La luna de miel entre las grandes corporaciones y la inteligencia artificial generativa empieza a mostrar sus primeras grietas. Uber, el gigante de la movilidad, acaba de imponer un límite de gasto mensual de USD 1.500 por empleado para el uso de herramientas de asistencia de programación, como Claude Code (desarrollado por Anthropic) o Cursor (editor de código potenciado por IA). La medida es una respuesta directa al descontrol presupuestario que la empresa vivió durante el primer cuatrimestre del año.
No estamos hablando de una optimización menor. Según trascendió, Uber agotó su presupuesto anual destinado a IA en apenas cuatro meses. El problema tiene una raíz paradójica: hace pocos meses, la dirección incentivó agresivamente el uso de estas herramientas, incluso creando tablas de posiciones para fomentar la competencia entre ingenieros. Pasaron de la promoción entusiasta a la restricción operativa en tiempo récord.
La cruda realidad del retorno de inversión
Mi lectura es distinta a la narrativa de "IA para todo" que escuchamos en Silicon Valley: el experimento de Uber demuestra que, sin un control estricto de las unidades de consumo —los famosos tokens o fracciones de datos que las IAs procesan para generar respuestas—, los costos pueden escalar de forma exponencial sin garantía alguna de eficiencia.
El impacto real en la productividad está bajo la lupa. Andrew Macdonald, director de operaciones de Uber, admitió recientemente que resulta extremadamente difícil trazar una línea directa entre el uso de estas herramientas y la creación de nuevas funciones para el usuario final. Si una empresa como Uber, con una infraestructura técnica de vanguardia, tiene problemas para justificar el gasto, la situación para organizaciones tradicionales es mucho más compleja.
Este fenómeno pone sobre la mesa el concepto del Return on Investment (ROI) teórico. Muchas empresas han invertido miles de millones bajo la promesa de reducciones de costos y aceleración del desarrollo de software. Sin embargo, en el día a día, la factura por el uso intensivo de APIs (interfaces que permiten a dos sistemas comunicarse) está erosionando los márgenes de beneficio antes de que se materialicen los ahorros operativos esperados.
¿Qué sigue para las empresas en la era de la IA?
La decisión de Uber de implementar un panel de control interno para monitorear el gasto de cada trabajador marca el inicio de una nueva fase. Ya no se trata de quién adopta la IA más rápido, sino de quién logra que el costo de esa adopción sea sostenible. Estamos viendo la transición de la experimentación ciega hacia la gestión financiera rigurosa.
Para los directivos e inversores, la lección es clara: el "costo por uso" en IA es una variable volátil que debe ser vigilada con la misma atención que el costo de adquisición de clientes o el gasto en servidores. La era del uso gratuito o ilimitado de estas tecnologías terminó. Ahora empieza la era del cálculo real.
Si la eficiencia prometida no aparece en el balance, veremos un recorte sistemático en los presupuestos de software empresarial durante los próximos trimestres. Lo que hoy sucede en Uber es el presagio de un mercado que comienza a exigir resultados financieros tangibles a cambio de su entusiasmo tecnológico.
