Apple redujo el límite diario de gasto en inteligencia artificial para algunos de sus ingenieros de US$300 a US$200 y evalúa recortes adicionales que lo llevarían a US$100 por día, según Bloomberg. La medida, reportada por El Ecosistema Startup y DiarioBitcoin, busca contener costos mientras la empresa intenta incorporar más IA en sus operaciones.
Las claves
- El recorte afecta a algunos equipos de ingeniería y fue aplicado el mes pasado, según Bloomberg.
- Fuera de ingeniería, muchos grupos ya tienen un límite de US$100 diarios y se ha considerado bajarlo hasta US$25 para algunos.
- Los empleados pueden solicitar excepciones al liderazgo senior si necesitan más presupuesto.
- Apple da acceso a Claude, ChatGPT y Gemini; algunos equipos son dirigidos a usar modelos más baratos o locales.
- Los gastos de investigación y desarrollo subieron 32% a US$45.800 millones en el año fiscal 2026.
¿Qué hay detrás del ajuste?
Los presupuestos cubren tokens, las unidades de texto y datos que un modelo procesa en cada solicitud. Los proveedores cobran por volumen y los modelos más avanzados cuestan más, por lo que tareas como escribir o depurar código consumen muchos tokens. El problema estructural es que las herramientas de IA se cobran por consumo y no por asiento: un solo usuario puede gastar una cantidad ilimitada.
Las reacciones internas fueron mixtas. Pocos trabajadores llegaban a usar los US$300 diarios completos, lo que sugiere que el límite anterior era generoso y que el ahorro real de los recortes es incierto. Otros leen la medida como parte de un ajuste de costos más amplio: algunas divisiones contrataron consultores externos para revisar eficiencia y operaciones, lo que alimentó el temor a despidos. Bloomberg no confirma despidos vinculados a esta medida.
El contexto de liderazgo también cambió. John Ternus asumió como CEO el 1 de septiembre y empuja una estructura más plana y liviana, reportó 9to5Mac. Antes, el entonces CEO Tim Cook había pedido a los empleados usar IA de forma intensiva en su trabajo diario.
El fin de la era tokenmaxxing
A comienzos de 2026 se instaló lo que TechCrunch describió como un tsunami de tokenmaxxing: empresas empujando a su personal a consumir la mayor cantidad posible de tokens en nombre de una eficiencia mal definida. Hubo incluso rankings internos de uso de tokens, según 9to5Mac. El fenómeno creció junto con las capacidades de los agentes de código: Claude Code, Codex y Cursor se volvieron herramientas cotidianas.
El frenesí duró poco. Cuando llegaron las facturas, la racionalización de tokens pasó a verse como lo fiscalmente sensato. Accenture redujo su asignación centralizada de Claude a US$29 por empleado por mes, y cualquier gasto extra debe cubrirlo cada proyecto o equipo, según 9to5Mac.
La paradoja es que Apple no está gastando menos en IA: está gastando más, pero quiere ver dónde. En los resultados del año fiscal 2026, los gastos de investigación y desarrollo subieron 32% hasta US$45.800 millones, impulsados en parte por mayores costos de infraestructura e IA, y los gastos operativos totales crecieron 22% hasta US$75.500 millones, equivalentes al 16% de las ventas netas, frente al 15% del año anterior. Los ingresos marcaron un récord de US$478.800 millones, con un alza del 15%.
¿Qué significa para los founders y equipos?
Para cualquier founder que en los últimos meses abrió la mano con los tokens para que el equipo experimentara, el movimiento de Apple es la señal más clara de que esa etapa terminó. El gasto en IA dejó de ser una inversión sin preguntas y pasó a ser una línea de costos que se audita. El recorte de topes diarios no es una señal de que la IA no sirva, sino de que la compañía quiere saber qué parte de ese gasto se convierte en producto. Los topes, por sí solos, ahorran poco. El ahorro grande viene de mover equipos hacia modelos más baratos o locales.
Porque la cuenta no cierra sola. Un relevamiento de EY citado por Analytics Insight encontró que el 82% de los líderes senior de empresas que invierten en IA está preocupado por el uso de tokens y sus costos, y que el 98% de quienes usan herramientas basadas en tokens dijo que los costos lo hicieron repensar su enfoque. La misma nota cita investigación difundida por Phys.org según la cual solo alrededor del 5% de las empresas que usan IA reporta ganancias de productividad claras.
Del otro lado, hay evidencia de que el problema se puede resolver por ingeniería y no solo por presupuesto. Databricks documentó en su blog que, tras ver una curva de costos exponencial con el uso de agentes de código, logró que su gasto en tokens por persona quedara prácticamente plano mientras el uso total seguía subiendo. La compañía afirma que en algunos casos sus costos unitarios bajaron hasta 90%, y que su enrutador recorta el costo promedio por tarea más de 30% manteniendo la calidad del modelo más caro.
Si tu equipo usa IA a diario, ya tienes el problema de Apple en miniatura. La diferencia es que tú no tienes US$75.500 millones de gastos operativos para absorber el ruido. Estas son las decisiones que conviene tomar ahora:
1. Pon un medidor antes que un límite. El consejo central de Databricks es poner una capa de control entre tus desarrolladores y los modelos, para que todo el tráfico pase por un solo lugar. Sin eso no puedes saber cuánto gasta cada equipo ni qué modelo consume el presupuesto. Un tope duro sin visibilidad solo logra que tu mejor usuario se pase a una cuenta personal y desaparezca del radar.
2. Enruta por tarea, no por costumbre. No todo necesita el modelo más caro. Clasificar tareas —un renombrado de componente va a un modelo barato, un problema abierto y complejo va a uno capaz— es la palanca con mayor impacto. Analytics Insight menciona que el enrutamiento de modelos puede recortar el gasto entre 50% y 80% en muchos casos.
¿Qué se sabe y qué falta por confirmar?
Se sabe que el recorte ya se aplicó a algunos ingenieros y que hay planes para reducirlo aún más en ciertos equipos, según Bloomberg. También que la empresa no quiso comentar. No está claro el ahorro real de los recortes ni si habrá despidos. Otras tecnológicas como Microsoft, Tesla, Uber y Meta también están revisando sus presupuestos de IA, lo que marca un giro hacia un mayor escrutinio del gasto después del impulso inicial a experimentar.
