Microsoft detecta un gasto de 28.000 dólares en IA en un solo mes por parte de un empleado
El uso intensivo de herramientas de inteligencia artificial ha empezado a generar una nueva preocupación en las grandes tecnológicas: no solo cuánto valor aportan estos sistemas, sino cuánto dinero consumen. Microsoft ha identificado el caso más extremo dentro de un registro interno de empleados: una persona llegó a gastar 28.000 dólares en servicios de IA durante un periodo de 28 días.
La cifra equivale a unos 1.000 dólares diarios y sobresale ampliamente frente al resto de los datos compartidos por la plantilla. El empleado pertenece al departamento de Soluciones para Clientes y Socios de Microsoft, aunque la compañía no ha explicado qué tareas concretas estaban detrás de ese consumo.
Un registro voluntario con el gasto mensual en IA
Microsoft dispone de un documento interno en el que sus trabajadores pueden compartir voluntariamente información sobre aumentos salariales, bonificaciones y acciones recibidas. A principios de año, la empresa añadió una nueva categoría para indicar el gasto mensual en herramientas de inteligencia artificial.
En torno a 350 empleados incorporaron sus datos a esa columna, calculados sobre los últimos 28 días. La media entre quienes decidieron participar se situó alrededor de los 300 dólares, una cantidad que ya muestra hasta qué punto el uso de modelos avanzados puede elevar los costes en una organización tecnológica.
Sin embargo, la distribución era muy desigual. Algunos empleados declararon consumos superiores a 10.000 dólares, mientras que otros apenas alcanzaron cifras de dos dígitos. Incluso dentro de un mismo departamento podían encontrarse diferencias muy amplias.
Qué son los tokens y por qué encarecen la inteligencia artificial
Los tokens son las unidades en las que los modelos de IA dividen el texto para poder procesarlo. No siempre equivalen a una palabra completa: pueden ser fragmentos de palabras, signos o pequeños grupos de caracteres. Cada consulta, respuesta, documento analizado o instrucción enviada consume una determinada cantidad.
Los proveedores suelen cobrar en función del número de tokens procesados, especialmente cuando se utilizan modelos más potentes. Cuanto más extensa es una conversación, más documentación se adjunta o más veces se pide al sistema que revise una respuesta, mayor puede ser la factura.
El problema se multiplica cuando un empleado automatiza tareas durante horas, utiliza agentes capaces de ejecutar varios pasos de forma autónoma o solicita revisiones repetidas. En ese escenario, una sola persona puede generar un consumo muy superior al de otros usuarios, aunque no necesariamente esté produciendo más valor.
La fiebre del tokenmaxxing llega a las empresas
Durante los últimos meses se popularizó en Silicon Valley el término tokenmaxxing, utilizado para describir la idea de que consumir más tokens implicaba trabajar mejor o ser más productivo. La tendencia llegó a traducirse en competiciones informales dentro de algunas compañías para comparar quién utilizaba más capacidad de los modelos.
Ese planteamiento confundía actividad con resultados. Una IA puede dedicar miles de tokens a una tarea secundaria, repetir instrucciones o generar respuestas que después nadie utiliza. El volumen de procesamiento, por sí solo, no demuestra que se haya ahorrado tiempo, mejorado un producto o aumentado los ingresos.
El caso de Microsoft ilustra precisamente esa tensión. Un gasto de 28.000 dólares en un mes podría estar justificado si se relaciona con un proyecto estratégico de gran impacto, pero también podría reflejar una configuración ineficiente, pruebas sin control o un uso desproporcionado de modelos caros.
Microsoft pide controlar el consumo
A principios de agosto, Jay Parikh, vicepresidente ejecutivo de la división CoreAI de Microsoft, trasladó a los empleados la necesidad de utilizar los tokens con cautela. La dirección indicó que no buscaba maximizar el consumo y que el gasto debía gestionarse con la misma disciplina que otros recursos críticos de la compañía.
La empresa también habría planteado sustituir el modelo identificado internamente como GPT 5.6 Sol por otra alternativa capaz de realizar tareas similares utilizando menos tokens. La decisión refleja una tendencia cada vez más extendida: priorizar la eficiencia y el coste por resultado frente al uso indiscriminado de los sistemas más avanzados.
La industria empieza a frenar el gasto en IA
El cambio de actitud no es exclusivo de Microsoft. Varias empresas tecnológicas impulsaron durante la primavera el uso intensivo de modelos generativos y, posteriormente, se encontraron con facturas mucho más elevadas de lo previsto. Algunas organizaciones llegaron a desembolsar millones de dólares en un solo mes por el consumo de sus empleados y aplicaciones automatizadas.
Meta fue una de las compañías que comenzó a limitar esta dinámica después de considerar que el ritmo de gasto era insostenible. El objetivo ahora es establecer presupuestos, restringir el acceso a los modelos más caros y medir si cada uso de IA produce un beneficio tangible.
La experiencia de Microsoft apunta a una nueva fase en la adopción empresarial de la inteligencia artificial. Después de la carrera por utilizar más modelos y más funciones, las compañías empiezan a preguntarse algo más importante: qué tareas merece la pena automatizar, qué modelo es suficiente y cuánto cuesta realmente cada resultado.
