Imagínate que mañana reúnes a tu equipo y anuncias que vais a medir la productividad por la electricidad consumida.
El que más gaste, empleado del mes.
Absurdo.
Ahora cambia electricidad por tokens.
Ya tienes una estrategia de inteligencia artificial con nombre en inglés: tokenmaxxing.
Consumir más. Lanzar más agentes. Tener más cosas funcionando a la vez.
Y confiar en que, en algún momento, todo ese movimiento se convierta en algo útil.
Revolut ha contado una historia que merece una lectura tranquila.
Según The Register, la compañía afirma haber reducido alrededor de un 90 % sus costes de inferencia para programación al convertir los modelos alojados en su propia infraestructura en la opción habitual.
Antes habían visto ingenieros gastar entre 1.000 y 10.000 dólares mensuales con un retorno que no les convencía.
Pero lo interesante viene después.
Según su responsable de operaciones e infraestructura, las mayores ganancias llegaron al aplicar la IA a depuración y tareas relacionadas con Jira y Confluence. Es decir, a parte del trabajo que rodea al código y consume el tiempo de los ingenieros.
Mi lectura es esta: puedes tener una máquina escribiendo código a toda velocidad mientras el proyecto sigue esperando a que alguien aclare qué hay que hacer.
El contador corre.
La entrega espera.
Microsoft también ha tenido que poner palabras a este problema.
El 5 de agosto, The Register recogió un correo interno de Jay Parikh, adelantado por 404 Media, en el que advertía a los empleados: “Tokenmaxxing is not what we are optimizing for”.
Pedía centrarse en resultados para los clientes y el negocio.
Una idea bastante razonable: justificar el consumo por lo que permite conseguir.
Y aquí aparece el reto para muchas empresas.
Con los LLMs, generar código puede resultar mucho más fácil. Comprobar que ese código resuelve el problema adecuado, encaja en el sistema y se puede mantener sigue exigiendo trabajo.
Por eso me interesaría ver otro cuadro de mando.
Cuánto tardamos en poner una mejora útil en manos del cliente.
Cuántos errores llegan a producción.
Cuántas horas dedicamos a revisar y rehacer.
Cuánto cuesta completar una tarea, sumando modelo, infraestructura y tiempo humano.
Porque una solución barata que obliga a corregirlo todo puede salir carísima. Y una llamada cara que resuelve bien un problema difícil puede ser un excelente negocio.
Tampoco convertiría el caso Revolut en una receta universal.
Hablamos de unos 2.000 ingenieros y 56 GPU Nvidia B200. Sus cifras de ahorro se refieren a inferencia; no demuestran por sí solas una reducción equivalente del coste total de desarrollar software. Además, mantienen otros modelos para determinadas tareas.
Copiar su arquitectura sin hacer tus cuentas sería otra forma de gastar por imitación.
Lo que sí podemos copiar es la pregunta:
¿Qué trabajo estamos consiguiendo terminar mejor con este gasto?
Esa pregunta sirve tanto para aprobar más presupuesto como para recortarlo.
Y obliga a mirar el proceso entero, incluida esa reunión, esa aprobación o ese requisito ambiguo que lleva tres días bloqueando la entrega.
Quemar tokens es fácil.
La productividad hay que demostrarla.
En la próxima reunión sobre IA, pide que te enseñen una mejora entregada, el tiempo que ha llevado y lo que ha costado. Ahí empieza una conversación interesante.
🌍 El Eco del Mercado
🕵️ Un agente de IA participa en el robo de documentos del Gobierno de Tayikistán. CloudSek atribuye al grupo Silent Lynx el uso del agente abierto Hermes para planificar ataques, escribir herramientas y extraer más de 2.000 documentos relacionados con la seguridad nacional. El caso muestra cómo la IA puede automatizar gran parte de una operación de espionaje, aunque la atribución no ha sido confirmada por los gobiernos implicados.
🤝 Claude entra en las reuniones como un participante más. Anthropic prueba en Google Meet un asistente visible que sigue la conversación, responde preguntas y convierte lo acordado en planes y tareas. La IA deja así de limitarse a resumir reuniones para empezar a actuar durante ellas.
✈️ OpenAI compra la startup de viajes Odessia. La compañía incorpora a Francis Davidson, fundador de Sonder, mientras el agente de viajes que había creado cierra su servicio. Aunque OpenAI no ha anunciado un producto concreto, la operación refuerza su interés por agentes capaces de comparar, planificar y reservar viajes.
🏛️ Nueva York activa la supervisión de los grandes laboratorios de IA. El estado abre el registro de la RAISE Act, que obligará a las grandes compañías a publicar marcos de seguridad, informar sobre incidentes críticos en 72 horas y elaborar informes de transparencia. La seguridad voluntaria empieza a transformarse en una obligación verificable.
⚖️ Europa propone multas del 6 % por prácticas digitales engañosas. La futura Digital Fairness Act actuaría contra los patrones oscuros, los mecanismos adictivos, la publicidad personalizada a menores y las suscripciones difíciles de cancelar. El texto todavía necesita la aprobación de los Estados y el Parlamento Europeo.
🌐 Estados Unidos y China abren un diálogo sobre la superinteligencia. Washington prevé abordar con Pekín los riesgos de la IA avanzada durante una próxima reunión en Shenzhen. Ambos países intentarán encontrar límites compartidos mientras continúan compitiendo por los chips, los modelos y la infraestructura que pueden concederles la ventaja.
🧩 Una universidad militar china consigue chips Nvidia H200 restringidos. La Universidad Politécnica del Noroeste, incluida en la lista negra estadounidense, adquirió dos aceleradores mediante un proveedor local y alquiló servidores con otros chips restringidos. La operación expone las dificultades para controlar intermediarios y servicios remotos de computación.
💾 Fractile alcanza una valoración de 7.000 millones antes de fabricar su primer chip. La startup británica capta 720 millones de dólares para desarrollar aceleradores de inferencia con memoria personalizada integrada. Promete multiplicar la velocidad y la eficiencia, pero su primer producto no llegará hasta 2027 y la valoración descansa todavía sobre prototipos.
📈 La demanda puede elevar la valoración de Anthropic hasta 1,5 billones de dólares. Los bancos estudian aumentar el precio de la OPV después de recibir un fuerte interés inicial, lo que podría llevar la captación total por encima de los 100.000 millones. Anthropic necesita ese capital para afrontar compromisos informáticos próximos a 900.000 millones.
🧮 Una IA puede haber resuelto un problema matemático de dieciocho años. Physical Superintelligence utilizó un modelo experimental de Anthropic para abordar la conjetura Aaronson-Ambainis sobre computación cuántica. La demostración fue formalizada en Lean y parece correcta, aunque todavía necesita una validación académica más amplia.
💍 Oura compra atención primaria para actuar sobre los datos de sus usuarios. El fabricante de anillos inteligentes adquiere Counsel Health por 625 millones de dólares para integrar consultas mediante IA y médicos autorizados. Oura pasa de medir señales de salud a intervenir sobre ellas, elevando tanto el valor del dispositivo como su responsabilidad clínica.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD1. Antes de comprar más tokens, quizá convenga comprar dos libros.
La meta, de Eliyahu M. Goldratt y Jeff Cox, para entender por qué poner a todo el mundo a trabajar más deprisa puede dejarte exactamente en el mismo sitio. Si el cuello de botella sigue ahí, la cola solo crece más rápido.
Y Accelerate, de Nicole Forsgren, Jez Humble y Gene Kim, para aprender a medir el rendimiento de un equipo de software por su capacidad de entregar mejoras con rapidez y estabilidad.
Los dos son anteriores al furor de los LLMs. Porque confundir actividad con resultados es bastante más antiguo que Claude Code.
PD2. En casa también tenemos nuestro particular tokenmaxxing: aparatos consumiendo electricidad cuando ya han terminado de hacer algo útil. Un enchufe inteligente Tapo P110 permite ver cuánto consume el aparato conectado y programar su apagado.
Lo que más me interesa del caso Revolut es que el modelo propio pasa a ser «la opción habitual», no la única. Ahí la conversación deja de ser nube contra casa y pasa a ser otra: quién decide, tarea por tarea, cuándo merece la pena el modelo caro. Sin esa regla, el ahorro se va erosionando en cuanto la gente se acostumbra a pedir el bueno «por si acaso».