La revista extranjera Fortune comentó que el término "tokenmaxxing", que antes era popular dentro de las empresas, está perdiendo impulso. El "tokenmaxxing" consiste en utilizar el número de tokens invocados por empleados o equipos en modelos de IA como un indicador aproximado de innovación y eficiencia laboral. Sin embargo, a medida que aumentan las facturas y las invocaciones ineficaces, cada vez más empresas están restringiendo esta práctica.
El artículo menciona que empresas como Meta, Amazon y OpenAI anteriormente implementaron prácticas formales o informales de clasificación de tokens para animar a los ingenieros a competir por la cantidad de consultas de modelos. El problema radica en que, una vez que la métrica en sí se convierte en un objetivo de evaluación, es fácil desviarse del propósito original. El Financial Times de Reino Unido informó previamente que algunos empleados de Amazon hicieron que agentes de IA realizaran tareas sin sentido real, solo para mantener el rendimiento de los datos de uso.
La presión sobre los costos comienza a manifestarse
A medida que la IA generativa se implementa a gran escala dentro de las empresas, los costos de llamada a modelos también han aumentado rápidamente. El artículo indica que algunas empresas ya han comenzado a restringir el uso de agentes de IA de terceros por parte de los empleados, especialmente las herramientas que dependen de modelos de alto rendimiento. Meta ha eliminado la lista de tokens creada espontáneamente por los empleados; The Verge informa que Microsoft canceló las suscripciones de Claude Code para empleados de varios departamentos clave de productos.
Uber también reveló que la empresa agotó su presupuesto anual de tokens en los primeros cuatro meses de 2026, con parte de los gastos provenientes del uso frecuente de Claude Code. El CEO de Salesforce, Marc Benioff, indicó que la empresa pagó aproximadamente 300 millones de dólares a Anthropic este año y espera implementar en el futuro un sistema de enrutamiento más inteligente para asignar diferentes solicitudes a modelos con costos más adecuados.
Las empresas valoran más los resultados empresariales.
El artículo sostiene que la razón principal por la que las empresas ajustan los indicadores de tokens no es solo la reducción de gastos, sino más bien la brecha entre la inversión y los rendimientos. Andrew Macdonald, director de operaciones de Uber, indicó recientemente que la empresa tiene dificultades para asociar directamente el aumento de la eficiencia de algunos empleados con la entrega de nuevas funciones para los usuarios o con los resultados operativos generales. Si no se pueden lograr resultados empresariales claros, resulta más difícil demostrar continuamente la justificación del costo del modelo.
Por eso, rastrear únicamente el consumo de tokens se vuelve cada vez más difícil de considerar una herramienta de gestión efectiva. Puede reflejar la escala de las llamadas, pero no indica si estas llamadas realmente mejoran el producto, los procesos o los ingresos.
La verdadera recompensa proviene de la reestructuración del proceso
El artículo cita la opinión de Azeem Azhar, autor de Exponential View, según la cual la desconexión actual entre la inversión en IA y la productividad se asemeja más a la "curva J de productividad" común en las etapas iniciales de una nueva tecnología general. Durante la fase de exploración, las empresas suelen aumentar los costos de experimentación sin ver beneficios claros a corto plazo; solo después de rediseñar los procesos empresariales se manifiestan de forma concentrada los aumentos de eficiencia.
El artículo utiliza la modernización eléctrica de una fábrica como ejemplo: inicialmente, las empresas simplemente reemplazan iluminación o fuentes de energía, pero los verdaderos aumentos significativos en la productividad ocurren después de que la disposición de la fábrica y cada equipo se reestructuran en torno a la nueva tecnología. En el caso de la IA, muchas empresas aún se encuentran en etapas de pruebas puntuales o acumulación de herramientas, y aún no han entrado en una transformación más profunda de los procesos.
Los comentarios sostienen que la razón fundamental por la que la competencia por el uso de tokens está retrocediendo es que aborda “cuánto se usó” en lugar de “qué se creó”. Para las empresas, el valor de la IA finalmente debe materializarse en la entrega de productos, modelos de negocio y rendimiento de ingresos, y no en listas de llamadas a modelos.