El CTO de Uber declara el fin de la era del tokenmaxxing
En el primer semestre de 2026, el término más absurdo de la industria tecnológica era el 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 equivalía automáticamente a más valor. Algunas empresas incluso convirtieron esto en una métrica de rendimiento de empleados, donde quien usara más IA era mejor evaluado. Uber llegó tan lejos que construyó un leaderboard interno que clasificaba a los equipos por volumen de uso de herramientas de IA.
Una declaración significativa
El 5 de agosto de 2026, el CTO de Uber Praveen Neppalli Naga publicó un análisis declarando el fin de esa era. Según Naga, la próxima fase no se tratará de quién gasta más tokens, sino de cómo se utilizan de manera más eficiente.
El cambio en Uber
El número de personas en Uber usando herramientas de IA se cuadruplicó desde el inicio del año, al mismo tiempo que el coste por token disminuyó. La empresa logró reducir costes mejorando diferentes aspectos, como el prompt caching, el uso de mejores modelos por defecto y dando a los ingenieros visibilidad sobre su propio consumo de IA.
Impacto y reflexión
Uber, conocido por su exceso en el gasto de IA, se vio obligado a imponer un límite de $1.500 por empleado al mes en herramientas de codificación con IA y eliminar el leaderboard interno. Este cambio en Uber refleja una tendencia más amplia en la industria tecnológica.
Desafíos en la adopción de IA
El estudio de Gartner pronostica un aumento significativo en el gasto en software de agentes de IA para 2026. Sin embargo, medir el retorno de esta inversión sigue siendo un desafío para muchas empresas. La eficiencia en el uso de tokens no debe convertirse en un nuevo problema si no se mide el valor entregado por la IA.
Consideraciones finales
Es crucial comprender que la adopción de IA debe ir más allá del simple uso de tokens y medir el valor real que aporta a la empresa y a sus usuarios. El camino hacia la eficiencia en el uso de esta tecnología requiere un enfoque equilibrado y una evaluación constante de los resultados obtenidos.
