Publicado: junio 24, 2026, 12:23 pm
<![CDATA[
Las empresas se encuentran hoy en un punto de inflexión crítico respecto al uso de la Inteligencia Artificial. Lo que comenzó como un entusiasmo desmedido por la automatización y la eficiencia ahora choca con el problema financiero de que el costo operativo de estas herramientas está drenando los presupuestos corporativos. Esta situación surge del fenómeno conocido como “tokenmaxxing”, una tendencia donde el deseo de maximizar la productividad a través de la IA lleva a un uso indiscriminado de los modelos más avanzados para cualquier tarea, sin importar su complejidad. El resultado es una factura mensual que muchas organizaciones no previeron.
La falta de control sobre estos gastos no es solo un problema de los datos en sí, sino de una carencia de estructuras organizativas. De acuerdo con Marcos Grilanda, vicepresidente y gerente general de Databricks en Latinoamérica, muchas compañías incentivaron a sus empleados a usar la IA sin establecer «barreras de contención» o límites claros, lo que provocó que los costos «vuelen». Uber es un caso emblemático. La empresa informó que agotó su presupuesto anual de IA durante los primeros tres meses del año, por lo que fijó un límite mensual de 1,500 dólares por empleado para herramientas de programación. La medida afecta a los programadores de la compañía, quienes ya cuentan con un panel individual en donde pueden monitorear su consumo de tokens y, en caso de necesitar más, iniciar un proceso formal para solicitarlos y aumentar su presupuesto, una disposición que también se ha replicado en firmas como Microsoft, Meta o Salesforce, entre otras. Ante este escenario, la implementación de un gobierno de datos robusto se presenta como una necesidad del negocio. “No se trata de frenar la innovación, sino de administrarla”, afirma Marcelo Sales, director general de tecnología de Databricks. “El control de costos permite, por ejemplo, que una consulta sobre los clientes sea enviada a un modelo más económico, mientras que una planeación estratégica compleja se reserve para un modelo de última generación. Esta capacidad de elección y direccionamiento es lo que garantiza que la IA sea sostenible a largo plazo”. Los especialistas resaltan que estas tecnologías de gobernanza actúan como una «capa de mediación» automática que elige la forma más eficiente de resolver una solicitud sin que empleados de áreas como marketing tengan que ser expertos en la tecnología. Esta estructura de gobernanza no solo previene sorpresas en la cuenta final del mes, sino que también otorga confianza a los directivos para acelerar la adopción de la tecnología. “El miedo a un costo desconocido es, hoy en día, una de las principales barreras para que las empresas permitan que su personal explore todo el potencial de la IA”, comenta Grilanda. En México, la madurez se encuentra en 52 puntos, una cifra que está por encima del promedio global y la inversión en IA creció un 107% en un solo año, según el informe AI Maturity Index de Service Now, sin embargo, Enrique Upton, director general de la firma para norteamérica, resalta que el 69% de las organizaciones del país aún enfrentan problemas de precisión y acceso a los datos. “Incluso los agentes más sofisticados no pueden operar de manera confiable”, puntualiza.
La estructura de los datos también evita las alucinaciones
Las herramientas de organización y gobernanza de datos no solo ayudan a evitar fugas de gasto. Al estructurar información dispersa —ya sea en audios, videos o documentos— y definir conceptos clave para la organización, también se reducen las alucinaciones que pueden impactar negativamente en la operación del negocio. Por ejemplo, el término «ingreso» puede significar cosas distintas en la banca, las telecomunicaciones o el comercio minorista. Por ello, las plataformas de gobierno de datos crean una «ontología de datos» que mapea las relaciones del negocio. Esto permite que la IA entienda no solo el dato aislado, sino también su relación con el resto de la organización, explica Enrique Perezyera, country manager de Databricks en México. El contexto empresarial ayuda a la IA a entender el lenguaje interno y las expresiones propias de cada compañía. Al capturar estos «fragmentos de conocimiento», la IA deja de dar respuestas genéricas y empieza a operar bajo las reglas y definiciones exactas de la organización, lo que aumenta drásticamente su eficiencia y precisión, además de reducir la posibilidad de que invente información ante la falta de datos precisos. Ante este contexto, para los expertos establecer límites diarios de gasto por empleado o departamento no es una medida restrictiva, sino una estrategia de salud financiera y a medida que las organizaciones ganan experiencia, pueden ir incrementando estos límites y permitiendo usos más complejos. La clave se encuentra en no adoptar la tecnología a ciegas, sino bajo un marco de control que asegure que cada token invertido genere un valor real y tangible para el negocio. “Poner límites a la IA es, paradójicamente, la mejor manera de liberarla”, concluye Grilanda. “Solo cuando una empresa sabe cuánto va a gastar y confía en la veracidad de lo que la IA responde, puede integrarla plenamente en su ADN operativo”.
]]>
