Según informó Bloomberg, la empresa Uber decidió poner un tope al uso interno de herramientas de inteligencia artificial después de comprobar que su presupuesto anual se había consumido en apenas cuatro meses.
El hallazgo revela un mecanismo que ya inquieta a buena parte del sector tecnológico: la IA puede acelerar tareas, pero también disparar costos a una velocidad difícil de controlar. En Uber, el límite fijado fue de 1.500 dólares por empleado y por mes para cada herramienta de codificación basada en IA, entre ellas Claude Code, de Anthropic, y Cursor.
La pieza clave es que el gasto no estaba oculto. Cada empleado puede seguir su consumo desde un panel interno, una especie de tablero de luz que muestra qué interruptor está encendido y cuánto está drenando del sistema central. En algunos casos, además, es posible superar el tope, aunque solo con autorización.
Eso fue exactamente lo que cambió en Uber. La compañía había empujado a sus equipos a usar IA “todo lo posible” e incluso había creado clasificaciones internas para fomentar esa adopción. El engranaje, sin embargo, mostró una falla simple: usar más no siempre significa producir mejor.
También te puede interesar:Uber Utiliza su Propia App Como Plataforma de Entrenamiento para IA, y Paga por tus DatosEl interruptor del gasto y la duda sobre la productividad
El director de operaciones de Uber, Andrew Macdonald, fue claro al plantear esa duda. Según Fortune, le resulta difícil trazar una relación directa entre el uso de IA y la llegada de nuevas funciones para los consumidores.
No es una objeción menor. En términos prácticos, la empresa está diciendo que todavía no encuentra una fórmula simple para medir si cada dólar invertido en asistentes de código, programas que ayudan a escribir software, se traduce en mejoras concretas para el usuario final.
Y ese punto conecta con un fenómeno más amplio. The Wall Street Journal mostró que varias compañías ya empezaron a racionar estas herramientas ante el aumento de costos, mientras que un reporte citado por Bloomberg sugiere que el retorno de inversión sigue siendo, en gran medida, teórico.
Es decir: la promesa existe, pero la evidencia todavía se arma pieza por pieza.
También te puede interesar:Uber Utiliza su Propia App Como Plataforma de Entrenamiento para IA, y Paga por tus DatosUna señal para toda la industria
El caso de Uber también deja una aplicación práctica para otras empresas. Si la IA ya se volvió una infraestructura cotidiana, necesita medidores, topes y reglas de uso igual que cualquier servicio esencial. No alcanza con sumar herramientas. Hace falta decidir dónde generan valor y dónde solo suman consumo.
Incluso dentro de la fiebre actual por automatizar tareas, aparece una oportunidad más sobria: usar la IA como un refuerzo y no como un grifo sin control. Ese matiz puede ser la clave para que la inversión deje de ser una apuesta abstracta y se convierta en una mejora visible. Porque a veces innovar no consiste en encender más interruptores, sino en descubrir cuáles realmente iluminan la casa.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
