Por qué las empresas tienen dificultades para calcular el retorno de la inversión en IA
La ola inicial de "tokenmaxxing" —donde los directores ejecutivos fomentaban un uso agresivo y sin control de la IA— se está enfrentando a un duro golpe de realidad a medida que los presupuestos corporativos son sometidos a escrutinio. A medida que las empresas superan la fase de experimentación, el desafío central ha pasado de la simple adopción a la demostración de un retorno de la inversión (ROI) tangible.
Del "tokenmaxxing" a la responsabilidad presupuestaria
A principios de este año, Silicon Valley se vio atrapado por el "tokenmaxxing", una tendencia en la que las organizaciones llevaban el uso de la IA a sus límites absolutos para maximizar su capacidad. Sin embargo, las implicaciones financieras de este entusiasmo desenfrenado están saliendo a la luz. Los informes indican que grandes actores como Uber supuestamente agotaron sus presupuestos anuales de IA en cuestión de pocos meses.
Este aumento en el consumo ha dado lugar a una fase correctiva en el panorama empresarial. Estamos viendo a organizaciones reducir su escala, como empresas que recortan licencias de Claude para departamentos específicos, e incluso se informa que Meta ha discontinuado su tabla de clasificación interna de IA. Estos movimientos señalan un cambio de una mentalidad de "crecimiento a toda costa" hacia una de rigurosa disciplina fiscal y gestión de recursos.
La búsqueda de los "momentos mágicos" y los agentes personales
A pesar del ajuste presupuestario, la socia de NEA, Tiffany Luck, se mantiene optimista sobre el potencial transformador de la IA, particularmente dentro del sector de consumo. Luck enfatiza la importancia de identificar los "momentos mágicos": esos casos específicos en los que la IA ofrece una utilidad innegable y de alto valor al usuario final.
La industria está yendo más allá de los simples chatbots hacia el desarrollo de agentes personales sofisticados. Estos agentes representan la próxima frontera de la IA, pasando de ser herramientas reactivas a asistentes proactivos capaces de navegar tareas complejas. Para los capitalistas de riesgo y fundadores, el objetivo es superar las implementaciones genéricas de LLM y construir agentes especializados que resuelvan problemas de alta fricción de maneras que justifiquen sus significativos costes operativos.
El auge de la gestión del gasto en IA
A medida que se reduce la brecha entre el bombo publicitario de la IA y la productividad real, está surgiendo un nuevo subsector de startups para cerrar esa división. Las empresas tienen actualmente dificultades para rastrear los costes granulares de las llamadas a la API de los modelos, el cómputo y las licencias de usuario frente al valor real generado.
Esto ha creado una oportunidad masiva para las startups centradas en la observabilidad de la IA y la gestión de gastos. Las empresas buscan herramientas que proporcionen transparencia en su stack de IA, permitiéndoles ver exactamente dónde se están consumiendo los tokens y si estos están generando ingresos o simplemente aumentando los gastos operativos. La capacidad de vincular el gasto en IA con resultados de negocio específicos será el factor determinante para las empresas que integren con éxito la IA en sus flujos de trabajo principales.
Conclusiones clave
- Realismo presupuestario: La era del "tokenmaxxing" desenfrenado está llegando a su fin, a medida que empresas como Uber se enfrentan a un rápido agotamiento de sus presupuestos, lo que conduce a una adquisición de IA más disciplinada.
- Cambio hacia los agentes: El enfoque se está desplazando de los LLM de propósito general hacia agentes personales especializados que aspiran a ofrecer "momentos mágicos" de utilidad específicos.
- Nuevas necesidades de infraestructura: Existe un mercado creciente de software especializado diseñado para ayudar a las empresas a rastrear, gestionar y optimizar su retorno de inversión en IA.