Zeb Evans, CEO de ClickUp, anunció el 21 de mayo en X que recortó el 22% del equipo y abrió bandas salariales de un millón de dólares en efectivo para los ingenieros que orquesten agentes de IA en lugar de escribir código. El tweet tiene 5.1 millones de vistas. Su lógica: un ingeniero senior dirigiendo agentes produce 100x el output de un ingeniero escribiendo código a mano. Por lo tanto, paga las bandas que produzcan 100x.

La matemática funciona en una sola condición: que el costo marginal de los tokens caiga más rápido de lo que sube la productividad humana. La misma semana en que Evans lo anunció, Microsoft canceló las licencias internas de Claude Code en su división Experiences and Devices, y Uber confirmó que quemó el presupuesto de IA de todo 2026 en cuatro meses. Las dos noticias son evidencia directa de la condición contraria.

El diagnóstico va antes del bono

Antes de prometer una banda de $1M, un recorte del 22%, o un resultado 100x, tu organización necesita una sola cosa: medir cuántos tokens consume hoy cada equipo, en qué tareas, y qué cuesta esa factura comparada con el salario del humano que la herramienta supuestamente reemplaza o amplifica. Sin ese número, el comunicado del CEO no es un plan de IA. Es una apuesta con la nómina de otra persona.

Esa medición —tarea por tarea, no por departamento ni por proyecto— es la pieza que la mayoría de los anuncios de “transformación con IA” se saltan. Se decide la banda, se decide el recorte, se firma el contrato con el proveedor. Cuatro meses después aparece la factura de Uber: $500 a $2,000 mensuales por ingeniero. El CFO pregunta si ese gasto es ahora una línea fija o un piso, y el equipo no tiene respuesta porque nunca midió el punto de partida.

El post de ayer sobre “capital humano de bajo valor” cubrió el error de a quién recortas. Hoy el error es el otro filo: a quién le prometes una banda de $1M antes de saber cuánto cuesta sostener el agente que la persona va a dirigir.

La semana en que la economía habló

Cuatro datos publicados en siete días, todos apuntando en la misma dirección.

Microsoft canceló Claude Code interno. En diciembre de 2025 la división Experiences and Devices —responsable de Windows, Microsoft 365, Outlook y Surface— arrancó un piloto con miles de ingenieros. Cinco meses después, el vicepresidente ejecutivo Rajesh Jha mandó memo interno: las licencias se apagan el 30 de junio, cierre del año fiscal. Los ingenieros migran a GitHub Copilot CLI, no por preferencia de producto —Claude Code era el favorito interno— sino por unidad económica. Microsoft, con infraestructura prácticamente ilimitada en Azure y $13 mil millones invertidos en OpenAI, miró la factura del competidor y decidió que no cerraba.

Uber quemó el presupuesto entero de 2026 en cuatro meses. El CTO Praveen Neppalli Naga reconoció que los 5,000 ingenieros de la compañía agotaron el presupuesto anual de IA entre enero y abril. La adopción de Claude Code subió del 32% al 84% después de un programa interno que rankeaba a los ingenieros por uso. Resultado: 95% del equipo usa herramientas de IA mensualmente, 70% del código que se integra al repositorio viene de IA, y el costo mensual por ingeniero llegó al rango de $500 a $2,000. El CTO dijo que la compañía está back to the drawing board (de vuelta al pizarrón) en su presupuesto de IA.

OpenAI subió los precios enterprise 120% interanual. Según los datos consolidados de SpendHound sobre 851 empresas, el costo enterprise de OpenAI subió 120.09% año contra año, mientras las pymes vieron un 85% de aumento. El precio por millón de tokens en el mercado bajó de $10 a $2.50, pero los presupuestos enterprise están subiendo porque el uso se multiplicó más rápido que la caída unitaria.

GitHub apaga el plan plano de Copilot. A partir del 1 de junio, Copilot deja la suscripción de tarifa fija y migra a facturación por uso atada a AI Credits. Un desarrollador documentó que su factura proyectada pasa de €67 mensuales en abril a cerca de €966 con el nuevo modelo. Es exactamente la transición de seguro a contador de luz que hace un mes anticipé y que termina con el “todo lo que quieras por $20”.

Las cuatro noticias son lecturas distintas del mismo hecho económico: cuando la facturación deja de ser por asiento y pasa a ser por uso, la diferencia entre “IA productiva” e “IA insostenible” depende de un diagnóstico que la mayoría de las empresas no hizo antes de comprar.

Por qué la matemática del 100x se rompe sin diagnóstico

La premisa de Evans —“paga bandas de $1M a los ingenieros que produzcan 100x”— supone que el costo marginal de los tokens es prácticamente cero y cae con el tiempo. La realidad de mayo de 2026 es que el costo unitario cae, pero el consumo crece más rápido, y la cuenta enterprise sube. Microsoft, que es accionista de OpenAI y opera Azure, no pudo justificar la factura del producto de su competidor. Eso no es un fallo de producto. Es estructura: la economía de tokens convierte un compromiso fijo en un piso variable que crece con la adopción.

Llevo 36 años en computación, desde 1990, cuando una Commodore 64 con 64KB era mi primera plataforma. He visto este patrón terminar dos veces de forma quirúrgica. La primera fue Sun Microsystems regalando Java en los noventa para hacer crecer la base instalada; Oracle compró Sun en 2010 y en 2019 introdujo Java SE Subscription con precio por empleado, lo cual rompió presupuestos de empresas que se habían acostumbrado a tratar Java como gratis durante 25 años. La segunda fue VMware, capa barata que sostuvo dos décadas de migración a la nube; Broadcom la adquirió en noviembre de 2023 y los clientes reportaron aumentos de hasta 10x en 2024 cuando se cancelaron las licencias perpetuas y se forzaron paquetes. El patrón es el mismo: una capa entra subsidiada para ganar adopción, la capa se vuelve crítica, y el dueño cobra cuando ya no hay reversibilidad.

La diferencia en 2026 no es el patrón. Es el reloj. Java tardó 25 años desde regalado hasta apretón. VMware tardó otros 25. Los tokens de IA muestran el primer apretón en el año tres. La compresión del ciclo no significa que la matemática del 100x esté condenada; significa que el margen para improvisar se acaba mucho antes de lo que el calendario de planeación corporativa supone.

Quien promete una banda de $1M apostando a que el costo de tokens cae 80% en los próximos doce meses está repitiendo lo que muchas empresas creyeron en 1998 sobre Java y en 2014 sobre VMware. En los dos casos el subsidio terminó. En todos, sin excepción, las empresas que sobrevivieron fueron las que midieron consumo real antes del precio nuevo, no las que apostaron al pronóstico del proveedor.

El paso concreto antes del próximo board

Una sola tarea para esta semana, antes de que cualquier banda salarial o anuncio de transformación llegue a tu comité ejecutivo. Inventariar, equipo por equipo, el gasto actual en tokens y herramientas de IA. No la proyección del proveedor. La factura real de los últimos noventa días, segmentada por usuario y por caso de uso. Si tu organización todavía está en suscripción plana, el inventario es de uso bruto: cuántas llamadas, cuántos tokens, qué prompts recurrentes están consumiendo el grueso del presupuesto.

Ese inventario es la entrada del diagnóstico. La salida es la pregunta que el CFO va a hacer la próxima vez que el CEO comparta el tweet de Evans: ¿qué tarea concreta justifica una banda de $1M cuando el costo del agente que la persona va a dirigir creció 120% en doce meses y va a seguir creciendo el próximo trimestre?

AI Maestro de IQ Source está estructurado exactamente para producir esa respuesta antes de que la decisión salga del comité. Dos meses de descubrimiento que terminan con un Mapa de la Realidad del Proceso, un Puntaje de Oportunidad de IA y un gate explícito de Sigue/No Sigue antes de invertir en implementación. La pregunta operacional que el descubrimiento contesta es la misma que el CFO acaba de aprender a hacer: ¿esta tarea se amplifica con IA hoy, a este costo, en este flujo? Si no, qué cambia primero antes de prometer un resultado de 100x o una banda de un millón.

La oportunidad concreta esta semana no es copiar a ClickUp. Es ganarle al ciclo del subsidio antes de que la próxima factura llegue con el precio nuevo y tu organización tenga que escoger entre la promesa pública del CEO y la matemática real del CFO.

Medir el costo real antes del próximo board