Las empresas enfrentan un punto de inflexión crítico con la inteligencia artificial. Lo que inició como un entusiasmo por la automatización ahora choca con el aumento de costos operativos. El fenómeno conocido como "tokenmaxxing" —uso indiscriminado de modelos avanzados para cualquier tarea— ha generado facturas mensuales no previstas.
Uber y el tope de 1,500 dólares por empleado
Uber es un caso emblemático. La empresa agotó su presupuesto anual de IA en los primeros tres meses del año. Como respuesta, fijó un límite mensual de 1,500 dólares por empleado para herramientas de programación. Los programadores cuentan con un panel individual para monitorear su consumo de tokens y pueden solicitar un aumento mediante un proceso formal. Medidas similares se han replicado en Microsoft, Meta, Salesforce y otras firmas.
Falta de barreras de contención
Marcos Grilanda, vicepresidente y gerente general de Databricks en Latinoamérica, señaló que muchas compañías incentivaron el uso de IA sin establecer "barreras de contención" o límites claros, lo que provocó que los costos "vuelen". La falta de control no solo es un problema de datos, sino de estructuras organizativas.
Gobernanza de datos como solución
Marcelo Sales, director general de tecnología de Databricks, afirmó: "No se trata de frenar la innovación, sino de administrarla". El control de costos permite dirigir consultas simples a modelos económicos y reservar los avanzados para tareas complejas. Esta "capa de mediación" automática elige la forma más eficiente sin que los empleados de áreas como marketing necesiten ser expertos.
La gobernanza también otorga confianza a los directivos para acelerar la adopción. Grilanda comentó: "El miedo a un costo desconocido es, hoy en día, una de las principales barreras para que las empresas permitan que su personal explore todo el potencial de la IA".
México: madurez e inversión en IA
Según el AI Maturity Index de ServiceNow, México tiene una madurez de 52 puntos, por encima del promedio global, y la inversión en IA creció 107% en un año. Sin embargo, Enrique Upton, director general de la firma para Norteamérica, resaltó que el 69% de las organizaciones en el país aún enfrentan problemas de precisión y acceso a los datos. "Incluso los agentes más sofisticados no pueden operar de manera confiable", puntualizó.
Reducción de alucinaciones mediante datos estructurados
Las herramientas de gobernanza no solo evitan fugas de gasto. Al estructurar información dispersa (audios, videos, documentos) y definir conceptos clave, se reducen las alucinaciones que pueden impactar negativamente al negocio. Por ejemplo, el término "ingreso" tiene distintos significados en banca, telecomunicaciones o comercio minorista.
Enrique Perezyera, country manager de Databricks en México, explicó que las plataformas de gobierno crean una "ontología de datos" que mapea las relaciones del negocio. Esto permite que la IA entienda el dato en su contexto y opere bajo las reglas exactas de la organización, aumentando eficiencia y precisión.
Límites diarios como estrategia financiera
Para los expertos, establecer límites diarios de gasto por empleado o departamento no es restrictivo, sino una estrategia de salud financiera. A medida que las organizaciones ganan experiencia, pueden incrementar esos límites. Grilanda concluyó: "Poner límites a la IA es, paradójicamente, la mejor manera de liberarla. Solo cuando una empresa sabe cuánto va a gastar y confía en la veracidad de lo que la IA responde, puede integrarla plenamente en su ADN operativo".
