El 30 de junio de 2026 vencieron la mayoría de las licencias de Claude Code dentro de Experiences and Devices, la división de Microsoft que construye Windows, Microsoft 365, Outlook, Teams y el hardware Surface. Es uno de los grupos de ingeniería con más volumen de código de toda la compañía. La herramienta llevaba apenas seis meses instalada: había llegado a los equipos en diciembre de 2025.

La versión oficial habla de “toolchain unification” (unificación de herramientas) hacia GitHub Copilot CLI, el producto propio de Microsoft. La versión que dio Rajesh Jha, el ejecutivo que dirige esa división, fue más directa: Claude Code se había vuelto, en sus palabras, “perhaps a little too popular” (quizás demasiado popular) entre sus propios ingenieros. Tan popular que el gasto por token se comió el presupuesto anual de IA antes de lo previsto.

En las mismas semanas en que se conoció este recorte, Microsoft anunció Frontier Company: $2.500 millones y 6.000 personas para vender disciplina de despliegue de IA a otras empresas, con London Stock Exchange Group, Unilever, Land O’Lakes y Accenture como socias de lanzamiento. Léelo en ese orden. La misma compañía que monta un negocio de $2.500 millones para enseñarle a Unilever a implementar IA con control no tenía ese control sobre la herramienta que sus propios ingenieros preferían usar.

Seis meses y un botón de apagado

Los números que sí se conocen son elocuentes por su ausencia. Microsoft no publicó cuánto gastó, ni cuántos ingenieros usaban Claude Code, ni cuál era el techo de presupuesto que se rompió. Lo único que confirmó, a través de Jha, es que la adopción fue real y que el costo la superó. El 30 de junio no es una fecha cualquiera en el calendario de Microsoft: es el cierre de su año fiscal, el momento en que cualquier línea de gasto que se salió de control tiene que resolverse antes de que empiece el libro nuevo.

Ese detalle importa más de lo que parece. No fue una decisión de calidad. Nadie dijo que Claude Code fallara en producción o que generara peor código. La señal pública, de hecho, apunta al lado contrario: los ingenieros lo habían adoptado con más entusiasmo del que la propia herramienta interna de Microsoft consiguió jamás en su propia casa. Cuando la herramienta que prefieren tus ingenieros y la herramienta que factura tu propia empresa son dos productos distintos, y el gasto se dispara, hay una tensión estructural entre lo que le conviene al ingeniero y lo que le conviene al balance. Microsoft resolvió esa tensión a favor del balance, y lo hizo justo cuando el año fiscal cerraba.

GitHub Copilot CLI, la herramienta a la que ahora se redirige a los equipos, es la alternativa que Microsoft controla de punta a punta: la factura, el contrato y el margen se quedan adentro de la casa. Eso no lo convierte en peor herramienta. Pero sí cambia la pregunta que Microsoft estaba realmente respondiendo cuando canceló las licencias, y esa pregunta no era “¿qué herramienta prefieren nuestros ingenieros?”.

Uber absorbió el golpe. Microsoft lo cortó.

Ya escribí sobre Uber, cuando su CTO Praveen Neppalli Naga admitió que Claude Code había agotado el presupuesto anual de IA en los primeros meses del año. Misma causa exacta: adopción más rápida de lo previsto, cobro por token en vez de por asiento, un ciclo de presupuesto anual que no estaba diseñado para medir consumo exponencial. Misma sorpresa en la mesa de finanzas.

La diferencia está en la respuesta. Uber no pudo cortar la herramienta: el 11% de sus pull requests ya los abrían agentes, y más del 90% de sus diffs pasaban por revisión de IA antes de llegar a producción. El flujo de ingeniería ya había absorbido la herramienta, así que Uber decidió gobernar el consumo en vez de cortarlo. Microsoft, con una división igual de grande y probablemente igual de dependiente después de seis meses de adopción real, eligió la otra opción: apagar el acceso y mover a la gente a un producto propio, aunque fuera el que menos preferían.

Ninguna de las dos decisiones es automáticamente la correcta. Lo que las dos comparten es el síntoma: ni Uber ni Microsoft tenían instrumentado el gasto antes de que llegara la factura. Se enteraron cuando ya era tarde para planear, no cuando todavía había margen para decidir.

El problema no es Microsoft, es el medidor

Cuando una empresa compra software por asiento, el presupuesto es una multiplicación simple: precio por licencia, por número de personas, por doce meses. Ese número se fija una vez al año y no se mueve solo. Es una decisión de compra, tomada una sola vez, con un techo conocido de antemano.

El cobro por token no funciona así. Cada ejecución de un agente, cada subagente que se dispara dentro de una tarea, cada ciclo de revisión automática, consume presupuesto en tiempo real, sin que nadie tenga que aprobar esa ejecución específica. Gartner midió que un flujo de trabajo agentic consume entre 5 y 30 veces más tokens por tarea que un chat estándar. Eso no es una diferencia de precio. Es una diferencia de naturaleza: una decisión de herramienta que antes se tomaba una vez al año se convirtió en una exposición de gasto que corre todos los días, con o sin que finanzas la esté mirando.

La mayoría de los procesos de compra y de control de gasto de IA en las empresas todavía están diseñados para el mundo anterior: aprobar una licencia, fijar un presupuesto anual, revisarlo en la próxima junta trimestral. Ese proceso no tiene manera de detectar en la semana tres que el consumo de la semana doce va a triplicar lo previsto. Microsoft, con toda su infraestructura de nube y miles de millones invertidos en cómputo, no tenía ese instrumento adentro de su propia casa. Si Microsoft no lo tenía, la mayoría de las empresas que hoy están desplegando Claude Code, Copilot o cualquier otro agente tampoco lo tiene.

Lo que hacemos en IQ Source

No es casualidad que esto le pase a la misma empresa que acaba de anunciar Frontier Company. Vender disciplina de despliegue a Unilever o a London Stock Exchange Group es un negocio de servicios que se cobra por el resultado del cliente. Medir el consumo de tu propia flota de ingenieros es un problema de instrumentación interna, y esos dos problemas no se resuelven con el mismo equipo ni con el mismo presupuesto. Microsoft construyó el primero antes que el segundo.

En IQ Source, cuando entramos a un proyecto de AI Maestro, la primera pregunta que respondemos no es qué modelo usar ni qué agente instalar. Es cuánto va a costar sostenerlo en producción, medido por flujo de trabajo, no por asiento ni por licencia. El mapa de realidad de procesos que hacemos en las primeras semanas del discovery incluye ese número, porque es el que decide si el proyecto pasa la puerta de Go/No-Go antes de comprometer presupuesto real. Preferimos que una empresa se entere del techo de su gasto en la semana tres del discovery, no en la junta de julio, cuando el año fiscal ya cerró y alguien tiene que explicar por qué el presupuesto se rompió sin que nadie lo viera venir.

Conversemos del discovery de AI Maestro antes de que el presupuesto te sorprenda