La industria tecnológica enfrenta una crisis financiera inesperada relacionada con los costos de inteligencia artificial, con empresas que reportan haber superado sus presupuestos anuales completos en los primeros meses de 2026, según información revelada esta semana.

"En abril y mayo, empecé a escuchar de empresas: 'Dios mío, estamos tres veces por encima de nuestro presupuesto completo de tokens para 2026 y apenas es abril'", dijo J.R. Storment, director ejecutivo de la Fundación FinOps, un proyecto bajo la Fundación Linux, según declaraciones a TechCrunch. "Empezamos a escuchar crisis existenciales, y toda la conversación cambió de maximizar tokens e 'ir rápido' a 'necesitamos barreras, ¿cómo controlamos esto?'".

Los casos documentados incluyen a Uber, que agotó completamente su presupuesto de codificación con IA para 2026 en abril, según reportó TechCrunch. Microsoft revocó las licencias de Claude Code de sus desarrolladores meses después de habilitarlas. Un empleado de Priceline informó a TechCrunch que una renovación rutinaria de contrato de Cursor regresó entre cuatro y cinco veces más cara.

El problema no radica en el precio unitario de los tokens, que de hecho ha disminuido, sino en el consumo exponencial impulsado por la adopción masiva de IA y agentes cada vez más autónomos, según el análisis de la industria. Las empresas que se atiborraron a principios de 2025 con suscripciones ilimitadas ahora luchan por entender a dónde va su dinero, reducir gastos y determinar si pueden recuperar algún retorno de inversión de los restos de sus presupuestos.

"Hace seis meses, tendría una conversación con un cliente y todo sería sobre '¿Qué puede hacer? ¿Es lo suficientemente bueno?'", dijo Alexander Embiricos, jefe de empresa de OpenAI, a TechCrunch en un evento en Nueva York esta semana. "Nuestras conversaciones nunca son sobre eso ahora. Ahora las conversaciones son sobre 'oye, estamos gastando tanto. ¿Qué visibilidad tienen? ¿Qué auditabilidad tienen? ¿Qué controles de tokens tienen? ¿Cuál es la eficiencia de sus modelos?'".

La crisis siguió a demandas fervientes de directores ejecutivos que presionaron a sus equipos para usar los mejores modelos y moverse rápido, sin importar los costos. Nuevos modelos lanzados en noviembre como Claude Opus 4.5 de Anthropic, GPT-5.1 de OpenAI y Gemini 3 Pro de Google trajeron mejoras significativas a herramientas agénticas, que han multiplicado el consumo, según la fuente. Una empresa reportadamente se encontró con una factura de 500 millones de dólares de Claude después de olvidar establecer límites de uso para empleados.

"Es como la epidemia de crack-cocaína", dijo Chris Reed, director senior de finanzas de TI en Priceline, señalando que la compañía había comenzado a colocar límites de tokens en ciertos grupos. "Te dejan probarlo para engancharte, y ahora estás como subordinado a ello".

Vitaly Gordon, director ejecutivo de la plataforma de operaciones de ingeniería Faros AI, dijo que recientemente habló con un director de tecnología que le dijo: "Uno de mis ingenieros gastó 40,000 dólares en tokens el mes pasado, y genuinamente no sé si debería detenerlo o debería ir y decirle a todos los demás que sean como él".

Un estudio de dos años sobre 20,000 desarrolladores que Faros publicó en abril encontró que la producción estaba aumentando, pero también los errores y las reescrituras. Jellyfish, una plataforma de gestión de ingeniería, encontró de manera similar que los ingenieros que usaban más tokens eran aproximadamente el doble de productivos que aquellos que usaban menos IA, pero gastaban 10 veces el número de tokens para lograrlo.

Nicholas Arcolano, jefe de investigación en Jellyfish, dijo a TechCrunch por correo electrónico que el gasto en IA está explotando en gran parte debido a características agénticas, con el consumo por desarrollador aumentando aproximadamente 18.6 veces en nueve meses. En conjunto, estas estadísticas hacen que el caso de productividad sea más turbio de lo que sugiere el gasto.

"Si el gasto extremo vale la pena se reduce al valor comercial final del código enviado (por ejemplo, ingresos), que la mayoría de las empresas todavía no pueden medir", dijo Arcolano.

Al menos parte de ese problema de medición es la escala pura a la que se está usando la IA hoy.

"Rastrear costos de nube es un problema de datos de cientos de millones de filas al mes", dijo Storment. "Rastrear costos de tokens es un problema de datos de billones de filas al mes. No puedes simplemente meter eso en cualquier hoja de cálculo o incluso herramienta básica. Tienes que repensar fundamentalmente tus herramientas, tus especificaciones y tus sistemas contables para hacer eso".

En Priceline, Reed ya está viendo discrepancias. Señaló problemas entre el uso reportado por un proveedor y los datos internos de Priceline.

"Comencé mi carrera en gestión de gastos de telecomunicaciones, y estoy viendo todos los mismos paralelos, de telecomunicaciones a nube a IA", dijo. "Cada vez que introduces algo nuevo, está maduro para errores de facturación y oportunidades de auditoría y optimización".

Un mercado está comenzando a formarse alrededor de este problema. Están las empresas especializadas, como Pay-i, que rastrea, mide y optimiza los costos y el rendimiento de inversiones en IA generativa. Paid, mientras tanto, permite a los desarrolladores rastrear costos, medir uso y facturar a usuarios basándose en valor real en lugar de tarifas de suscripción.

Luego están empresas como Jellyfish, Waydev y Faros AI, que todas proporcionan monitoreo de agentes de IA para probar el retorno de inversión de herramientas de desarrollador. Storment dice que la mayoría de los 180 proveedores dentro de la Fundación FinOps se están inclinando hacia este espacio.

Empresas con distribución existente también están agregando nuevas características para capitalizar este nuevo mercado. Ramp se ha movido recientemente hacia la gestión de gastos de IA; Datadog y New Relic han agregado servicios como gestión de costos de nube, observabilidad a nivel de token y monitoreo de GPU. En la conferencia FinOps X la próxima semana, se espera que AWS introduzca nuevas características de gestión financiera orientadas al gasto empresarial en IA.

Tiffany Luck, socia en NEA, piensa que la eficiencia de tokens y la observabilidad probablemente se agregarán en la "capa de arnés o aplicación". Señaló a Factory, una startup que hace agentes de IA para empresas, que esta semana lanzó un enrutador de modelos que automáticamente elige el modelo correcto para cada tarea.

Gordon espera que los laboratorios de frontera y otros proveedores de modelos adopten optimización estilo OpenRouter para dirigir consultas a los modelos más baratos, una tendencia que ya aparece en facturas empresariales de Claude.

"El informe financiero de cuánto gastas en Anthropic, incluso si llamas al modelo Opus, parte del gasto será en Sonnet o Haiku, porque son lo suficientemente inteligentes para hacerlo", dijo Gordon. "Creo que esto se convertirá cada vez más en algo común".

Pero todas estas herramientas se están construyendo sin un lenguaje común o definiciones compartidas para cuánto cuesta un token, qué produce y cómo comparar gastos entre proveedores. Ahí es donde la Fundación Tokenomics espera resultar útil.

En este contexto, la Fundación Linux reveló esta semana planes para la Fundación Tokenomics, un nuevo organismo de estándares que busca inculcar la misma disciplina de costos alrededor de tokens de IA que FinOps hizo para el gasto en nube.

La Fundación está construyendo una definición canónica y marco para "tokenomics"; estándares abiertos, especificaciones y métricas para uso y facturación de tokens de IA; así como nuevas métricas para economía de IA, como costo por inteligencia o tokens por vatio. También planea definir métricas a través de efectividad de fábrica de tokens y eficiencia de consumo. El grupo está planeando un lanzamiento formal en julio, y está a punto de anunciar más miembros en la conferencia FinOps X la próxima semana.

"La economía de tokens es fundamentalmente más abstracta y opaca que cualquier cosa que hayamos gestionado a esta escala antes", dijo Nishant Gupta, director de disponibilidad en Salesforce, en un comunicado. "Requiere un músculo operacional diferente al que la industria construyó para la nube".

Dicho esto, Goldman Sachs proyecta que el uso global de tokens se multiplicará por 24 veces para 2030. Las empresas que ya están sobre presupuesto necesitan soluciones ahora, y el primer entregable de la fundación todavía está a meses de distancia.

"Tal vez creamos una máquina de vapor, pero todavía no hemos descubierto la línea de ensamblaje", dijo Gordon.

Según Arcolano, el movimiento inteligente es una adopción amplia y moderada.

"El mejor retorno de inversión viene de mover al amplio medio de uso bajo a moderado, no empujar a los usuarios pesados más alto", dijo.