El inesperado coste de programar con IA: por qué las grandes tecnológicas están revisando sus herramientas

Durante años, el discurso dominante en la industria tecnológica ha sido que la inteligencia artificial haría el desarrollo de software más rápido y mucho más barato. Sin embargo, algunas empresas están descubriendo que la realidad es más compleja.

Herramientas de programación basadas en IA —como Claude Code de Anthropic— se han adoptado con enorme rapidez entre los equipos de ingeniería. Pero cuando miles de desarrolladores empiezan a utilizarlas al mismo tiempo, el coste total puede crecer mucho más de lo esperado.

El problema del precio por uso

Muchos asistentes de programación modernos no se cobran únicamente mediante una suscripción fija. En su lugar, gran parte del coste depende del número de tokens procesados por el modelo de lenguaje cada vez que se usa la herramienta.

Esto puede escalar rápido. En tareas reales, los desarrolladores suelen enviar grandes fragmentos de código, documentación y contexto del repositorio al modelo para generar o modificar funciones. Cada interacción consume tokens, y cada token tiene un coste.

Anthropic actualizó sus estimaciones en 2026 y ahora calcula que el gasto medio es de unos 13 dólares por desarrollador y día activo, con el 90% de los usuarios por debajo de 30 dólares diarios, dependiendo del uso.

En entornos empresariales, eso equivale aproximadamente a 150–250 dólares por desarrollador al mes antes de optimizar el uso.

A nivel individual puede parecer asumible. Pero en organizaciones con miles de ingenieros, el gasto agregado crece rápidamente.

El “susto” presupuestario de Uber

Un ejemplo que circula en informes recientes es Uber.

Según reportes que citan declaraciones internas del CTO de la empresa, la compañía habría agotado todo su presupuesto anual de herramientas de IA para 2026 ya en abril, apenas cuatro meses después de empezar el año.

La causa principal habría sido la rápida adopción de herramientas de programación con IA, especialmente Claude Code, entre miles de ingenieros. Los desarrolladores empezaron a utilizarlas mucho más intensamente de lo que habían previsto los modelos financieros internos.

El episodio muestra un riesgo típico de este tipo de herramientas: cuando el uso se dispara y el sistema se factura por consumo, el gasto puede crecer más rápido que la planificación presupuestaria.

El cambio de rumbo de Microsoft

Microsoft parece estar reaccionando de otra manera.

Diversos reportes señalan que la empresa está cancelando la mayoría de sus licencias internas de Claude Code y orientando a sus desarrolladores hacia GitHub Copilot CLI, su propia herramienta integrada en el ecosistema de GitHub.

Esto ocurre pocos meses después de que Microsoft ampliara el acceso a Claude Code a miles de empleados, incluidos ingenieros y equipos de producto.

El movimiento no implica abandonar la programación asistida por IA. Más bien apunta a que las empresas prefieren soluciones que:

• estén integradas en su propia plataforma de desarrollo
• tengan estructuras de costes más predecibles
• permitan mayor control interno del uso y la facturación

En otras palabras, el debate ya no es si la IA ayuda a programar, sino qué herramienta es económicamente viable a gran escala.

La productividad todavía está en debate

La cuestión del coste sería más sencilla si el impacto en productividad fuera claro. Pero la evidencia aún es mixta.

Un ensayo controlado aleatorizado realizado por el grupo de investigación METR analizó a desarrolladores experimentados de proyectos open source usando herramientas avanzadas de programación con IA. El estudio encontró que los participantes tardaron alrededor de un 19% más en completar tareas cuando tenían permitido usar IA, aunque creían que estaban trabajando más rápido.

Los investigadores sugieren que parte del tiempo ganado generando código se pierde después revisando, corrigiendo o depurando el código generado por la IA.

Otros estudios y datos de la industria sí muestran mejoras en productividad, especialmente en tareas repetitivas o generación de código básico. Pero los resultados dependen mucho del tipo de proyecto y de la experiencia del desarrollador.

Por qué la promesa de “software más barato” es más complicada

Tres factores estructurales se están cruzando en este momento:

1. Adopción masiva: los asistentes de programación con IA se han convertido en herramientas habituales para muchos desarrolladores.
2. Facturación por consumo: el coste crece con cada interacción y cada token procesado.
3. Ganancias de productividad desiguales: algunos equipos trabajan más rápido, pero otros invierten más tiempo verificando resultados.

Cuando estos tres elementos se combinan, surge una paradoja: el desarrollo puede parecer más ágil, pero el coste total de producir software puede aumentar.

Lo que están haciendo ahora las empresas

Lo que se observa en la industria no parece un abandono de la IA, sino una transición desde la experimentación hacia una gestión más estricta del gasto.

Entre las medidas que están empezando a adoptar muchas compañías se incluyen:

• establecer límites de gasto por equipo
• restringir el uso de los modelos más caros
• optimizar prompts y tamaño de contexto para reducir tokens
• consolidar herramientas en una sola plataforma

La primera ola de adopción de la programación con IA priorizó velocidad y experimentación. La siguiente probablemente estará dominada por control de costes y rediseño de los flujos de trabajo.

Las herramientas siguen expandiéndose rápidamente, pero para las grandes empresas queda claro que escalar la programación con IA no es solo una decisión tecnológica. También es, cada vez más, una decisión financiera.