El mundo corporativo se ha enfrentado a una paradoja: la adopción masiva de agentes de IA no ha llevado al crecimiento esperado de productividad, sino que ha generado una nueva clase de problemas de gestión y financieros. El fundador de la startup Hebbia, George Sivulka, en su ensayo para el boletín de a16z, diagnostica un error sistémico: las empresas se apresuraron a implementar agentes sin una infraestructura de control adecuada, y ahora están cosechando los frutos de esta prisa.
El problema clave, en su opinión, radica en la práctica del "tokenmaxxing": la búsqueda de la cantidad de tokens consumidos como el principal indicador de actividad. Las organizaciones confundieron erróneamente el crecimiento explosivo del gasto en IA con una señal de implementación efectiva. Sivulka lo formula de manera contundente: "Acabas de contratar a un millón de malos empleados". Y esto no es una metáfora. Los agentes no tanto redujeron los costos laborales como cambiaron su estructura, y para peor. Por primera vez en la historia, como señala el experto, las personas resultaron ser más baratas que el software.
Crisis de gestión, no tecnológica
El análisis de Sivulka muestra que las fallas en el funcionamiento de los agentes de IA a menudo no están relacionadas con la imperfección de los modelos, sino con la incapacidad de las empresas para formular tareas claras. Solo "aproximadamente uno de cada 100 empleados" es capaz de proporcionar al agente suficiente contexto para un trabajo de calidad. El resultado son "bucles": los agentes corrigen sus acciones infinitamente, gastando tokens en exceso sin un resultado proporcional. Esto es, en esencia, "gasto de tokens por gastar tokens". Estamos presenciando no una crisis tecnológica, sino una profunda crisis de gestión.
Las consecuencias financieras resultaron ser impactantes. Según UBS Global Research, prácticamente todos los altos directivos de empresas de IA en eventos cerrados reconocen el problema del control de gastos. Un ejemplo: los gastos en Anthropic de una empresa no identificada aumentaron de $20,000 en diciembre a casi $1 millón en julio. Otro caso, mencionado en fuentes del sector, es el de una empresa que lanzó herramientas de IA sin límites y recibió una factura de $500 millones de Claude en un solo mes. UBS estima que aproximadamente el 60% de las organizaciones ya están seriamente preocupadas por los gastos incontrolados en tokens.
Nueva infraestructura de gestión como necesidad
La solución, según Sivulka, no radica en abandonar la IA, sino en crear una infraestructura de gestión: descripción clara de procesos, evaluación de la calidad de los resultados, control de costos y, lo que es especialmente importante, distribución de tareas entre modelos de diferente costo. Se trata de model routing: cuando las operaciones simples se transfieren a modelos baratos, y los modelos avanzados costosos se utilizan solo para escenarios críticos.
Sin embargo, también existe una amenaza oculta. Los empleados, al darse cuenta de que su conocimiento es un recurso clave para entrenar la IA, pueden comenzar a sabotear el proceso. Las personas no querrán transferir a los sistemas aquello que las hace indispensables. Sin confianza y reglas transparentes, los trabajadores no ayudarán a quienes podrían reemplazarlos. Esto convierte la implementación de la IA de una tarea tecnológica en un problema social y de gestión extremadamente complejo que nadie ha resuelto aún.