El freno al gasto en IA: cuando el coste supera al entusiasmo

Algunas empresas que desplegaron soluciones de IA generativa a gran escala en los últimos dos años están ahora limitando activamente su uso. No por razones técnicas ni éticas, sino por una causa más prosaica: las facturas no encajan en los presupuestos. Según recoge el Financial Times, publicado el 19 de junio de 2026, varios responsables de tecnología describen la situación con una frase que se ha vuelto recurrente en conversaciones internas: «Creamos un monstruo».

El artículo del FT documenta cómo organizaciones de distintos sectores —finanzas, consultoría, servicios— han comenzado a imponer controles sobre qué empleados pueden usar herramientas de IA, con qué frecuencia y para qué tareas. En algunos casos se han establecido cuotas mensuales de tokens o se han retirado licencias a equipos cuyo retorno no era justificable.

De la adopción acelerada a la gestión del gasto

El patrón es reconocible para quien haya seguido el sector de cerca. Entre 2023 y 2025, muchas empresas desplegaron integraciones con modelos de lenguaje —vía API directa, via plataformas intermedias o mediante herramientas como Claude Code— con una lógica de «primero desplegar, luego medir». El argumento era que el coste de no adoptar superaba al coste de experimentar. Ese cálculo está siendo revisado.

El problema no es solo el precio por token, que en términos absolutos ha bajado considerablemente con generaciones sucesivas de modelos. El problema es el volumen. Cuando una organización integra IA en flujos de trabajo cotidianos —redacción, análisis de documentos, atención al cliente, generación de código— el consumo escala de forma no lineal. Un equipo de cincuenta personas que usa el modelo varias veces al día puede generar una factura mensual que no estaba prevista en ningún presupuesto departamental de 2024.

A esto se suma la tendencia a usar modelos de mayor capacidad para tareas que no los requieren. Llamar a Claude Opus 4.8 con ventana de contexto de 1M tokens para resumir un correo electrónico es técnicamente posible, pero económicamente absurdo. La optimización de qué modelo usar para cada tarea —algo que en entornos bien configurados se gestiona con lógica de enrutamiento— sigue siendo una asignatura pendiente en la mayoría de empresas.

Qué están haciendo las empresas para controlar el gasto

Las medidas que describe el FT y que hemos visto aplicar en proyectos de integración van en varias direcciones:

• Restricción de acceso: limitar qué perfiles tienen acceso a qué modelos, reservando los más costosos para casos de uso justificados.
• Cuotas de uso: establecer límites mensuales por usuario o por equipo, con alertas cuando se acerca el umbral.
• Auditorías de ROI por caso de uso: revisar qué integraciones generan valor medible y cuáles son simplemente cómodas pero prescindibles.
• Enrutamiento inteligente: usar modelos más ligeros —Claude Haiku 4.5 o Sonnet 4.6— para tareas de baja complejidad, y reservar Opus para análisis que realmente lo justifiquen.
• Caché y reutilización de contexto: aprovechar las funcionalidades de prompt caching disponibles en la API para reducir el número de tokens procesados en conversaciones repetitivas.

Ninguna de estas medidas es nueva ni especialmente sofisticada. Lo llamativo es que muchas organizaciones no las aplicaron desde el principio.

Por qué importa esto más allá del coste

El debate sobre el gasto en IA tiene una dimensión que va más allá de la contabilidad. Cuando una empresa restringe el acceso a herramientas que sus equipos ya han incorporado a su flujo de trabajo, genera fricción operativa y, en algunos casos, resistencia interna. Los empleados que han ganado productividad real con estas herramientas no entienden los recortes como una decisión técnica, sino como un retroceso.

Además, la narrativa del «frenazo» puede llevar a decisiones demasiado conservadoras. Recortar sin analizar qué usos generan valor y cuáles no es tan imprudente como haber desplegado sin medir. El objetivo razonable es llegar a una madurez operativa en la que el gasto en IA sea predecible, proporcional y vinculado a resultados concretos —no eliminarlo por inercia presupuestaria.

Para equipos como el nuestro, que trabajamos en integraciones con Claude a medida, este momento es una señal clara: la conversación con los clientes ha dejado de ser «¿cómo lo desplegamos?» para convertirse en «¿cómo lo gestionamos de forma sostenible?». Es un cambio de pregunta que, en realidad, indica madurez.

Opinión EP: Que las empresas estén revisando sus facturas de IA no es una mala noticia; es una señal de que el sector está saliendo de la fase de prueba sin control. El reto ahora es que esa revisión sea analítica, no reactiva.