El desperdicio de tokens es un síntoma
El verdadero costo de implementar la IA sin capacitación.
Dar IA a los empleados sin formación le ha costado a su empresa tiempo, dinero y personal. Los estudios de GitHub sugieren que entre el 40 % y el 60 % de todo el dinero gastado en tokens de IA se desperdicia. Se esfuma en pasos repetitivos, instrucciones poco claras y resultados deficientes que hay que rehacer. Y las soluciones que se ofrecen para reducir el desperdicio de tokens no son convincentes:
- Hablar como un “cavernícola”
- Horas de acceso limitadas
- Recortar el contexto cada 2 pasos
Desde el simple desperdicio de tokens hasta las crecientes tensiones internas y estructurales, la falta de honestidad y de conocimiento sobre la IA está mermando la estabilidad financiera y cultural. Si esto continúa, las empresas se encontrarán bajo una presión financiera y operativa cada vez mayor, lo que obligará a más de ellas a cerrar sus operaciones. La solución es sencilla, aunque no sea bonita ni popular: las empresas deben educarse seriamente a sí mismas y a sus empleados sobre la IA.
Reglas escritas con sangre frente a dinero
“Las reglas de seguridad se escriben con sangre”, me regañó mi jefe en Quiznos después de que me cortara los dedos al limpiar mal una cortadora de fiambre. Créame, no volví a cometer ese error.
Sin embargo, las empresas siguen desangrándose poco a poco al usar la IA de formas sorprendentemente ineficientes. En lugar de sangre, las empresas pierden dinero. Por ello, los errores y las facturas que se siguen acumulando se asumen como el costo de hacer negocios.
| Métrica | Abril de 2026 | Desperdicio estimado |
|---|---|---|
| Costo mensual medio | 2.246 $ | de 898 $ a 1.348 $ |
| Costo mensual promedio | 140.842 $ | de 56.337 $ a 84.505 $ |
| Percentil 75 (25 % superior) | 14.843 $ | de 5.937 $ a 8.906 $ |
| Percentil 90 (10 % superior) | 73.030 $ | de 29.212 $ a 43.818 $ |
| Percentil 95 (5 % superior) | 211.409 $ | de 84.564 $ a 126.845 $ |
| Percentil 99 (1 % superior) | 831.338 $ | de 332.535 $ a 498.803 $ |
Pero no tiene por qué ser así. Al invertir en el operador de la máquina, podemos reducir los costos humanos y financieros de la transformación de la IA.
Entrenar, entrenar y entrenar
Hay muchos otros blogs que se centran en los pasos y tácticas individuales para reducir el gasto de tokens. Vamos a hablar de algunas mentalidades filosóficas y estratégicas que reducen los costos de los tokens:
- La formación debe centrarse en la competencia, no en la familiaridad.
- Un operador que entiende su máquina la usa mejor, de forma más creativa y más eficiente.
- La capacitación es un multiplicador de fuerza; el misterio es un divisor de fuerza.
Estas mentalidades no son propaganda anti-IA. Surgen de aceptar que la IA es una tecnología básica que usan las personas, por lo que es la calidad de las personas lo que afecta a los resultados, no los modelos. Dar a sus empleados una formación continua, exhaustiva y específica para su función es la forma más eficaz de reducir el desperdicio de tokens a corto y largo plazo.
“Si necesitaba que se lo dijera, me alegro de haberlo hecho”
Enseñar y formar a las personas es difícil, en parte porque todos asumen qué es de conocimiento común. Entonces, ¿por qué asumimos que los empleados entienden de verdad una tecnología que se ha vuelto común recientemente? Si usted no supiera que un motor usa gasolina, ¿se le ocurriría mirar el indicador de combustible? ¿Estaría claro su propósito?
La suposición del conocimiento común es la causa principal del desperdicio de tokens. A las empresas y a los empleados no se les enseñó cómo funciona un modelo, qué cuesta o cuáles son sus fortalezas y debilidades. En cambio, las expectativas generadas en torno a la velocidad y las capacidades de la IA llevaron a un enfoque de “moverse rápido y romper cosas”. Eso dio lugar a agentes descontrolados que repetían tareas abocadas al fracaso en la oscuridad de la web, a empleados que alargaban cada conversación y a la inversión en iniciativas de IA infructuosas. Cuando a las personas se les enseña mejor, tienden a hacerlo mejor. En una implementación a escala industrial, la capacitación puede ser una cuestión de vida o muerte.
Capacitar o morir: el desastre del M-14 y la IA
El rifle M-14 fue un desastre de fabricación que costó miles de millones de dólares e innumerables vidas, y provocó directamente el fin del arsenal estadounidense de Springfield. Aunque hubo muchos factores determinantes, el más importante fue la precipitación del Documento de requisitos de materiales (MRD). Un MRD debe contener todo lo que un fabricante necesita saber para comenzar a producir un artículo en masa. En otras palabras, era un paquete de capacitación. El apresurado MRD del M-14 provocó fallos profundos y fatales en el proceso de fabricación del cañón. En lugar de limitarse a ralentizar la entrega, la falta de capacitación hizo que se realizara un trabajo incorrecto a gran escala, lo que convirtió un único problema en un misterio y una crisis a gran escala.
La lección es que el trabajo lento se puede arreglar, pero el trabajo incorrecto es más difícil de detectar, causa más problemas e introduce incertidumbre. Cada vez que un equipo no capacitado usa la IA, ese trabajo incorrecto aparece en la factura como desperdicio de tokens y en el resto de los costos: tiempo dedicado a corregir errores, a analizar respuestas alucinadas o a ejecutar ciclos de revisión adicionales. Esto cambia los cálculos. No se trata solo del gasto informático frente al aumento de la productividad, sino del gasto informático frente al costo del trabajo incorrecto entregado a la velocidad de la máquina.
Las personas adecuadas con las herramientas adecuadas
El objetivo de la formación basada en roles y específica de la herramienta no es mejorar la ingeniería de prompts. Es tener a un ingeniero que sepa para qué está optimizando. Es tener a un analista en el flujo de trabajo que pueda señalar las respuestas incorrectas. Es tener a un gerente de marketing que sepa qué modelos usar para el análisis y cuáles para tareas generativas. Es tener a empleados con el conocimiento suficiente para saber cuándo anular la elección de un modelo. Esas capacidades no se desarrollan en cursos generales de alfabetización en IA. Provienen de una preparación estructurada, diseñada en torno a las herramientas que su empresa ha aprobado e implementado realmente.
El desperdicio de tokens es un síntoma. El costo que usted no puede ver es lo que una fuerza laboral no capacitada produce con esos tokens: resultados seguros, rápidos y, a veces, incorrectos.
Si su factura de tokens está creciendo, el síntoma es visible. Clairet trata la causa. Vea cómo.
Fuentes: GitHub, “Improving token efficiency in GitHub Agentic Workflows”, 7 de mayo de 2026; Ramp, “How Much Do AI Tokens Cost Businesses? 2026 Spending Benchmarks”, 8 de junio de 2026 (datos de abril de 2026).