Tokenmaxxing en IA: medir adopción o disfrazar productividad
Publicado el 8 de mayo de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.
Hace unos meses, en una sesión con un equipo directivo que estaba incorporando Inteligencia Artificial en áreas de marketing, servicio al cliente y operaciones, apareció una pregunta aparentemente sencilla: “¿Cómo sabemos quién está usando de verdad la IA?”. Nadie habló primero de calidad, aprendizaje o impacto. Lo primero que apareció en la pantalla fue un número: tokens consumidos. Así entró el tokenmaxxing en IA en la conversación, no como una moda de adolescentes con demasiado tiempo libre, sino como una forma muy corporativa de convertir ansiedad en tablero de control. Porque si algo no se mide, parece que no existe. Y si se mide mal, existe demasiado.
¿Qué es el tokenmaxxing en IA y por qué se está usando para medir la adopción empresarial?
El término tokenmaxxing viene de esa manía contemporánea de añadir “maxxing” a cualquier conducta que queramos optimizar hasta el agotamiento. En este caso, hablamos de maximizar el consumo de tokens en herramientas de IA generativa, asistentes de IA o plataformas corporativas de automatización. Un token, para decirlo sin enredarnos, es una unidad mínima que el modelo procesa al leer una instrucción o generar una respuesta. Puede ser una palabra, parte de una palabra o un fragmento de información. Es la munición invisible con la que disparamos prompts en esta nueva guerra de productividad.
En la práctica, cada vez que pedimos a un modelo que redacte un correo, analice una base de datos, resuma una reunión o genere ideas para una campaña de marketing digital, consumimos tokens. Por tanto, muchas empresas han empezado a mirar esos tokens como una señal de adopción. Si un empleado consume más, se asume que usa más la herramienta. Si un área consume poco, se sospecha que está rezagada. Brillante, ¿no? Por fin descubrimos que la transformación digital se podía resolver contando migajas en la mesa.
Lo cierto es que entiendo por qué ocurre. En procesos de innovación y IA aplicada, los líderes necesitan señales tempranas. No pueden esperar seis meses para saber si una inversión tecnológica está calando en la organización. Necesitan ver movimiento, comparar equipos, detectar champions internos y justificar presupuestos. Ahí el token se vuelve tentador: es concreto, trazable, fácil de graficar y suficientemente técnico como para parecer serio en una reunión de comité.
“Medir tokens puede mostrar uso. Pero uso no siempre significa adopción real.”
Hay algo muy humano en esta obsesión. Los romanos contaban legiones, rutas y cargas de trigo para sostener su imperio. Durante la Revolución Industrial se contaban piezas por hora. En la era digital contamos clics, impresiones, leads, dashboards, sesiones y ahora tokens. Cambia el instrumento, no la pulsión. Queremos reducir la incertidumbre a una cifra, como si el océano pudiera explicarse con el número de olas que golpean el muelle.
En mi caso, suelo comentar a los equipos que un indicador no es un enemigo. El problema empieza cuando lo coronamos rey. Un dashboard de tokens puede ayudarnos a ver si los equipos están probando herramientas de Inteligencia Artificial, si ciertos perfiles usan más los asistentes conversacionales o si hay áreas donde la adopción apenas despega. También permite estimar costos, algo nada menor cuando las compañías empiezan a escalar pilotos y el entusiasmo se convierte en factura mensual.
Pero antes de llegar a cualquier juicio, conviene entender qué mide realmente el tokenmaxxing. Mide actividad dentro de un sistema. No mide criterio, creatividad, aprendizaje ni calidad del resultado. Es como evaluar a Sherlock Holmes por la cantidad de páginas que leyó antes de resolver un caso. Arthur Conan Doyle se habría reído: el dato importa, claro, pero el misterio nunca está solo en el dato.
Una empresa puede usar el consumo de tokens para responder preguntas operativas muy válidas:
- ¿Qué áreas están utilizando más los asistentes de IA?
- ¿Qué equipos necesitan formación para incorporar mejor la IA aplicada?
- ¿Cómo evoluciona el uso de herramientas generativas después de una capacitación?
- ¿Dónde se concentran los costos de procesamiento y automatización?
- ¿Qué perfiles están explorando nuevas formas de trabajar con Inteligencia Artificial?
Visto así, el tokenmaxxing no nace como una tontería. Nace de una necesidad legítima: comprender si la organización se está moviendo o si solo colocó “IA” en una presentación bonita para tranquilizar al directorio. Desgraciadamente, en la práctica, muchas compañías confunden movimiento con avance. Y en ajedrez, mover muchas piezas no significa estar ganando la partida; a veces solo significa que estás dejando el rey expuesto.
Por eso este concepto merece atención. No porque los tokens sean la nueva verdad revelada, sino porque muestran cómo estamos intentando domesticar una tecnología que todavía nos resulta enorme, incómoda y fascinante. Como en las mejores páginas de Asimov, el asunto no va solo de máquinas. Va de organizaciones, incentivos, miedo, ambición y esa vieja costumbre de creer que una cifra puede explicarlo todo.
La advertencia de Reid Hoffman: más tokens no significan más productividad
Ahí es donde la advertencia de Reid Hoffman resulta especialmente útil, porque introduce una dosis de prudencia en medio de una carrera que empieza a parecer más una subasta política que una estrategia de Inteligencia Artificial. En la Cumbre de Economía Mundial de Semafor, en abril de 2026, Hoffman no negó el valor de mirar el consumo de tokens. Al contrario, defendió que las personas de distintas funciones deben involucrarse, experimentar y probar con IA generativa. Pero puso una línea roja muy clara: un dashboard de tokens puede ser una señal interesante, no una prueba perfecta de productividad.
Esa diferencia parece pequeña, pero en la práctica lo cambia todo. Una cosa es observar si un equipo usa asistentes de IA y otra muy distinta es concluir que quien consume más tokens trabaja mejor. Es el viejo problema de confundir el ruido del puerto con la calidad del viaje. Hay barcos que hacen mucho estruendo al zarpar y no llegan a ninguna parte. También hay navegantes silenciosos que cruzan medio océano con una brújula bien usada.
“Más tokens pueden significar más curiosidad. No necesariamente más valor.”
En mi caso, lo he visto en procesos de formación con equipos comerciales y de comunicación. Después de una capacitación en IA aplicada, siempre aparece alguien que se entusiasma, prueba diez herramientas, genera veinte versiones de un texto, pide resúmenes, comparaciones, matrices, ideas, contraideas y hasta una oda corporativa al nuevo CRM. Muy bonito todo. Pero cuando revisamos el resultado final, a veces el aporte real cabe en tres líneas. Eso sí, el dashboard parecía Navidad en Times Square.
Hoffman apunta precisamente a ese punto incómodo: hay usos exploratorios que consumen muchos tokens y no generan valor directo. Y eso no está mal. La exploración forma parte del aprendizaje. Ninguna organización aprende a usar Inteligencia Artificial solo siguiendo manuales pulcros, aprobados por legal y decorados con fotografías de ejecutivos sonriendo frente a una laptop. Se aprende probando, fallando, corrigiendo y compartiendo. Pero si convertimos ese proceso en una competencia de consumo, dejamos de aprender y empezamos a actuar para el marcador.
La historia ya nos enseñó algo parecido. Durante la Primera Guerra Mundial, muchos mandos seguían midiendo el éxito por metros ganados en el frente, aunque esos metros costaran miles de vidas y no cambiaran el desenlace estratégico. Medir era necesario, por supuesto. Pero medir mal podía convertirse en una forma elegante de justificar el desastre. En las empresas ocurre algo menos trágico, pero igual de revelador: cuando el indicador se vuelve el objetivo, el criterio se retira discretamente por la puerta de atrás.
La filtración del leaderboard interno de Meta y el posterior cierre de su dashboard de tokenmaxxing muestran justamente ese riesgo. Si el ranking premia a quienes consumen más, algunos empleados aprenderán rápido la lección. No necesariamente aprenderán mejor marketing digital, análisis, automatización o servicio al cliente. Aprenderán a inflar la métrica. Y, seamos francos, para gamificar la vanidad corporativa no hacía falta tanta inversión en modelos fundacionales.
Hoffman no cae en la ingenuidad de decir que no debemos medir. Eso sería tan absurdo como pedirle a un piloto que cruce la cordillera sin instrumentos. Su punto es más fino: necesitamos distinguir entre involucramiento y desempeño. Un empleado puede consumir pocos tokens porque sabe preguntar mejor, porque tiene procesos más claros o porque usa plantillas optimizadas. Otro puede consumir millones porque está perdido en un laberinto de prompts mal planteados. En términos literarios, no todo el que camina por Londres con una lupa es Sherlock Holmes.
También hay una dimensión cultural que no conviene ignorar. En muchas organizaciones latinoamericanas, por ejemplo, la gente ya ha aprendido a sobrevivir a modas de gestión que llegan con nombre en inglés y se van dejando carpetas compartidas. Si ahora decimos que el buen profesional es quien más tokens consume, instalamos otra liturgia de apariencia. Otra ceremonia de cumplimiento. Otra forma de decir “estamos innovando” mientras seguimos tomando decisiones con los mismos reflejos de siempre.
Por eso la advertencia de Hoffman no es un freno a la adopción de IA en empresas. Es una llamada a no comportarnos como generales contando balas disparadas sin mirar si ganamos terreno. El tokenmaxxing en IA puede revelar energía, curiosidad y participación. Pero también puede esconder dispersión, ansiedad y teatro tecnológico. La pregunta incómoda, ahora más que nunca, no es quién consume más. La pregunta es quién piensa mejor con la ayuda de la máquina.
Artículo base: https://techcrunch.com/2026/04/15/reid-hoffman-weighs-in-on-the-tokenmaxxing-debate/