Branden Jenkins estaba cenando cuando una mirada a su teléfono cambió la velada. Al revisar su panel de uso de IA, el CEO descubrió que su sesión de programación del fin de semana le había costado $1,000 — cobrados automáticamente, en incrementos de $1,000, a una tarjeta configurada para renovarse sola.

Jenkins dirige Maxio, una empresa de software respaldada por capital privado y con sede en Atlanta que va camino a alcanzar $100 million en ingresos anuales en los próximos años. Maxio vende software de facturación por suscripción y gestión de ingresos a otras empresas de software B2B. Según el propio Jenkins, también se ubica cerca de la cima de la clasificación interna de gasto en IA de la compañía, una posición inusual para un director ejecutivo. “Diría que $1,000 no es tanto, pero para un solo fin de semana es bastante molesto”, dijo en una entrevista con Fortune. Al describir a su agente como “cocinando”, resumió su reacción así: “Wow, acabo de llegar rápido”.

Dentro de su empresa —y en términos más amplios en la América corporativa— el episodio se ha convertido en una especie de parábola sobre la rapidez con la que las herramientas de IA “agentic” pueden consumir dinero antes de que alguien lo note, hasta que llega la factura. Pero Jenkins dijo que la factura sorpresa no es lo que lo mantiene despierto por la noche. El problema más profundo es más desordenado y humano: la “inseguridad” de sus propios empleados ante la posibilidad de quedar rezagados frente a la tecnología —y frente a él.

Cómo un fin de semana se convirtió en una lección de $1,000

Jenkins se describe como un CEO técnico que construye sus propios agentes y automatizaciones. Puede escribir código desde su teléfono usando Claude incluso cuando está lejos de su escritorio — y así terminó depurando e iterando sobre un proyecto durante la cena. La cartera de tokens que había configurado para financiar esas sesiones estaba programada para recargarse automáticamente en $1,000 cada vez que se agotara, reabasteciendo silenciosamente su tarjeta sin requerir una segunda reflexión — hasta que vio el total.

“No tengo límites donde muchos de mis empleados llegan a topes y tienen que pedir aprobación”, dijo Jenkins, describiendo su presupuesto interno ilimitado como una ventaja y una carga a la vez. “Así que empecé a profundizar y a preguntarme: ‘¿Cómo se ve esto?’”.

Los proveedores de IA, como Anthropic y OpenAI, facturan por token — los fragmentos de texto que los modelos leen y generan — por lo que los cargos se acumulan línea por línea a medida que las conversaciones se alargan y se acumulan los reintentos. Lo que encontró, dijo, es que gran parte del despilfarro se debe a la selección del modelo y a la deriva conversacional descontrolada — un sistema de IA que lleva a un usuario por caminos que nunca quiso recorrer. “Muchas veces son los propios errores del agente los que están quemando tu dinero”, dijo Jenkins. “Terminas simplemente conversando, y las cosas se te van de las manos”.

Recordando sus diálogos con sus bots, dijo: “Estás como, ‘Sí, sí, me gusta, más de eso, más de eso’. De repente terminas en quién sabe dónde, y dices, ‘No, no quiero eso en absoluto’. Así que parte de ese dinero simplemente se desperdicia porque te llevó hasta allí”.

Su experiencia refleja un patrón ya bien documentado en la industria. Gartner ha estimado que los modelos de IA agentiva pueden requerir entre 5x y 30x más tokens por tarea que una interacción estándar con un chatbot, y una encuesta de WitnessAI encontró que el 68% de las empresas de EE. UU. dice que al menos algunas de sus iniciativas de IA superaron el presupuesto en el último año, y un tercio afirma que los sobrecostos ocurren “mostly or always”. George Sivulka, CEO de Hebbia, lo resumió de forma memorable al escribir que usar agentes significa “you just hired a million bad employees”.

Las consecuencias incluso han recibido un apodo: “tokenmaxxing”, jerga del sector para maximizar el uso sin límites de la IA. Uber habría consumido todo su presupuesto de programación con IA de 2026 en cuatro meses, y Amazon habría gastado $500 million en IA en un solo mes después de habilitar el acceso sin límites de uso — el mes en que “tokenmaxxing” murió. En comparación, el fin de semana de $1,000 de Jenkins es un redondeo, pero el punto, señaló, es que es dinero real. “No hay botón de reembolso. No hay botón de disputa en Claude”, dijo Jenkins, y añadió que quizá debería existir.

Trucos del oficio

Después del incidente en la cena, Jenkins buscó formas de reducir su propio consumo de tokens — gran parte de ello, según contó, aprendido de consejos de optimización de IA que circulaban en TikTok más que de su propio equipo de ingeniería. Comenzó a enrutar distintas tareas a distintos modelos según su complejidad: modelos más ligeros como Haiku de Claude, el nivel más pequeño y barato de Anthropic, para matemáticas básicas; modelos de nivel intermedio como Sonnet para programación rutinaria; y los modelos más caros, con mayor capacidad de razonamiento, reservados para la planificación estratégica real.

También adoptó lo que llamó capas de orquestación — herramientas de terceros, a menudo distribuidas como repositorios gratuitos de GitHub, diseñadas para comprimir la salida de la IA y reducir tokens desperdiciados. Una de ellas, a la que llamó “Caveman mode”, obliga a un asistente de IA a responder con frases cortas y directas en lugar de respuestas largas y elaboradas, lo que Jenkins estimó que reduce el uso de tokens en 70%. Otro modo que describió, “grunt mode”, comprime las respuestas a una o dos palabras: “Es muy trivial”. Nombró otras herramientas, incluidas “Superpowers” y “Ponytail”, como parte del mismo ecosistema clandestino de trucos para ahorrar costos.

La advertencia, dijo Jenkins, es que nada de eso está al alcance de un empleado común. “Son cosas de nerds”, dijo. “¿Necesitamos que los líderes de ventas, de servicio y de marketing encuentren estas cosas?” Esa brecha — entre lo que saben usuarios avanzados como él y lo que puede acceder el resto de la fuerza laboral — es donde, según él, comienza el verdadero riesgo organizacional.

Por qué advierte que la inseguridad, y no el costo, es la mayor amenaza

Al pedirle que clasificara los problemas que ha encontrado al desplegar IA entre sus varios cientos de empleados, Jenkins no comenzó por el costo. Señaló tres fuerzas que, según dice, debe gestionar activamente: ineficiencia, desigualdad y — la que repitió varias veces — inseguridad.

Jenkins explicó que le enorgullece que todos en su empresa estén convirtiéndose en constructores con permisos de vibe-coding, pero el cambio resulta disruptivo en un sentido muy humano.

“[El sobregasto de tokens] realmente no es el problema, pero fácilmente podría ser la excusa”, dijo Jenkins. Describió cómo construía herramientas y automatizaciones dentro de los departamentos de su propio equipo directivo, sin que nadie se lo pidiera, simplemente porque había aprendido a hacerlo — y observó cómo la reacción se volvía incómoda. “Uno de ellos vino a decirme: ‘Esto me puso tenso. Debería ser yo quien te traiga estas cosas. Tengo que ponerme al día. Me siento muy atrasado’”.

El patrón, dijo, se repitió en varios niveles de gestión: “¿Estoy haciendo bien mi trabajo? ¿Estoy manteniendo el ritmo? ¿Esto reemplazará mi trabajo? ¿Esto reemplazará a los miembros de mi equipo?”

También señaló una versión de esa misma ansiedad a nivel de departamento, derivada del acceso desigual a las herramientas. Su empresa implementó inicialmente ChatGPT en toda la compañía y luego comenzó a licenciar el más caro Claude para un grupo más pequeño de unas 50 personas concentradas en ventas y marketing, lo que generó quejas de los equipos excluidos. “La gente decía: ‘Un momento, ¿por qué yo no tengo Claude? ¿Por qué ellos sí y nosotros no?’”, comentó. “Eso es una desigualdad”.

Jenkins sostiene que, en última instancia, esa ansiedad es más corrosiva para la cultura de una empresa que cualquier factura aislada descontrolada, porque condiciona si los empleados usan las herramientas o si las resisten en silencio por temor.

Construir un organigrama para humanos y agentes

La respuesta de Maxio, dijo Jenkins, ha sido estructural. Todo su equipo de liderazgo ejecutivo pasó por un ejercicio formal de diseño organizacional en el que cada directivo trazó su departamento no solo en términos de las personas que le reportan, sino también de los agentes de IA que esas personas ahora gestionan directamente. El resultado, afirmó, es un organigrama híbrido literal — nombres humanos y funciones de agentes superpuestos — que la empresa trata como un documento de gestión vivo.

También amplió la organización de DevOps de la compañía específicamente para gobernar el creciente número de herramientas internas creadas por empleados y codificadas de forma informal — lo que él y otros en la industria llaman software “vibe-coded” — que se han convertido en piezas de soporte esenciales del negocio pese a haber nacido como proyectos paralelos. “No puede depender solo de Tim, que lo vibe-codeó el fin de semana”, dijo Jenkins, aludiendo al riesgo de continuidad si el empleado que construyó una herramienta interna crítica se va o enferma, además de las preguntas aún sin resolver sobre seguridad y escalabilidad.

La historia financiera más grande, según él, no es el sobrecosto ocasional de cuatro cifras en tokens, sino un cambio en la matemática laboral subyacente de la empresa. Jenkins dijo que la plantilla de Maxio ha dejado de crecer al mismo ritmo que los ingresos, elevando su ratio de ingresos recurrentes anuales por empleado — una métrica que considera la señal más clara de lo que la IA está haciendo realmente a su estructura de costos, en contraste con la factura de tokens, más visible pero comparativamente menor.

“No estoy diciendo que queramos reducir una gran cantidad de personal por culpa de la IA, pero no deberíamos crecer al mismo ritmo que antes”, dijo Jenkins. “Ese es un gran cambio en nuestro negocio, y todo se atribuye a la IA”. También estuvo de acuerdo en que el aviso ocasional de $1,000 en consumo de tokens durante la cena es como un impuesto que uno paga — un colega agente de IA simplemente entendió mal cuál era el trabajo.

Jenkins dijo que no ve nada de eso como una razón para retroceder. “Ahora mismo hay tanto valor bueno que supera gran parte de esto”, afirmó, argumentando que las ganancias de eficiencia derivadas de la adopción de IA son lo suficientemente grandes como para que el desperdicio ocasional, los desvíos provocados por alucinaciones e incluso las facturas sorpresa de cuatro cifras sean simplemente el costo de llegar allí. Cuando le contaron por primera vez los trucos de Jenkins para ahorrar tokens, su jefe de ingeniería los desestimó, diciéndole que la empresa “no está en el nivel de gastar más en A.I. que [en] personas, porque hay ejemplos de eso allá afuera. No estamos ni cerca de eso”. Jenkins dijo que no estaba en desacuerdo, pero está convencido de que ese día llegará. “Probablemente será algo”.

Para esta historia, los periodistas de Fortune utilizaron IA generativa como herramienta de investigación. Un editor verificó la exactitud de la información antes de publicar.

Esta historia apareció originalmente en Fortune.com.