Claude Code Después de que Uber agotara su presupuesto anual en dos meses, el COO afirmó: La consumo de tokens y la utilidad de la salida no son proporcionales

El COO de Uber, Andrew Macdonald, confesó en una entrevista reciente que los gastos de la compañía en IA se vuelven cada vez más difíciles de justificar internamente, y que el CTO Praveen Naga reveló hace dos meses que el presupuesto para Claude Code se había agotado anticipadamente, pero el problema central es: un mayor consumo de tokens no se traduce en un aumento proporcional en la salida de funciones para los consumidores.
(Resumen previo: No solo transporte» Uber colabora con Expedia para añadir reservas de hoteles, avanzando hacia una superapp de viajes todo en uno)
(Información adicional: Informe de Anthropic: La lucha por dominar la IA en 2028, Estados Unidos podría ser superado por China si no mantiene su ventaja en capacidad computacional)

Índice de este artículo

Alternar

• Una crisis presupuestaria
• La cadena causal rota: más tokens, no necesariamente más funciones
• Divergencias en la industria: gastar sin parar o preguntar antes de gastar

Cuando cada ingeniero de una empresa gasta hasta 2,000 dólares mensuales en herramientas de IA, y el 70% de su código se genera mediante IA, pero nadie puede responder a la pregunta «¿Cuántas funciones se han logrado?», esto deja de ser un problema técnico y se convierte en una crisis de gestión.

El COO de Uber, Andrew Macdonald, en una entrevista reciente con Rapid Response, reveló un hecho que todos en la industria tecnológica saben pero pocos dicen abiertamente: los gastos en IA cada vez son más difíciles de justificar.

Una crisis presupuestaria

Anteriormente, el CTO de Uber, Praveen Neppalli Naga, en una entrevista con The Information en abril, también dijo: «Pensaba que el presupuesto ya se había agotado anticipadamente.»

El contexto en ese momento era que: la adopción de Claude Code por parte de los 5,000 ingenieros de Uber había subido en pocos meses del 32% al 84%. El gasto mensual por ingeniero oscilaba entre 500 y 2,000 dólares; Naga incluso mencionó en una presentación interna que en dos horas consumió 1,200 dólares en tokens.

Macdonald describió que estas palabras generaron un impacto en los altos mandos de Uber, desencadenando una serie de discusiones sobre el consumo de tokens en IA, incluyendo si estos gastos valen la pena y qué sacrificios implican en la estructura de personal.

El CEO Dara Khosrowshahi ya dejó claro en la llamada de resultados de este mes que Uber está desacelerando las contrataciones, en parte para compensar los gastos en inversión en IA. En otras palabras, la factura de las herramientas de IA empieza a influir en las decisiones reales de contratación.

La cadena causal rota: más tokens, no necesariamente más funciones

Macdonald, en la entrevista, compartió su descubrimiento tras hablar con un alto directivo de ingeniería en Uber: un mayor uso de tokens no se traduce en un aumento proporcional en la entrega de funciones para los usuarios.

«¿Esa conexión todavía no existe, verdad?» dijo, «Quizá hay más cosas entregadas, pero trazar una línea entre esas cifras y ‘hemos producido un 25% más de funciones útiles para los consumidores’ es muy difícil.»

Este problema revela la contradicción central en la adopción actual de IA: el consumo de tokens es medible, pero mide «el grado de uso», no «el valor producido». Salesforce ha llamado a estos indicadores «indicadores de vanidad» y se opone claramente a usar el consumo de tokens como estándar para evaluar el rendimiento de los empleados.

Es importante notar que Macdonald también señaló una ceguera cognitiva: para los ingenieros que no pagan de su bolsillo, las herramientas de IA «parecen gratuitas», permitiendo experimentar con diferentes escenarios de uso; pero en última instancia, la cuenta la paga la empresa. Esta dislocación de costos entre individuos y organización es una de las causas estructurales del descontrol en el consumo de tokens.

Divergencias en la industria: gastar sin parar o preguntar antes de gastar

La confusión de Uber no es un caso aislado, sino uno de los primeros en ser mencionado abiertamente por altos ejecutivos.

Google, en I/O 2026, promovió enérgicamente el «tokenmaxxing», es decir, usar IA en grandes cantidades tanto como sea posible, y considerarlo como uno de los indicadores del compromiso de los ingenieros. La lógica de esta estrategia es que: el volumen de uso impulsa la evolución de capacidades, y el aumento en cantidad eventualmente provocará cambios cualitativos.

Pero algunas empresas están tomando un rumbo diferente. Duolingo, por ejemplo, incluyó en su evaluación de desempeño la frecuencia de uso de IA, pero tras recibir preguntas de los empleados como «¿Realmente hay que usar IA solo por usar?», retiró silenciosamente esa política. En una entrevista en un podcast en abril, el CEO Luis von Ahn dijo: «Parece que en lugar de responsabilizar a todos por los resultados reales, estamos promoviendo algo que en muchos casos no es aplicable.»

Un caso aún más extremo es el de una empresa del sector salud: en seis meses, consumieron 1 billón de tokens, generando más de 6 millones de dólares en costos no planificados, y el departamento financiero ni siquiera sabía qué estaba impulsando ese gasto. No es un problema de usar IA, sino de que nadie sabe quién la está usando, en qué contexto, ni cuánto dinero se está quemando.

Macdonald no anunció ningún plan específico de reducción, ni dijo que Uber abandonaría las herramientas de IA. Solo expresó un problema que existe en muchas empresas, pero que rara vez se dice abiertamente desde la alta dirección.

Medir el retorno de inversión en IA no tiene una respuesta estándar en la industria. Pero cada vez hay más indicios de que la brecha entre «cuánto se usa» y «cuánto se obtiene» sigue siendo muy grande.