Las empresas descubren que la IA cuesta más que contratar gente

Durante dos años, los departamentos de IT corporativos operaron bajo una premisa simple: adoptar IA era imperativo estratégico, y el costo vendría después. Ese después llegó. Entre mayo de 2026 y hoy, tres movimientos simultáneos revelan que el modelo económico de la IA empresarial no cierra: Microsoft filtra análisis interno mostrando que desplegar agentes autónomos sale más caro que contratar empleados full-time, Amazon cancela su leaderboard de uso de IA para evitar que equipos compitan por métricas de adopción sin retorno medible, y el Wall Street Journal documenta que decenas de Fortune 500 implementan cuotas departamentales de tokens. No es ajuste marginal: es racionamiento activo. El momento de la verdad llegó antes de lo esperado, y los CFOs recuperan el volante.

El fin del flat fee: GitHub Copilot mata su modelo predecible

La revuelta más visible ocurre en desarrollo de software. GitHub Copilot migró a facturación por token, eliminando la suscripción plana de $10 mensuales que había anclado expectativas desde 2023. Desarrolladores que integraron la herramienta en flujos diarios ahora enfrentan facturas variables que escalan con la complejidad del código generado. La reacción en foros técnicos es unánime: bait-and-switch. Lo que Microsoft vendió como infraestructura predecible se convierte en costo variable difícil de presupuestar. El cambio no es aislado — es síntoma de que los wrappers de modelos fundacionales no pueden sostener subsidios cruzados indefinidamente. Cuando el proveedor dominante en productividad de código abandona pricing fijo, el mensaje al mercado es claro: la fase de land-and-expand terminó.

La paradoja de Glean: vender consolidación cuando el problema es el costo base

Mientras las empresas recortan, Glean cruza $300M en ingresos anuales vendiendo búsqueda empresarial potenciada por IA con un pitch renovado: consolidar presupuestos fragmentados. La startup triplicó revenue posicionándose como la capa que evita pagar por seis herramientas distintas. Pero la paradoja es estructural. Las empresas no están racionando porque tienen demasiados vendors — están racionando porque el costo marginal de inferencia no baja lo suficientemente rápido. Glean captura valor en la transición, pero no resuelve la ecuación fundamental: si usar un agente de IA para tareas rutinarias cuesta más que el salario prorrateado de un analista junior, la propuesta de automatización colapsa. La consolidación ayuda en la superficie; el problema vive en la capa de compute.

Amazon y Microsoft: racionamiento desde adentro

Que Amazon elimine su leaderboard interno de uso de IA es confesión pública. Durante meses, la métrica incentivó adopción sin filtro de ROI — equipos competían por volumen de queries, no por impacto en negocio. Cancelar el tablero admite que la gamificación generó gasto sin retorno. En paralelo, el análisis filtrado de Microsoft compara costo total de ownership de agentes versus headcount: en escenarios de tareas semi-estructuradas, el agente pierde. No por capacidad técnica, sino por economía de escala invertida. Un empleado maneja ambigüedad y contexto cambiante sin costo marginal por iteración; un agente consume tokens en cada refinamiento. Ambas empresas — proveedores y usuarios masivos de IA — ajustan internamente antes de que los clientes externos lo exijan.

Qué mirar: 2026 como año bisagra

El racionamiento corporativo fuerza tres movimientos en los próximos trimestres. Primero, los wrappers que no agregan valor defensible más allá de UI sobre APIs de terceros enfrentan compresión de márgenes terminal. Segundo, los modelos fundacionales necesitan demostrar mejoras de eficiencia (tokens por tarea) más rápido que la curva de adopción — o la demanda se estanca. Tercero, emergen métricas nuevas: costo por tarea completada, no por millón de tokens; ROI por caso de uso, no por departamento. Para decision-makers, la pregunta dejó de ser «¿adoptamos IA?» y pasó a ser «¿en qué proceso específico el costo de inferencia es menor que la alternativa humana, y cómo medimos eso trimestre a trimestre?». Las empresas que contesten primero capturan la ventaja. Las que sigan comprando por FOMO, queman presupuesto hasta que finanzas cierre la llave — un patrón que ya documentamos cuando las corporaciones empezaron a frenar el gasto mientras los desarrolladores se negaban a trabajar sin IA. La tensión entre el desajuste entre ambición agéntica y capacidad organizacional se resuelve ahora no con roadmaps técnicos, sino con hojas de cálculo.