Por qué los costos de la IA superarán los salarios

Gartner identifica dos motores convergentes :

• Consumo disparado de tokens — A medida que los desarrolladores usan los agentes de codificación de IA de forma más agresiva, el volumen de tokens (las unidades en las que se basa el precio de los LLM) crece mucho más rápido de lo que bajan los precios por token. Las facturas de IA están saltando de $20 o $100 por desarrollador al mes a $2,000 o incluso $5,000, según Nitish Tyagi, analista principal sénior de Gartner, a The Register .
• Cambio de tarifa plana a licencias por consumo — Grandes proveedores como Anthropic, Cursor y GitHub Copilot han abandonado las suscripciones fijas mensuales por precios medidos por token. Esto hace que los costos sean variables y escalables con cada pulsación de tecla .

El pronóstico es una proyección basada en supuestos declarados, no una certeza . Pero como señaló Tyagi: "Los gastos de codificación con IA aumentarán persistentemente a medida que las inversiones en infraestructura y los problemas de rentabilidad eleven los precios de los modelos" .

La evidencia del mundo real: la factura de los tokens llega

Uber: un tope de $1,500 tras quemar el presupuesto anual

Uber es el caso más documentado de sobrecosto de IA. La empresa agotó todo su presupuesto de codificación con IA para 2026 en solo cuatro meses . En respuesta, Uber impuso un tope de $1,500 por mes por herramienta a sus empleados para plataformas de codificación con agentes como Claude Code de Anthropic y Cursor .

Las cifras detrás del descalabro son impactantes. En marzo de 2026, el 84% de los ingenieros de Uber usaban Claude Code, frente al 32% a finales de 2025 . Los costos mensuales por ingeniero oscilaban entre $500 y $2,000 antes de que se implementaran los topes . Frans Horbach, COO de Uber, fue citado diciendo: "El vínculo entre el gasto en IA y el valor para el cliente aún no existe" .

Otras empresas muestran señales de tensión

• Microsoft revocó el acceso de sus desarrolladores a Claude Code apenas unos meses después de habilitarlo, por preocupaciones de costos .
• Priceline experimentó aumentos de precio del 500% en sus herramientas de codificación con IA .
• Gartner predice por separado que el 40% de las empresas que usan herramientas de codificación con IA con precios por consumo enfrentarán costos no planificados que superen el doble de sus presupuestos esperados para 2027 .

Accenture: los no ingenieros disparan el consumo de tokens

El caso de Accenture resalta una fuente sorprendente de sobrecostos. Según un audio filtrado, los no ingenieros —no los desarrolladores— fueron los que más tokens consumieron al usar herramientas de IA para convertir PDFs en diapositivas . Accenture planea lanzar "Token IQ", un producto para dar visibilidad a la dirección sobre si el gasto en IA genera un retorno adecuado .

KPMG: el desafío del seguimiento

La encuesta Global AI Pulse del segundo trimestre de 2026 de KPMG, publicada el 24 de junio de 2026 y que abarca a más de 2.100 altos directivos de 20 países, reveló que solo el 26% de las organizaciones tiene visibilidad en tiempo real de sus costos de uso de la IA . Específicamente :

• El 50% tiene visibilidad solo parcial.
• El 22% tiene poca o ninguna visibilidad — solo conocen los costos cuando llega la factura.

Steve Chase, director global de IA de KPMG, describió el problema como un riesgo central de opacidad financiera, señalando que algunos clientes han agotado sus presupuestos anuales de tokens y nube en meses, y que el uso de tokens de un cliente se multiplicó por seis . El cambio a la facturación basada en tokens ha hecho que el gasto en IA sea impredecible y difícil de contener con los controles financieros tradicionales de TI .

Cómo gestionar los costos: las recomendaciones de Gartner

La guía de Gartner, publicada tanto en la nota de junio de 2026 como en el informe de marzo de 2026 10 Best Practices for Optimizing Generative and Agentic AI Costs, se centra en un modelo operativo disciplinado :

• Establecer un marco de decisión basado en casos de uso — Definir cuándo deben usarse los agentes de codificación de IA y con qué nivel de autonomía, en lugar de dejar que el uso crezca sin control. Clasificar las tareas de desarrollo en tres modelos de ejecución: liderado por el desarrollador, desarrollador con agente y completamente liderado por el agente .
• Alinear la selección del modelo con la complejidad de la tarea — Enrutar las tareas simples y de alta frecuencia (escribir tests, refactorizar, crear andamios de código, documentación) a modelos especialistas más pequeños y baratos en lugar de usar siempre los modelos frontier de gama alta .
• Exigir la ingeniería de contexto — Mejorar el contexto de entrada que los desarrolladores proporcionan a los sistemas de IA para que se desperdicien menos tokens en información irrelevante o redundante .
• Implementar almacenamiento en caché, procesamiento por lotes y monitoreo — Usar el almacenamiento en caché de tokens y el procesamiento por lotes de solicitudes para reducir el cómputo redundante; monitorear el consumo de tokens por desarrollador y por equipo en tiempo real .
• Evaluar la madurez de la codificación con IA — Gartner insta a los líderes de ingeniería a auditar sus patrones actuales de consumo de tokens antes de que los costos se descontrolen .
• Construir una capa de gobierno tipo FinOps — Incluir monitoreo de consumo en tiempo real, presupuestos por usuario y detección automatizada de anomalías para usos desbocados .

Gartner también señala que el rendimiento en tareas acotadas y bien especificadas (escribir tests, refactorizar, crear andamios, documentación, correcciones de errores simples) mejora genuinamente por un múltiplo significativo, mientras que el rendimiento en decisiones de arquitectura y depuración de errores novedosos mejora solo marginalmente . La clave está en estimar la proporción del trabajo del equipo que cae en el primer grupo y aplicar la IA allí .

En resumen

La era del gasto desmedido en codificación con IA está llegando a su fin. Las herramientas ofrecen ganancias reales de productividad en tareas bien especificadas, pero sin un gobierno adecuado, los costos pueden escalar más rápido que las propias ganancias de productividad que esas herramientas pretenden ofrecer . La disciplina que recomienda Gartner, y que empresas como Uber se han visto forzadas a adoptar, no consiste en retroceder en el uso de la IA, sino en gestionarla como un centro de costos real —con visibilidad, enrutamiento inteligente y barreras de protección.

Por qué los costos de la IA superarán los salarios

Gartner identifica dos motores convergentes :

• Consumo disparado de tokens — A medida que los desarrolladores usan los agentes de codificación de IA de forma más agresiva, el volumen de tokens (las unidades en las que se basa el precio de los LLM) crece mucho más rápido de lo que bajan los precios por token. Las facturas de IA están saltando de $20 o $100 por desarrollador al mes a $2,000 o incluso $5,000, según Nitish Tyagi, analista principal sénior de Gartner, a The Register .
• Cambio de tarifa plana a licencias por consumo — Grandes proveedores como Anthropic, Cursor y GitHub Copilot han abandonado las suscripciones fijas mensuales por precios medidos por token. Esto hace que los costos sean variables y escalables con cada pulsación de tecla .

El pronóstico es una proyección basada en supuestos declarados, no una certeza . Pero como señaló Tyagi: "Los gastos de codificación con IA aumentarán persistentemente a medida que las inversiones en infraestructura y los problemas de rentabilidad eleven los precios de los modelos" .

La evidencia del mundo real: la factura de los tokens llega

Uber: un tope de $1,500 tras quemar el presupuesto anual

Uber es el caso más documentado de sobrecosto de IA. La empresa agotó todo su presupuesto de codificación con IA para 2026 en solo cuatro meses . En respuesta, Uber impuso un tope de $1,500 por mes por herramienta a sus empleados para plataformas de codificación con agentes como Claude Code de Anthropic y Cursor .

Las cifras detrás del descalabro son impactantes. En marzo de 2026, el 84% de los ingenieros de Uber usaban Claude Code, frente al 32% a finales de 2025 . Los costos mensuales por ingeniero oscilaban entre $500 y $2,000 antes de que se implementaran los topes . Frans Horbach, COO de Uber, fue citado diciendo: "El vínculo entre el gasto en IA y el valor para el cliente aún no existe" .

Otras empresas muestran señales de tensión

• Microsoft revocó el acceso de sus desarrolladores a Claude Code apenas unos meses después de habilitarlo, por preocupaciones de costos .
• Priceline experimentó aumentos de precio del 500% en sus herramientas de codificación con IA .
• Gartner predice por separado que el 40% de las empresas que usan herramientas de codificación con IA con precios por consumo enfrentarán costos no planificados que superen el doble de sus presupuestos esperados para 2027 .

Accenture: los no ingenieros disparan el consumo de tokens

El caso de Accenture resalta una fuente sorprendente de sobrecostos. Según un audio filtrado, los no ingenieros —no los desarrolladores— fueron los que más tokens consumieron al usar herramientas de IA para convertir PDFs en diapositivas . Accenture planea lanzar "Token IQ", un producto para dar visibilidad a la dirección sobre si el gasto en IA genera un retorno adecuado .

KPMG: el desafío del seguimiento

La encuesta Global AI Pulse del segundo trimestre de 2026 de KPMG, publicada el 24 de junio de 2026 y que abarca a más de 2.100 altos directivos de 20 países, reveló que solo el 26% de las organizaciones tiene visibilidad en tiempo real de sus costos de uso de la IA . Específicamente :

• El 50% tiene visibilidad solo parcial.
• El 22% tiene poca o ninguna visibilidad — solo conocen los costos cuando llega la factura.

Steve Chase, director global de IA de KPMG, describió el problema como un riesgo central de opacidad financiera, señalando que algunos clientes han agotado sus presupuestos anuales de tokens y nube en meses, y que el uso de tokens de un cliente se multiplicó por seis . El cambio a la facturación basada en tokens ha hecho que el gasto en IA sea impredecible y difícil de contener con los controles financieros tradicionales de TI .

Cómo gestionar los costos: las recomendaciones de Gartner

La guía de Gartner, publicada tanto en la nota de junio de 2026 como en el informe de marzo de 2026 10 Best Practices for Optimizing Generative and Agentic AI Costs, se centra en un modelo operativo disciplinado :

• Establecer un marco de decisión basado en casos de uso — Definir cuándo deben usarse los agentes de codificación de IA y con qué nivel de autonomía, en lugar de dejar que el uso crezca sin control. Clasificar las tareas de desarrollo en tres modelos de ejecución: liderado por el desarrollador, desarrollador con agente y completamente liderado por el agente .
• Alinear la selección del modelo con la complejidad de la tarea — Enrutar las tareas simples y de alta frecuencia (escribir tests, refactorizar, crear andamios de código, documentación) a modelos especialistas más pequeños y baratos en lugar de usar siempre los modelos frontier de gama alta .
• Exigir la ingeniería de contexto — Mejorar el contexto de entrada que los desarrolladores proporcionan a los sistemas de IA para que se desperdicien menos tokens en información irrelevante o redundante .
• Implementar almacenamiento en caché, procesamiento por lotes y monitoreo — Usar el almacenamiento en caché de tokens y el procesamiento por lotes de solicitudes para reducir el cómputo redundante; monitorear el consumo de tokens por desarrollador y por equipo en tiempo real .
• Evaluar la madurez de la codificación con IA — Gartner insta a los líderes de ingeniería a auditar sus patrones actuales de consumo de tokens antes de que los costos se descontrolen .
• Construir una capa de gobierno tipo FinOps — Incluir monitoreo de consumo en tiempo real, presupuestos por usuario y detección automatizada de anomalías para usos desbocados .

Gartner también señala que el rendimiento en tareas acotadas y bien especificadas (escribir tests, refactorizar, crear andamios, documentación, correcciones de errores simples) mejora genuinamente por un múltiplo significativo, mientras que el rendimiento en decisiones de arquitectura y depuración de errores novedosos mejora solo marginalmente . La clave está en estimar la proporción del trabajo del equipo que cae en el primer grupo y aplicar la IA allí .

En resumen

La era del gasto desmedido en codificación con IA está llegando a su fin. Las herramientas ofrecen ganancias reales de productividad en tareas bien especificadas, pero sin un gobierno adecuado, los costos pueden escalar más rápido que las propias ganancias de productividad que esas herramientas pretenden ofrecer . La disciplina que recomienda Gartner, y que empresas como Uber se han visto forzadas a adoptar, no consiste en retroceder en el uso de la IA, sino en gestionarla como un centro de costos real —con visibilidad, enrutamiento inteligente y barreras de protección.