Los puntos de referencia de Ramp le dicen a dónde fue su dinero de IA
Puede saber a dónde fue su dinero de IA. ¿Sabe qué compró?
Ramp publicó algo que vale la pena leer este año. Con datos reales de pagos de miles de empresas, trazaron cómo es realmente el gasto en tokens de IA según el tamaño de la empresa, el nivel del modelo y la profundidad de uso. El gasto mensual medio es de 2.246 $. El percentil 75 es de 14.843 $. El percentil 90 es de 73.030 $. El uso de tokens creció un 1.001% entre January 2025 y April 2026.
Son cifras reales. Datos de facturas reales. Pero, ¿qué pasa cuando tenemos en cuenta el desperdicio de tokens?
Cómo se ven los puntos de referencia con un 40% a 60% de desperdicio de tokens
Las 2 publicaciones anteriores de esta serie argumentaban que el desperdicio de tokens es un problema de comportamiento, no de infraestructura. Los equipos sin capacitación regeneran salidas. Vierten el contexto. No descomponen las tareas. Enrutan todo al modelo de frontera porque nadie les dijo que no lo hicieran.
Cuando el propio equipo de ingeniería de GitHub auditó sus flujos de trabajo de agentes en producción, encontraron suficiente desperdicio como para reducir los costes efectivos de tokens entre un 37% y un 62% en sus automatizaciones más utilizadas, sin cambiar lo que producían los flujos de trabajo. Así es como se ven los puntos de referencia de Ramp al aplicar ese rango.
Con un 40% de desperdicio:
| Nivel de gasto | Total mensual | Desperdiciado | Productivo |
|---|---|---|---|
| Media | 2.246 $ | 898 $ | 1.348 $ |
| Percentil 75 | 14.843 $ | 5.937 $ | 8.906 $ |
| Percentil 90 | 73.030 $ | 29.212 $ | 43.818 $ |
Con un 60% de desperdicio:
| Nivel de gasto | Total mensual | Desperdiciado | Productivo |
|---|---|---|---|
| Media | 2.246 $ | 1.348 $ | 898 $ |
| Percentil 75 | 14.843 $ | 8.906 $ | 5.937 $ |
| Percentil 90 | 73.030 $ | 43.818 $ | 29.212 $ |
La organización en el percentil 90 que gasta 73.030 $ al mes puede estar obteniendo 29.212 $ en valor productivo de tokens. Los otros 43.818 $ son bucles de regeneración, volcados de contexto y llamadas de agentes sin restricciones.
Anualice eso. En el percentil 90 con un 60% de desperdicio, está dejando aproximadamente 525.000 $ al año sobre la mesa. No en ganancias de eficiencia que aún no ha capturado, sino en gastos que no produjeron nada.
¿Qué ROI requiere esto realmente?
Si su tasa de desperdicio es del 40%, sus tokens productivos deben generar un retorno sobre toda su factura, no solo sobre la parte que funcionó. Si su objetivo es un ROI de 3x en su inversión en IA, la parte productiva debe aportar 5x para cubrir el desperdicio. Con un 60% de desperdicio, ese número es 7,5x.
| Tasa de desperdicio | ROI objetivo | Retorno requerido del gasto productivo |
|---|---|---|
| 0% (sin desperdicio) | 3x | 3x |
| 40% de desperdicio | 3x | 5x |
| 60% de desperdicio | 3x | 7,5x |
La mayoría de los casos de negocio de IA se construyen sobre la cifra de gasto nominal. No tienen en cuenta el desperdicio. Eso significa que los proyectos que parecen viables en papel pueden requerir retornos que nunca fueron realistas, y los que parecían marginales ya pueden estar bajo el agua. Estas son las matemáticas que no están en el informe de Ramp. No es una crítica. Es una pregunta diferente.
Ramp le dice a dónde fue el dinero, no qué compró
El producto de Ramp le ofrece el gasto por proveedor, por modelo, por equipo y por mes. Eso es visibilidad del gasto. Es necesaria. Y se detiene justo antes de la pregunta que realmente determina si sus inversiones en IA están funcionando: ¿qué produjeron esos tokens?
No a nivel operativo de forma global. Específicamente. ¿El flujo de trabajo que ejecutó 4,2 millones de tokens el mes pasado cambió la velocidad de entrega de su equipo? ¿Eliminó un paso de revisión? ¿Movió una métrica de ingresos? ¿Redujo el retrabajo, comprimió el tiempo del ciclo o produjo un resultado medible que no existía antes? ¿Fue la automatización o la inteligencia efectiva, o solo cara?
Sin respuestas a esas preguntas, usted tiene una factura. No tiene una tesis de inversión.
Esta es la brecha que Clairet está diseñado para cerrar. No el seguimiento de gastos: el seguimiento de resultados. Cada iniciativa de IA vinculada a una línea base, un responsable y una métrica de éxito antes de su lanzamiento. Cada proyecto medido frente a los resultados que prometió, no a los tokens que consumió. Saber a dónde fue su dinero de IA es el paso 1. Saber qué retornó, operativa y financieramente, es lo que hace que la próxima decisión de inversión sea una decisión, no una suposición.
El entusiasmo exagerado no es una estrategia. Encuentre información y dirección con Clairet. Solicite una demo.
Fuentes: Ramp, “How Much Do AI Tokens Cost Businesses? 2026 Spending Benchmarks,” June 8, 2026 (datos de April 2026); GitHub, “Improving token efficiency in GitHub Agentic Workflows,” May 7, 2026.