Adam Mosseri, responsable de Instagram, ha puesto palabras a una conversación que muchas empresas tecnológicas están teniendo en privado: el uso intensivo de herramientas de IA puede volverse tan caro que habrá que limitarlo por empleado. En una entrevista citada por TechCrunch, Mosseri imaginó un escenario en uno o dos años donde el gasto en tokens de un ingeniero fuerte pueda acercarse a su coste laboral.
El comentario no significa que Meta haya impuesto ya topes internos. Mosseri aclaró que no existen límites de tokens para empleados en este momento. Pero su lectura es relevante porque desplaza el debate desde la productividad abstracta hacia una gestión de recursos. Cada prompt, respuesta, generación de código o revisión automatizada consume capacidad de modelo. La IA corporativa deja de ser una herramienta mágica cuando llega la factura de uso recurrente.
El coste de tokens se ha convertido en una métrica nueva para equipos de producto e ingeniería. Antes, la dirección medía servidores, licencias, horas de desarrollo y personal. Ahora debe añadir consumo de modelos, GPUs, almacenamiento vectorial, agentes que ejecutan tareas y pruebas automáticas generadas por IA. Si no se gobierna, un experimento útil puede convertirse en gasto disperso difícil de atribuir a resultados.
Meta no es un caso aislado. TechCrunch cita ejemplos de Uber, que habría agotado su presupuesto de IA para programación antes de lo previsto, y de Microsoft, que reorganizó el uso de herramientas de código asistido para concentrarlo en su propio ecosistema. La conclusión es incómoda: incluso las grandes tecnológicas con acceso privilegiado a infraestructura deben priorizar.
Para empresas españolas, este debate llega justo a tiempo. Muchas están incorporando copilotos, asistentes de atención al cliente y herramientas de análisis sin una contabilidad fina del coste por proceso. La prueba piloto puede parecer barata, pero el despliegue masivo cambia la ecuación. El ROI de la IA no se medirá solo en horas ahorradas, sino en si esas horas compensan consumo, integración, supervisión y errores.
La gestión por presupuestos puede sonar restrictiva, aunque también puede mejorar calidad. Si cada equipo tiene una asignación clara, deberá justificar casos de uso, comparar modelos y evitar automatizaciones que solo generan volumen. Mosseri lo describió como otro recurso operativo, similar a capacidad de cómputo, almacenamiento o gasto en etiquetado de datos.
El siguiente paso será técnico y cultural. Las compañías necesitarán paneles de consumo, políticas de acceso, modelos más baratos para tareas simples y reglas para reservar sistemas caros a trabajos de alto valor. También tendrán que formar a empleados para escribir instrucciones eficientes, revisar resultados y no delegar procesos críticos sin control.
La madurez de la IA empresarial empieza cuando el entusiasmo convive con presupuestos, límites y responsabilidad de negocio. Eso no reduce su potencial. Lo vuelve más serio. Las empresas que aprendan a medir uso y valor tendrán ventaja frente a quienes confundan adopción con abrir una cuenta corporativa y dejar que todo el mundo experimente sin marco.
La industria ha pasado meses prometiendo productividad ilimitada. La próxima conversación será más terrenal: cuánto cuesta cada mejora y quién responde por ella.
