Imagina asignar todo el presupuesto de tu departamento de tecnología para un año entero… y verlo evaporarse en tan solo cuatro meses. Eso es exactamente lo que le acaba de suceder a Uber, y la causa tiene nombre: Claude Code.
El precio de la productividad sin límites
Uber implementó la herramienta de codificación con IA Claude Code en diciembre de 2025, y la adopción fue meteórica. De un 32% de ingenieros usándolo en febrero, se disparó a un asombroso 84% clasificados como usuarios «agénticos» en marzo. Para la primavera, un 95% de los ingenieros de Uber usaba herramientas de IA mensualmente, y aproximadamente el 70% del código comprometido se originaba en ellas.
Pero aquí viene el giro: el gasto escaló de forma tan salvaje que Uber agotó todo su presupuesto de IA para 2026 en abril, según confirmó su CTO Praveen Neppalli Naga a The Information. ¿Cómo es posible?
Por qué el modelo de «tokens» destroza los presupuestos
La clave está en la forma de cobro. Claude Code no tiene un precio fijo por usuario. En su lugar, factura según los «tokens» consumidos en cada llamada al modelo. Esto significa que el coste puede variar enormemente: un ingeniero usando sugerencias de autocompletado genera una factura minúscula comparada con otro coordinando múltiples agentes de IA en paralelo.
Los números son reveladores:
- Costo mensual promedio por ingeniero: entre $150 y $250.
- Usuarios avanzados: entre $500 y $2.000.
- El propio CTO Naga reportó gastar $1.200 en una sola sesión de dos horas durante una demostración personal.
Uber creó un incentivo cultural al clasificar a los ingenieros en cuadros de honor según su uso de Claude Code, lo que fomentaba directamente un mayor consumo de tokens y, por ende, una quema más rápida del presupuesto.
La fórmula de Microsoft frente al caos de los tokens
Mientras Anthropic (creador de Claude) usa un modelo de consumo variable, otros gigantes como Microsoft han optado por un camino opuesto. Su Microsoft 365 Copilot Enterprise se vende a $30 por usuario al mes con un compromiso anual. Esto le da a los equipos financieros un ítem de costo plano y predecible que pueden multiplicar por el número de empleados.
Pero la tendencia general parece inclinarse hacia modelos de consumo. GitHub, por ejemplo, moverá su Copilot a un sistema basado en créditos el 1 de junio. Y los analistas, citados por InfoWorld, esperan que la mayoría de los proveedores introduzcan «piscinas» de consumo separadas para agentes en los próximos 12 a 24 meses.
¿Y la defensa de la productividad?
El argumento habitual es que la IA se paga sola con las ganancias de productividad. Pero el caso de Uber lo complica. Las ganancias marginales de un ingeniero senior ejecutando flujos de trabajo complejos con agentes deben superar una barrera de costo de tokens mucho más alta. Además, los ahorros por productividad no aparecen en la misma línea contable que los costes de IA, por lo que los equipos financieros no pueden compensarlos fácilmente.
El problema también es de gobernanza. Según datos citados en la cobertura de este caso, solo el 43% de las organizaciones tienen políticas formales de gobernanza de IA, y apenas un 21% tienen una gobernanza «agéntica» madura. Uber desplegó Claude Code en toda la organización sin los controles de gasto que los equipos de DevOps aplican rutinariamente a la computación en la nube.
Lo que deben aprender todos los CFO
La experiencia de Uber deja tres lecciones clave para cualquier empresa que esté adoptando herramientas de codificación con IA:
- La economía de las pruebas piloto no predice la economía a escala. Los pilotos suelen involucrar a pocos ingenieros usando funcionalidades básicas, mientras que el despliegue masivo implica a equipos completos delegando flujos de trabajo complejos a agentes.
- Las estructuras de incentivos importan tanto como el precio. Cualquier despliegue que recompense el uso sin límites debe ser modelado como un pasivo ilimitado hasta que se demuestre lo contrario.
- Se viene un cambio estructural en la facturación. El anuncio de Anthropic del 15 de junio sobre la creación de «piscinas de crédito» separadas para herramientas agentes señala el fin del uso programático subsidiado. Las empresas que pronosticaron costos planos verán aumentar sus costos unitarios.
Uber no está frenando su apuesta por la IA. Naga planea probar el Codex de OpenAI junto a Claude Code, y su visión a largo plazo es que los ingenieros agentes manejen la codificación, las pruebas y el despliegue, con los humanos actuando como orquestadores. La pregunta abierta para los consejos de administración ya no es si deben desplegar estas herramientas, sino si sus funciones financieras tienen alguna visibilidad de lo que costarán cuando los ingenieros dejen de contenerse.









