Después de años de impulsar la inteligencia artificial en sus organizaciones, los directores de información (CIO) y otros líderes tecnológicos del C-suite ahora están reforzando el control a medida que los gastos aumentan y los retornos siguen siendo inciertos. La reducción marca un cambio notable desde la fase de adopción—caracterizada por hackathons, amplio acceso a herramientas y experimentación—hacia una fase operativa más disciplinada, reminiscente de cómo las empresas eventualmente aplicaron gobernanza de costos a la computación en la nube tras un período inicial de expansión acelerada.

En Samsara, el director de información Stephen Franchetti ha adoptado con entusiasmo un amplio conjunto de herramientas de IA para los 4.100 empleados de la empresa tecnológica. Ha autorizado Claude de Anthropic, Gemini de Google, ChatGPT de OpenAI y el agente de codificación de IA Cursor, además de desarrollar un sistema interno que rastrea los gastos de IA a diario. La necesidad de una supervisión tan detallada subraya cómo la fijación de precios basada en el uso e impulsada por tokens—aún relativamente novedosa en el software empresarial—difiere fundamentalmente del modelo de suscripción por puesto al que la mayoría de las empresas están acostumbradas a presupuestar. Sin embargo, recientemente Samsara ha impuesto límites de uso para algunos empleados no técnicos, mientras que grupos como investigación y desarrollo—que dependen de la IA para codificación intensiva y análisis de datos—mantienen mayor libertad para experimentar.

"Nos tomó un tiempo establecer los límites adecuados, para asegurarnos de que todos estuvieran bien atendidos", dice Franchetti. "Pero pone a las personas en una posición en la que tienen cierto control y pueden tomar decisiones sobre qué modelos usan".

El cambio refleja una tendencia más amplia en la América corporativa. Se proyecta que el gasto global en IA alcance los 2,5 billones de dólares este año, un aumento del 44% respecto a los niveles del año anterior. Después de años de promover la adopción de IA a través de cursos de capacitación, hackathons y amplio acceso de los empleados a herramientas de codificación, agentes y asistentes de chat, algunos líderes tecnológicos ahora están limitando la frecuencia con la que se pueden usar estas herramientas. También están recapacitando al personal para que trabaje con modelos de IA más pequeños y económicos capaces de manejar muchas tareas rutinarias en el lugar de trabajo.

Varias empresas han informado que sus presupuestos de IA para 2026 ya han superado las proyecciones iniciales sin producir un valor comercial correspondiente. Los hyperscalers de IA lo han notado y han respondido con modelos más económicos y recortes de precios. La dinámica competitiva entre los principales proveedores de modelos—OpenAI, Anthropic, Google y otros—se ha intensificado a medida que los clientes empresariales señalan que la eficiencia de costos, no solo la capacidad, determinará qué plataformas ganarán contratos a largo plazo.

"2026 es el año en que todos descubren que la IA es realmente muy difícil", dice Will Sommer, experto en modelado cuantitativo y pronóstico económico de la firma de investigación Gartner. "No es un almuerzo gratis. Requiere mucho pensamiento y esfuerzo para hacerlo bien". Sommer advierte que las empresas pueden gastar fácilmente miles de dólares por empleado en herramientas de IA cuya salida es esencialmente inútil y no mejora la productividad.

En junio, Gartner emitió un informe pesimista que advertía que los costos de codificación con IA superarían el salario promedio de un desarrollador para 2028, impulsado por el aumento del consumo de tokens y un cambio hacia modelos de precios basados en consumo. La proyección destaca una tensión en el corazón de la adopción de IA empresarial: las herramientas más estrechamente integradas en los flujos de trabajo de los desarrolladores—agentes de codificación que leen, escriben y depuran código—también se encuentran entre las aplicaciones que más tokens consumen, lo que las convierte en un factor principal de excesos de costos.

En Docusign, la empresa de software de firmas electrónicas, el director de tecnología Sagnik Nandy dice que la organización ha tomado en serio el desafío de los costos. "Hemos tomado esto muy en serio, tanto en el caso de uso interno como en la difusión externa de esos aprendizajes", dice. Internamente, Nandy señala que cada ingeniero ha adoptado herramientas de IA y que el 75% del código que desarrollan es iniciado por IA.

Sin embargo, Nandy descubrió rápidamente que los agentes de codificación de IA estaban diseñados para acceder a toda la base de código de Docusign para obtener contexto antes de ejecutar una tarea. "Eso es muchos tokens, porque estás intentando leer todo", dice. Nandy reconfiguró los agentes de codificación para que la configuración predeterminada extraiga solo el contexto relevante para la tarea específica en la que está trabajando un desarrollador, reduciendo el uso de tokens en casi un 50%. La optimización ilustra cómo los equipos de ingeniería están aprendiendo que la arquitectura de prompts y la gestión del contexto—no solo la selección de modelos—pueden afectar drásticamente la economía unitaria de la implementación de IA.

Jim Dausch, director digital y de tecnología de Yum Brands—operador de KFC y Taco Bell—dice que el uso de tokens de IA aún no es "una cifra significativa, pero la trayectoria era algo que estábamos monitoreando". A principios de este año, notó que tanto el uso de tokens de IA como los gastos estaban aumentando dentro de la empresa de restaurantes.

Dausch sostiene que una gran mayoría de las tareas asignadas a herramientas de IA—quizás hasta el 95%—pueden ser manejadas por modelos más básicos y menos costosos. Desde entonces, Yum ha promovido capacitación adicional sobre la selección de modelos de IA y ha aconsejado a los líderes empresariales que gestionen el gasto digital con el mismo rigor que aplican a los presupuestos de personal de sus departamentos. "Estamos tratando de democratizar dónde residen los costos y cómo se gestionan, para que no sea solo una partida de TI", dice Dausch.

En Cigna Group, el gigante de la salud ha extendido su alcance al asociarse con múltiples proveedores de hyperscalers de IA, permitiendo a los empleados usar modelos de lenguaje pequeños o versiones anteriores más económicas para tareas que no exigen grandes capacidades de razonamiento. "La forma de realmente aumentar los costos es usar los modelos más caros sin salvaguardas", dice Katya Andresen, directora de datos, digital e IA de Cigna. Cigna ha autorizado más de 70 modelos de IA diferentes para uso interno. Aunque Andresen reconoce que el uso de cómputo y tokens de IA ha aumentado, el gasto total no está creciendo al mismo ritmo gracias a este enfoque multimodal. La estrategia refleja una visión más madura de las herramientas de IA como un portafolio estratificado—adaptando la capacidad y el costo del modelo a la complejidad de cada tarea, en lugar de recurrir por defecto a la opción más potente.

Shay Artzi, CTO de la correduría inmobiliaria Compass, dice que sus inversiones en IA se han centrado en tres grupos: ingenieros, la herramienta AI Assistant de la empresa que automatiza tareas para profesionales inmobiliarios y la fuerza laboral corporativa en general. Los ingenieros fueron los primeros en usar IA de manera extensiva, pero Artzi dice que fue cauteloso con el gasto de tokens desde el principio y nunca exigió que todo el código se escribiera con asistencia de IA.

Compass probó varias herramientas de codificación de IA antes de establecer asociaciones con dos líderes de la industria, Anthropic y Google, con ciertas restricciones financieras. "También establecimos presupuestos para cada ingeniero, para que sean conscientes de cómo están gastando", dice Artzi.

Por John Kell. Esta historia se publicó originalmente en Fortune.com.