciendo su uso de IA podrían caer en una mentalidad de fortaleza, manteniendo las operaciones estrictamente internas en lugar de explorar infraestructura Web3.
Además, el «80% de costos ocultos» de la IA (corrigiendo errores, reescribiendo código) también se aplica a los modelos descentralizados. Si los modelos de IA descentralizados sufren de los mismos problemas de alucinación y rotación que los centralizados, la computación más barata no será suficiente para salvar el ROI. Los inversores deben verificar sin piedad la utilidad subyacente de los tokens de IA. Si la tokenómica de un token depende únicamente de recompensas de staking inflacionarias en lugar de mecanismos de deflación real impulsados por el consumo de computación, está destinado a fracasar en este nuevo entorno consciente de costos.
Veredicto Final
La repentina obsesión de Silicon Valley con el ROI de la IA no es la muerte de la IA; es su maduración. La «carrera de quemar dinero» ha terminado, y la «carrera de eficiencia» ha comenzado. Para el mercado cripto, esto es increíblemente alcista para DePIN y las redes de computación descentralizada.
Como inversor, tu estrategia debe ser clara: deshazte de las monedas meme de IA puramente especulativas y los tokens de agentes impulsados por el hype. Acumula tokens de infraestructura descentralizada que ofrezcan reducciones de costos verificables para computación y almacenamiento. La próxima ola de riqueza cripto no será creada por tokens que prometen reemplazar a OpenAI; será creada por tokens que ayuden a las empresas de Web2 a poder usarla.