En el primer semestre de 2026, el término más absurdo de la industria tecnológica era tokenmaxxing: la práctica de gastar cada vez más en IA — medida en los tokens que los modelos consumen — bajo el supuesto de que más uso equivale automáticamente a más valor. Algunas empresas lo convirtieron en una métrica de rendimiento de empleados — quien usara más IA, mejor evaluado. Uber llegó tan lejos que construyó un leaderboard interno que clasificaba a los equipos por volumen de uso de herramientas de IA.El 5 de agosto de 2026, el CTO de Uber Praveen Neppalli Naga publicó un análisis en el que declaraba el fin de esa era. «La siguiente fase, como sea que la llamemos, no se caracterizará por quién gasta más tokens, sino por cómo los usa la gente de la forma más eficiente posible.»El dato que respaldaba su reflexión: el número de personas en Uber usando herramientas de IA frontier se cuadruplicó desde el inicio del año — y al mismo tiempo, el coste por token bajó. La empresa redujo costes mejorando el prompt caching, usando mejores modelos por defecto, dando a los ingenieros visibilidad sobre su propio consumo de IA y experimentando con modelos open-weight como alternativa más barata.El escándalo del presupuesto quemado en 4 mesesUber es el caso paradigmático del exceso. En abril de 2026, el propio Naga había revelado a The Information que Uber había quemado su presupuesto completo de Claude Code para 2026 en los primeros cuatro meses del año. El detonante inicial: la empresa había animado activamente a sus ingenieros a adoptar IA y había creado el leaderboard de uso que se volvió viral en el sector.A mediados de mayo, el COO de Uber Andrew Macdonald fue explícito en el podcast Rapid Response: «El enlace no está ahí todavía.» Cuando se le preguntó si usaron más IA equivalía a lanzar más features útiles para los usuarios, la respuesta fue no. «Es muy difícil trazar una línea entre una de esas estadísticas y ‘OK, ahora estamos produciendo un 25% más de features útiles para los consumidores.'»Uber reaccionó imponiendo un límite de $1.500 por empleado al mes para herramientas de codificación con IA (incluyendo Claude Code y Cursor), según Bloomberg. Y el leaderboard desapareció.Uber no está sola:Microsoft canceló suscripciones de Claude Code en múltiples divisiones de productoSalesforce enfrenta una factura de $300 millones de Anthropic para 2026Atlassian empezó a poner a sus ingenieros en presupuestos de IA, introduciendo fricción donde antes había acceso ilimitadoMeta eliminó silenciosamente su leaderboard interno de tokenmaxxingEl estudio de Gartner pronostica que el gasto en software de agentes de IA llegará a $207.000 millones en 2026, un 139% más que los $86.400M de 2025. El crecimiento es real — pero la pregunta de cuánto de ese gasto genera retorno medible es cada vez más urgente.Las herramientas de creación de contenido con IA y su adopción empresarial en 2026 ilustran la misma tensión: las empresas adoptan IA para todas las funciones, pero la medición del ROI es un problema sin resolver en la mayoría de los casos. La escasez de HBM y la subida de precios de GPU en cloud muestra que el coste de los tokens no solo sube por el volumen — el precio unitario también presiona: AWS, Azure y Google Cloud están subiendo tarifas de GPU mientras la demanda supera la oferta. Alexa Plus y los asistentes de IA empresariales son la versión para el usuario final del mismo problema: IA que se usa mucho no equivale automáticamente a IA que resuelve problemas reales.Mi valoraciónLo que más me convence del análisis de Naga es que viene de alguien con la credibilidad de haber sido el mayor icono del tokenmaxxing. Cuando quien más radicalmente adoptó la práctica es el primero en declarar su fin, es una señal de que algo ha cambiado estructuralmente en la industria, no solo en Uber.Lo que más me preocupa de la siguiente fase — la «eficiencia de tokens» — es que podría convertirse en el mismo error con diferente ropaje. El tokenmaxxing falló porque medía el input (uso de IA) en lugar del output (mejoras reales). Si la «eficiencia de tokens» se mide por tokens ahorrados en lugar de por valor entregado, habremos cambiado el nombre del problema sin resolverlo.Preguntas frecuentes¿Qué es exactamente un «token» en el contexto de las herramientas de IA?Un token es la unidad básica en que los modelos de IA procesan el texto — aproximadamente 3/4 partes de una palabra en inglés. Cuando un desarrollador pide a Claude Code o ChatGPT Codex que analice un archivo de 1.000 líneas, el modelo procesa miles de tokens. El coste de las APIs de IA se cobra por token procesado (input) y generado (output). Con equipos de 100+ ingenieros usando herramientas de codificación IA todo el día, los costes se acumulan rápidamente.¿Las herramientas de codificación con IA generan productividad real?Las evidencias son mixtas. Los estudios controlados de Microsoft y GitHub muestran ganancias del 25-45% en tareas de codificación rutinaria. Los estudios de campo en empresas reales (como el caso de Uber) muestran resultados más modestos y difíciles de atribuir directamente a la IA. El consenso emergente: la IA acelera las partes del trabajo que ya eran rápidas (escribir código boilerplate) más que las que son lentas (tomar decisiones de arquitectura, depurar problemas complejos).¿El tokenmaxxing es un problema solo de las empresas tecnológicas grandes?No. Es un problema de cualquier empresa que adoptó IA con un modelo de «cuanto más, mejor» sin diseñar métricas de retorno. Las startups que pusieron el uso de IA como KPI para sus ingenieros sin medir qué produjeron esos ingenieros están en la misma situación, aunque con facturas menores. La diferencia entre Uber y una startup de 50 personas es de escala, no de naturaleza del problema.La noticia El CTO de Uber declara el fin de la era del tokenmaxxing: «La siguiente fase no se tratará de quién gasta más tokens» fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.