Uber afirma haber encontrado un enfoque más sostenible para el despliegue de IA tras agotar su presupuesto completo de inteligencia artificial para 2026 en los primeros meses del año.

En una entrevista con The Information a principios de este año, el director de tecnología de Uber, Praveen Neppalli Naga, reconoció que volvió "a la mesa de dibujo" sobre la asignación de gastos después de que la empresa incentivara a sus empleados a usar herramientas de IA —en particular Claude Code de Anthropic, un asistente de programación con IA que ayuda a los ingenieros a escribir, depurar y revisar software— de la manera más intensiva posible. Uber incluso creó "tablas de clasificación" internas para clasificar a los ingenieros de software según su uso de herramientas de IA.

El impulso reflejó una tendencia corporativa más amplia conocida como "tokenmaxxing", en la que las empresas incentivaron la adopción de IA en el entorno laboral, solo para que muchas se retractaran cuando los retornos de inversión no justificaban el gasto acelerado. El término deriva de tokens —las unidades básicas de texto que los modelos de lenguaje extenso procesan y por las que los proveedores facturan—, lo que convierte el consumo bruto de tokens en un indicador aproximado del gasto en IA. Uber no fue la excepción, pero Naga afirmó que la empresa ha desarrollado desde entonces un modelo de despliegue más eficiente.

"Estamos viendo algunas tendencias muy interesantes en los costos de IA", escribió Naga en una publicación de X el miércoles. "Creo que es otra señal de que se acerca el fin de la llamada era del tokenmaxxing."

Naga explicó que Uber cuadruplicó el número de empleados que utilizan herramientas de IA de vanguardia, lo que redujo el costo por token. La empresa logró esto mediante la mejora del almacenamiento en caché de prompts, ajustes en la configuración predeterminada de los modelos, evaluación centrada en la eficiencia de los nuevos modelos, y paneles de control que permitieron a los ingenieros monitorear su uso y costos de IA por hora.

"Uno podría esperar que los costos aumenten a medida que se acelera la adopción", continuó Naga. "Nosotros hemos visto lo contrario. No porque hayamos restringido el acceso, sino porque hemos tratado la eficiencia como un problema de ingeniería y no como un problema presupuestal."

Aumentan las presiones para obtener retornos de la IA

La presión aumenta sobre las empresas para demostrar retornos de sus sustanciales inversiones en IA. En julio, Jim Reid, director global de investigación macro y temática del Instituto de Investigación de Deutsche Bank, advirtió que las ganancias de productividad por la IA aún están a años de distancia.

Según Apollo, los márgenes de beneficio de los Magnificent Seven —Apple, Microsoft, Nvidia, Alphabet, Amazon, Meta y Tesla— se expandieron del 15% al 25% entre el primer trimestre de 2023 y el primer trimestre de 2026, mientras que el resto del S&P 500 experimentó solo un crecimiento del 10% en sus márgenes durante el mismo período, lo que sugiere retornos limitados de la inversión en IA fuera del sector tecnológico inmediato.

Hasta mayo, Uber todavía estaba trabajando para traducir su inversión en IA en mejoras medurables de sus productos.

"Ese vínculo aún no existe", dijo el presidente y director de operaciones de Uber, Andrew Macdonald, en una aparición en el podcast Rapid Response. "Implícitamente quizás haya más que se está produciendo, pero es muy difícil trazar una línea entre una de esas estadísticas y 'Bien, ahora realmente estamos produciendo un 25% más de funciones útiles para el consumidor.'"

La paradoja de Jevons se cierne sobre el gasto en IA

A medida que Uber desarrolla estrategias para reducir los costos por token, la empresa se enfrenta a un riesgo que los economistas han señalado desde hace tiempo: la paradoja de Jevons, en la que el gasto total en un recurso aumenta incluso cuando su costo unitario disminuye.

El nombre proviene del economista del siglo XIX William Stanley Jevons, quien observó en 1865 que el consumo de carbón se disparó a pesar de que la máquina de vapor de Watt hacía más eficiente su uso. El concepto se está manifestando ahora en la IA.

Según el Silicon Data Token Expenditure Index, el precio de un solo token ha caído más del 90% desde 2023, sin embargo, el gasto en modelos de lenguaje extenso se ha duplicado desde finales del año pasado.

"A medida que los tokens se abaratan, las empresas no gastan menos, sino que ejecutan más agentes de IA, automatizan más flujos de trabajo y generan más código, lo que eleva el gasto agregado incluso cuando el costo unitario de la inteligencia se desploma", escribió el economista jefe de Apollo, Torsten Slok, en una reciente publicación de blog.

Un informe de Bain & Co. publicado en junio respaldó este hallazgo. Reportó que los costos por token se redujeron a la mitad entre diciembre de 2024 y 2025, mientras que los tokens consumidos crecieron un 450% durante el mismo período a medida que las empresas actualizaban sus herramientas de IA.

Naga señaló un cambio en la filosofía de Uber hacia priorizar la calidad sobre la cantidad en el gasto de tokens, aunque no reveló si la empresa está consumiendo más o menos poder de cómputo que al inicio del año.

"Este es el futuro de la IA aplicada a escala empresarial", concluyó. "La próxima fase, como quiera que la llamemos, no se caracterizará por quién gasta más tokens, sino por cómo las personas los usan de la manera más eficiente posible."

Esta nota fue publicada originalmente en Fortune.com.