Bryan Catanzaro, VP de aprendizaje profundo aplicado en Nvidia, le dijo a Axios el 26 de abril: “For my team, the cost of compute is far beyond the costs of the employees.” (Para mi equipo, el costo de cómputo supera por mucho el costo de los empleados). Es el VP de la empresa que vende los chips diciendo que el insumo cuesta más que la nómina. Cuando esa frase viene de Nvidia, no de un cliente que se queja, el debate cambia.

El diagnóstico está sobre la mesa. La arquitectura de adicción que describió Alex Prompter el sábado es real: producto útil, facturación por consumo, gamificación interna, factura inevitable. Donde Prompter cierra mal es en la conclusión. Él dice que no es un error de diseño, que ES el modelo de negocio. Eric Ries esta misma semana, en otra publicación, demostró por qué eso no se sostiene: los problemas estructurales se arreglan con cambios estructurales, y la organización que diseña su compuerta de selectividad antes del despliegue evita el costo que ya pagaron Microsoft, Uber, Meta y el equipo de Catanzaro.

Esa es la tesis de IQ Source esta semana, y la pieza concreta es la compuerta Go/No-Go de AI Maestro. El resto del post desarma por qué Prompter tiene razón en el diagnóstico y se equivoca en el final.

La crisis no es de precio. Es de diseño.

La racha de noticias de la semana es densa. Marc Andreessen, en el episodio 2501 de Joe Rogan publicado el 19 de mayo, admitió que la IA está volviendo a la gente menos eficiente en muchos casos prácticos. Tom Warren publicó la primicia en The Verge: Microsoft empezó a cancelar las licencias de Claude Code para el equipo Experiences + Devices, transición forzada a GitHub Copilot CLI antes del 30 de junio. El detalle que importa es de Deirdre Bosa en CNBC: “Microsoft’s own engineers liked Claude code best…and they’re cutting it anyway.” (Los propios ingenieros de Microsoft preferían Claude Code… y lo están cortando igual). La decisión salió de finanzas, no de ingeniería.

El caso Uber es el que ya cubrimos en abril desde otro ángulo. El CTO Praveen Neppalli Naga le dijo a The Information: “I’m back to the drawing board, because the budget I thought I would need is blown away already.” (Estoy de vuelta al pizarrón porque el presupuesto que pensé que iba a necesitar ya se voló). El presupuesto de IA que Naga había planeado para 2026 quedó quemado para abril. Uber no publica la cifra exacta de esa sub-partida; lo que sí es público es su I+D total para 2025, $3.4 mil millones, un 9% arriba del año anterior. La cobertura completa del caso quedó en el post sobre el cuello de botella de gobernanza en Uber.

La capa que hace todo peor es la gamificación interna. Aakash Gupta hizo la matemática del tablero competitivo “Claudeonomics” de Meta: 60 billones de tokens en 30 días, ~$180 millones al mes al precio público de Sonnet. Meta cerró el tablero dos días después de que The Information publicara la nota. Amazon tiene MeshClaw, una herramienta interna para inflar el consumo y subir en el ranking. Uber armó sus propias tablas de uso por equipo. Gergely Orosz lo describió sin filtro: “Token usage is part of perf evaluations at Meta. This is just smart people hitting targets they assume leadership wants them to hit.” (El uso de tokens es parte de la evaluación de desempeño en Meta. Esto es gente inteligente cumpliendo metas que asumen que el liderazgo quiere que cumplan).

Prompter sintetizó la arquitectura: construyes algo tan útil que la única forma de sostenerlo es impedir que la gente lo use libremente. Y la cerró así: “that contradiction isn’t a bug in the business model. It IS the business model.” (esa contradicción no es una falla del modelo de negocio. Es el modelo de negocio). Es ahí donde se queda corto.

Eric Ries dice lo contrario esta misma semana

Eric Ries publicó el 25 de mayo en la newsletter de Foundr una pieza promocionando su libro nuevo, Incorruptible (Authors Equity, 2026), titulada “Beyond The Lean Startup: Eric Ries on the Corporate Design Flaw Costing Millions”. La cita exacta:

“Corruption in business is rarely a problem of bad actors or sudden moral weakness. It is structural. If your legal and financial architectures allow your business to profit while betraying its original purpose, success itself will eventually turn your creation into a monster.” (La corrupción en los negocios rara vez es un problema de malos actores o de debilidad moral repentina. Es estructural. Si tu arquitectura legal y financiera permite que tu negocio gane plata traicionando su propósito original, el éxito mismo eventualmente convertirá a tu creación en un monstruo).

Ries llama a esa fuerza financial gravity (gravedad financiera). Su argumento entero es que los estatutos corporativos estándar tienen trampillas de diseño: el 80% de los fundadores son destituidos dentro de los tres años posteriores a la IPO porque la junta directiva interna actúa siguiendo la gravedad. Los ejemplos que pone son concretos: la fundación industrial de Novo Nordisk que aísla la investigación de la presión trimestral, los fideicomisos de propósito perpetuo, las benefit corporations, el modelo que Saul Price construyó con Costco después de que lo sacaron de Fed-Mart. Las empresas con estructura de propiedad tipo fundación industrial tienen seis veces más probabilidad de llegar a 50 años que sus pares convencionales.

El punto operacional es uno: si la arquitectura permite el comportamiento, el comportamiento ocurre. Y si la arquitectura lo permite porque nadie la diseñó conscientemente, el comportamiento es el predeterminado. La salida no es pedirle a la gente que se comporte. Es rediseñar la arquitectura.

Eso es lo que Prompter dejó afuera de su tuit. La adicción es arquitectura. Y la arquitectura se rediseña.

Aplicado a IA: el contrato de selectividad

Ries hablaba de estatutos. La misma lógica se aplica al consumo de IA, con un giro útil. En 1995 viví el cambio de internet por minuto a la tarifa plana. En 2010 viví el cambio del software empaquetado al SaaS mensual. Treinta años de tecnología enseñándonos que el costo marginal de usar la herramienta era cero. Llegó la facturación por token y nadie actualizó el hábito. La organización descubre que el “úsalo para todo” se volvió caro cuando ya está en la factura, no antes.

La selectividad no se pide. Please use AI thoughtfully (úsenla con criterio, por favor) es el equivalente corporativo de “manejen con cuidado” antes de entregar las llaves del carro a un adolescente. Lo que sí funciona es diseñar el contrato de uso antes del despliegue: qué procesos tienen retorno positivo por token a precio actual, qué procesos no lo tienen, qué procesos están en la frontera y necesitan medición continua. Sin ese contrato, el comportamiento por defecto es el de Meta, Amazon y Uber: cada equipo asume que más es mejor porque el tablero competitivo premia consumo, no resultado neto.

Esto es lo mismo, desde otro eje, que ya tocamos en el post sobre dónde está realmente tu factura de IA. Ahí el problema era la superficie de exposición (credenciales dormidas, MCP inflado, API keys de Gemini con prefijo AIza filtradas). Aquí el problema es el contrato de uso. Mismo origen estructural: la organización no diseñó la gobernanza antes de abrir la llave.

Lo que AI Maestro hace con eso

AI Maestro es un programa de dos meses de descubrimiento. Lo concreto que produce, en ese orden, es: el Mapa de Realidad de Procesos, el Score de Oportunidad de IA, y un Ranking de Oportunidades con Recomendación Go/No-Go.

La compuerta Go/No-Go al final del segundo mes es el equivalente operacional de un estatuto con misión bloqueada para IA. La organización entra a la compuerta con un inventario real de procesos (no el catálogo de marketing del proveedor, no la lista de pilotos sugeridos por el equipo de innovación) y sale con tres categorías: procesos donde la economía cierra al precio actual de tokens y vale la pena escalar, procesos donde no cierra y no se despliegan, procesos donde la decisión depende de un cambio de precio o de una mejora del modelo que vale la pena monitorear. La selectividad queda diseñada antes del despliegue, no descubierta después por finanzas.

El cálculo cruzado importa. Dos meses de AI Maestro tienen un costo conocido y acotado. La alternativa la pagó Uber quemando el presupuesto de IA para 2026 en cuatro meses, la pagó Microsoft cancelando licencias a ingenieros que las querían, y la paga el equipo de Catanzaro con un costo de cómputo que supera la nómina. La pregunta no es si tu organización va a pasar por la conversación de gobernanza de consumo. Es si la tiene antes del despliegue o después del retiro.

La vertiente paralela es el Socio Tecnológico, el otro servicio que IQ Source posiciona como alternativa a la comoditización del entorno de ejecución de IA. Si tu moat (ventaja competitiva) está en el flujo de trabajo y no en el consumo de tokens, el rediseño estructural pasa por ahí también: construir capacidad propia que no se evapora cuando el proveedor sube el precio o cuando el equipo gamifica el tablero.

Tres cosas para mirar el lunes. Empieza por los tableros competitivos. Si algún equipo en tu organización tiene un tablero que rankea a la gente por uso de IA y no resta el costo de las correcciones humanas, ya tienes una Claudeonomics chiquita en construcción. Después mira quién firma la autorización para desplegar un agente nuevo: cuando solo firma el equipo que lo va a usar, la gravedad financiera de Ries no tiene nada empujando del otro lado y la factura crece sin que nadie la mire. La última es la pregunta que la mayoría de los CFOs no tiene respondida con limpieza, y es qué tan reciente es la última vez que alguno de tus procesos productivos tuvo un número medido de retorno por token que no viniera de una demo del proveedor. Si la respuesta es “no tenemos”, el contrato de selectividad todavía no existe y la arquitectura está corriendo con la configuración por defecto.

Diseñar el contrato de selectividad antes del despliegue