El presupuesto que reviento el exito

El director de tecnología de Uber, Praveen Neppalli Naga, dio a The Information la cifra que debería frenar a cualquier empresario a mitad de frase: la empresa había gastado todo su presupuesto planeado de codificacion con IA de 2026 en cuatro meses. Uber había desplegado la herramienta entre unos 5.000 ingenieros en diciembre de 2025, y la adopcion subio del 32 por ciento de los ingenieros en febrero al 84 por ciento clasificados como usuarios intensivos en marzo de 2026. Para la primavera, los informes situaban el coste mensual por ingeniero entre 150 y 250 dólares de media y entre 500 y 2.000 para los usuarios intensivos. Nada había salido mal. La herramienta funcionaba, los ingenieros la usaban, y usarla fue lo que vacio el presupuesto.

El mismo patron aparecio en Microsoft. Varios informes, encabezados por The Verge, describen que Microsoft corta la mayor parte del acceso interno a Claude Code en su division Experiences and Devices - el grupo detras de Windows, Microsoft 365, Outlook, Teams y Surface - para el 30 de junio de 2026, moviendo a los ingenieros a GitHub Copilot CLI. El encuadre oficial es la unificacion de herramientas, pero los informes son claros sobre el motor: con precios por consumo, el uso intensivo de una herramienta de codificacion con agentes revienta el presupuesto anual, porque la herramienta se mide por tokens consumidos, no por asientos ocupados. Cuanto mejor funciona, más se usa, y cuanto más se usa, más alta es la factura.

Por que importa: es un error de tasa base, no de herramienta

Por que importa: el error no es elegir la herramienta equivocada. Es presupuestar una herramienta nueva con la tasa base antigua. Las empresas pusieron precio a la codificacion con IA como si fuera autocompletado barato - un pequeño coste por asiento que apenas se mueve con el uso. Las herramientas con agentes rompen ese supuesto porque ejecutan ciclos de razonamiento continuos, y estan tarifadas para ello: el coste escala con cuanto trabajo hace la herramienta, es decir, con lo exitoso que es el despliegue. Quien presupuesta el piloto - un punado de ingenieros curiosos con consultas ligeras - modela la tasa base equivocada para una herramienta cuya propuesta de valor es que todos la usaran constantemente.

Si, pero: esto no es un argumento de que la IA con agentes sea demasiado cara para usar. Uber la sigue desplegando, y la productividad es real - para la primavera, cerca del 70 por ciento del codigo confirmado de Uber provenia de herramientas de IA. El punto es más estrecho: el precio por consumo convierte la adopcion en una curva de coste, y el caso de exito, no el piloto, es el que tiene que ser asumible. La respuesta de Microsoft, cambiar de herramienta, es una salida; medir y poner topes por usuario desde el primer día es otra, y normalmente la más barata.

En resumen: presupuesta la adopcion total y mide desde el primer día

En resumen: antes de comprar una herramienta de IA de pago por consumo, modela el coste del escenario en que funciona. Toma el coste por usuario de tu usuario más intensivo esperado, multiplica por la plantilla a la que realmente pretendes desplegar, y comprueba si esa cifra cabe en el presupuesto anual. Si no cabe, la herramienta es inasumible en el caso de exito por barato que pareciera el piloto, y el movimiento disciplinado es poner topes y medir por usuario desde el primer día en vez de descubrir el techo en el cuarto mes como hizo Uber.

El principio de decisión más amplio sobrevive a esta categoria de producto. Cuando un proveedor cobra por unidad del comportamiento exacto cuyo aumento le pagas, el coste del piloto no significa nada y el coste del exito lo es todo. Modela el resultado que esperas, no la prueba que ejecutas, y si no puedes pagar la herramienta funcionando a la perfeccion, no compres la herramienta que te cobra más por funcionar.

Leer a continuación: Quien gasta 145.000 millones dice que aún no funciona  |  Google: 9% de overhead y un 37% mas de energia