Los tokens de IA se están convittiendo en una sub-economía dentro de las empresas, no solo ya tienen sus propios presupuestos, también se están convirtiendo en prestaciones para los empleados.
Hay una frase que resume bien el momento: en los bancos ya no solo se cuentan los dólares, también se cuentan los tokens. JPMorgan Chase, el banco más grande de Estados Unidos, lo dijo con todas sus letras en la llamada de resultados del segundo trimestre de 2026 el pasado 14 de julio: el gasto en IA generativa dejó de ser una curiosidad tecnológica y se convirtió en una partida que finanzas vigila de cerca. Y, según reveló por separado un directivo del propio banco, hay empleados cuyo consumo de tokens ya cuesta más que su salario.
Vamos por partes, porque la historia tiene dos capítulos: lo que JPMorgan dijo oficialmente en su llamada con inversionistas, y lo que se está cocinando —no solo ahí, sino en toda la industria— sobre cómo tratar el gasto en IA casi como si fuera una prestación laboral más.
Capítulo 1: «Todavía es poco, pero se va a disparar»
El director financiero, Jeremy Barnum, no se anduvo con rodeos sobre el tamaño del gasto en tokens hasta ahora: es chico. Pero avisó que eso está a punto de cambiar.
«Para evitar dudas, es una cifra trivial en el primer semestre del año. Estamos previendo una aceleración significativa de esa cifra para la segunda mitad del año», dijo Barnum.
Traducido: la factura de IA de JPMorgan todavía no le quita el sueño a nadie, pero el banco ya sabe que se acerca el momento en que sí. Y adelantó cuál va a ser la estrategia para que no se salga de control: no usar un modelo de lujo para tareas de rutina.
«Las herramientas son bastante buenas, y realmente no se necesita el modelo más avanzado y costoso para resumir un reporte de un analista. La idea es usar el modelo correcto para el propósito correcto, ser inteligentes con el open source cuando corresponda, y asegurarse de obtener valor de esto en última instancia», explicó.
Es, básicamente, la misma lógica que aplicaría cualquier persona con un presupuesto ajustado: no rentar un Ferrari para ir por el pan. El CEO Jamie Dimon aportó la otra mitad del cuadro: el banco ya tiene cerca de 1,000 casos de uso de IA en marcha, unos 50 de ellos a gran escala (detección de fraude, gestión de riesgo, marketing, prospección de clientes, minutas de reuniones, revisión de documentos). Algunas áreas ya recortaron personal de forma notable y reubicaron empleados en otras funciones, aunque Dimon fue claro en algo: apuesta a que el gran ganador de toda esta eficiencia sea el cliente, no necesariamente el margen del banco.
Capítulo 2: cuando tu compañero de trabajo «gasta» más en IA que en su sueldo
Aquí está la parte que probablemente más te va a sorprender, y donde conviene ser preciso: este dato no salió en la llamada de resultados, sino semanas antes, en un evento de la NY Tech Week, de boca de Zachery Anderson, director de datos y analítica de la división de Pagos de JPMorgan.
Anderson le contó a Semafor algo que suena casi a chiste corporativo, pero es real: hay empleados de JPMorgan que están «gastando más en tokens que su salario». Es decir, si sumas lo que cuesta todo lo que esa persona le pide a los modelos de IA en un año, la cifra le gana a su cheque de nómina.
Aclaró dos cosas importantes: JPMorgan no tiene «tablas de clasificación» públicas de quién consume más tokens (nada de rankings vergonzosos en la cafetería), y tampoco hay una orden desde arriba para racionar el uso. Pero sí admitió que el banco «lo está monitoreando» de cerca.
Y hay un antecedente que ayuda a entender por qué esto no asusta tanto a JPMorgan como podría parecer: los analistas de la división de mercados llevan años corriendo modelos financieros que generan facturas altísimas, y a nadie le sorprende. La pregunta que ahora se hace el banco es si el acceso a IA de punta debería reservarse de forma parecida, solo para quienes realmente lo aprovechan, en lugar de dárselo a todo el mundo por igual.
¿Por qué esto empieza a sonar a «prestación»?
Esta es la parte que conecta todo. Fuera de JPMorgan, el resto de la industria ya le puso nombre a la tendencia: el gasto en tokens por empleado se está convirtiendo en una línea de costo tan predecible y recurrente como el seguro médico o el fondo de retiro, no en un fondo discrecional que administra el área de tecnología cuando le da la gana.
En un panel con 250 líderes de finanzas de empresas públicas y de alto crecimiento (Abacum / Rillet Recon, mayo de 2026), la comparación fue directa: así como las prestaciones representan entre 20% y 22% de la compensación en efectivo de un empleado, el gasto en tokens está aterrizando en un rango parecido, cerca del 20%, y crece con cada persona que se contrata, no como un reemplazo de nómina. Un socio operativo de a16z presente en esa conversación fue todavía más lejos: dijo haber visto casos donde entre 25% y 50% del salario de equipos de ingeniería ya está presupuestado para IA.
Para que se entienda con un ejemplo cotidiano: es como si, además del sueldo y las prestaciones, cada nuevo empleado viniera ahora con una «cuota de gasolina digital» que hay que presupuestar desde el día uno, junto con la laptop y el seguro médico.
El caso de Uber muestra qué tan rápido se está moviendo esto: su CTO, Praveen Neppalli Naga, le dijo a The Information que la compañía ya se quedó sin el presupuesto de tokens que tenía planeado para todo 2026… en abril. Cuatro meses le duró el presupuesto de un año.
La consecuencia práctica, según ese mismo grupo de directores de finanzas, es que contratar gente ya no es solo sumar salario más prestaciones. Un nuevo ingeniero, por ejemplo, podría representar salario, más 20-22% de prestaciones tradicionales, más otro 20% (o más) en tokens. Un cálculo que hace año y medio nadie hacía.
El trasfondo: todavía nadie sabe cómo ponerle freno
Ni JPMorgan ni nadie más en el sector ha resuelto todavía cómo medir si todo ese gasto en IA realmente vale la pena. Barnum fue cuidadoso y no quiso dramatizar la cifra actual, pero sí dejó claro que la aceleración viene en camino. Quienes estudian estas tendencias de cerca coinciden en que la fase de «gastar sin fijarse mucho» —parecida a lo que pasó hace años con el consumo de la nube, antes de que las empresas empezaran a etiquetarlo y optimizarlo— tiene fecha de caducidad. La apuesta es que, tal como ocurrió con la nube, las próximas llamadas de resultados empiecen a mencionar palabras como «eficiencia» u «optimización» junto a «tokens»: la señal de que el gasto dejó de crecer sin control y alguien, finalmente, le puso el ojo a la factura.
