Tokenmaxxing: medir productividad por tokens consumidos

Publicado el 4 de mayo de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.

Hace unos meses, en una sesión de formación con un equipo de innovación, un directivo me hizo una pregunta que parecía sencilla: “¿Cómo sabemos si la gente realmente está usando la IA y no solo hablando de ella en las reuniones?”. La pregunta tenía trampa. No porque fuera malintencionada, sino porque escondía una obsesión muy de nuestra época: convertir cualquier cambio cultural en una métrica de tablero. Ahí aparece el tokenmaxxing, una palabra fea, casi de gimnasio tecnológico, que empieza a describir una práctica cada vez más visible en Silicon Valley: medir la productividad laboral por la cantidad de tokens que una persona consume al trabajar con herramientas de Inteligencia Artificial.

Para entenderlo sin caer en la jerga de laboratorio, conviene empezar por lo básico. Un token es una unidad mínima de información que procesan modelos como GPT-4, Claude, Gemini o Llama. Puede ser una palabra, parte de una palabra, un signo o un fragmento de texto. Cada vez que escribimos una instrucción, pedimos una respuesta, generamos código, analizamos documentos o hacemos que un agente revise información durante horas, consumimos tokens. Durante años, este concepto vivió tranquilo en el mundo técnico, como viven los engranajes dentro de un reloj: fundamentales, pero invisibles para casi todos.

Lo interesante —y también lo inquietante— es que el token dejó de ser solo una medida de procesamiento. En el nuevo teatro corporativo de la IA aplicada, se está convirtiendo en una señal de intensidad laboral. Si consumes muchos tokens, aparentemente estás trabajando más con IA. Si consumes pocos, quizá no estás aprovechando las herramientas. O peor: quizá pareces un rezagado. Y ya sabemos cómo funciona la política interna en las empresas grandes. A veces no gana quien juega mejor al ajedrez, sino quien mueve más piezas delante del jefe.

La trampa no está en medir. La trampa está en confundir el ruido del motor con la distancia recorrida.

El origen del tokenmaxxing está en una mezcla muy propia de Silicon Valley: capacidad técnica, presión competitiva, cultura de rendimiento y una fe casi religiosa en los indicadores. Primero, las empresas de Inteligencia Artificial presumían de cuántos tokens podían procesar sus modelos. Era una forma de demostrar potencia, como cuando los imperios antiguos exhibían sus ejércitos antes de una campaña. Roma mostraba legiones; las tecnológicas muestran contexto, velocidad y coste por millón de tokens. Cambia el uniforme, no cambia tanto la lógica del poder.

Después ocurrió lo previsible. Si los tokens sirven para medir capacidad, también sirven para medir uso. Si sirven para medir uso, sirven para asignar presupuesto. Y si sirven para asignar presupuesto, alguien termina pensando que también pueden medir desempeño. Desgraciadamente, en la práctica, toda métrica que se puede poner en una tabla corre el riesgo de convertirse en una pequeña tiranía. La burocracia no desapareció con la tecnología; simplemente aprendió a usar dashboards bonitos.

En mi caso, suelo comentar a los equipos que la adopción de IA no se mide únicamente por cuántas veces abrimos una herramienta, sino por la calidad de las decisiones que tomamos gracias a ella. Pero lo cierto es que la tentación del tokenmaxxing es enorme. Permite ver algo que antes era difícil de observar: cuánto interactúa una persona con modelos de lenguaje, asistentes de IA y flujos automatizados. Para compañías obsesionadas con escalar procesos, esto resulta muy atractivo. Es simple, comparable y aparentemente objetivo. Tres palabras que en el mundo corporativo suelen causar más entusiasmo del recomendable.

La idea tiene incluso una lógica comprensible. Si un ingeniero, un analista, un creativo o un consultor usa Asistentes de IA para explorar alternativas, resumir información, generar prototipos o revisar errores, su consumo de tokens puede indicar cierto nivel de actividad aumentada. Más allá de la herramienta concreta, el mensaje cultural es claro: no basta con saber hacer tu trabajo; ahora debes demostrar que sabes trabajar acompañado por sistemas inteligentes. La pregunta incómoda es si esa compañía quiere personas más capaces o simplemente usuarios más intensivos.

Como en las novelas de Julio Verne, estamos viendo cómo una tecnología que parecía ciencia ficción entra en la sala de máquinas de la vida diaria. Pero también conviene recordar a Arthur Conan Doyle: Sherlock Holmes no resolvía casos por acumular pistas, sino por interpretar correctamente las relevantes. Esa diferencia es crucial. Un profesional puede consumir miles de tokens y producir poco valor. Otro puede usar pocos, formular mejores preguntas y obtener una ventaja real. La productividad no está en el volumen bruto, sino en el criterio.

Por eso el tokenmaxxing merece atención. No porque sea una moda curiosa con nombre extravagante, sino porque revela hacia dónde se mueve una parte de la cultura laboral: hacia la cuantificación del uso de la IA como símbolo de adaptación, ambición y pertenencia. Silicon Valley lo adopta porque necesita acelerar la integración de la Inteligencia Artificial en el trabajo diario, y porque medir consumo parece más fácil que evaluar pensamiento, impacto o calidad. Qué alivio para algunos: por fin una forma elegante de parecer productivo sin tener que demostrar demasiado.

Ahora más que nunca, debemos mirar esta tendencia con cabeza fría. El tokenmaxxing puede ayudarnos a entender cómo evoluciona el trabajo con IA, pero también puede empujarnos a una cultura donde gastar más recursos parezca sinónimo de pensar mejor. Y ahí está el verdadero debate. Porque si convertimos cada token en una medalla, quizá terminemos premiando al marinero que más combustible quema, no al que mejor llega a puerto.

Cuando empecé a ver estos datos, confieso que tuve una sensación conocida. En varias consultorías de IA aplicada, especialmente con equipos técnicos que ya trabajan con automatizaciones, he visto cómo una métrica útil se transforma rápidamente en una competición interna. Primero medimos para aprender. Luego medimos para comparar. Finalmente, medimos para presumir. Y ahí, como en una partida de ajedrez mal jugada, algunos empiezan a mover piezas solo para que parezca que tienen estrategia.

El caso más visible es Meta. Según reportes publicados por Business Insider y The Information, la compañía ha llevado el tokenmaxxing a un nivel bastante explícito. No hablamos únicamente de empleados curiosos probando herramientas de Inteligencia Artificial, sino de objetivos cuantitativos vinculados al uso de IA en el trabajo diario. Uno de los datos más llamativos es que Meta espera que, para mediados de 2026, el 65% de sus ingenieros escriban más del 75% del código utilizando herramientas de IA. No es una recomendación lanzada al aire en una charla de innovación. Es una señal muy concreta de hacia dónde quieren empujar la operación.

Además, dentro de Meta apareció una tabla de clasificación interna creada por empleados que muestra a los 250 usuarios más intensivos de IA. El mecanismo es sencillo, casi brutal: quien consume más tokens, sube más en el ranking. El ganador recibe el título de “Token Legend”. Suena a apodo de videojuego inventado en un pasillo con exceso de cafeína. Pero el dato importante no está en el nombre, sino en la escala: en los 30 días previos al reporte, ese panel registró más de 60 billones de tokens consumidos. Para ponerlo en perspectiva, no estamos ante una moda de pasillo. Estamos ante una nueva capa operativa de trabajo dentro de una de las empresas más influyentes del planeta.

Esta lógica recuerda, en parte, a Frederick Taylor y su obsesión histórica por medir cada movimiento del trabajador industrial. Solo que ahora no contamos pasos en una fábrica, sino interacciones con modelos generativos. Cambia la herramienta, pero permanece la ambición: descomponer el trabajo en señales medibles. Eso sí, con una diferencia inquietante. En la fábrica de Taylor se veía el tornillo. En el tokenmaxxing, muchas veces solo vemos el combustible quemado por la máquina.

Consumir muchos tokens puede demostrar intensidad. No necesariamente demuestra inteligencia, criterio ni buen trabajo.

NVIDIA también aparece como uno de los nombres clave en esta historia. Jensen Huang, su CEO, declaró públicamente que le preocuparía que un ingeniero con un salario anual de 500.000 dólares no gastara al menos 250.000 dólares al año en tokens. La frase tiene la contundencia de una orden: si tienes artillería, úsala. Y desde la perspectiva de NVIDIA, empresa que vive en el corazón del ecosistema de GPUs, modelos y cómputo, el argumento tiene sentido comercial. Si la Inteligencia Artificial multiplica capacidad, el profesional caro debería operar con una infraestructura igualmente poderosa.

Lo interesante es que NVIDIA incluso ha considerado ofrecer tokens como parte de bonos de contratación para ingenieros de inteligencia artificial. Ese movimiento convierte el acceso a cómputo en un recurso laboral de primer nivel. Antes un candidato preguntaba por salario, acciones, seguro médico o flexibilidad. Ahora, en determinados perfiles, también puede preguntar cuánta capacidad tendrá para ejecutar modelos, agentes y herramientas avanzadas. Bienvenidos al futuro: donde ya no basta con una buena silla ergonómica; también necesitas munición algorítmica para sobrevivir a la semana.

En OpenAI, los ejemplos reportados muestran una escala todavía más extrema. Se documentó el caso de un ingeniero que consumió 210 mil millones de tokens en una sola semana. No lo hizo escribiendo prompts sueltos entre reuniones, sino ejecutando múltiples agentes de IA autónomos en paralelo durante hasta 12 horas continuas. Estos agentes trabajaban sobre tareas como generación de código, análisis de logs y verificación de datos. Es decir, no hablamos de usar un chatbot como asistente ocasional, sino de orquestar una pequeña flota de máquinas cognitivas trabajando al mismo tiempo.

En mi caso, cuando explico esto en talleres para equipos de innovación, suelo usar una imagen marítima: el profesional deja de remar solo y empieza a coordinar varios barcos. Pero si no sabe leer el mapa, puede tener toda una armada dando vueltas en círculos. Esa es una distinción muy importante para entender estos casos. Un ingeniero que despliega agentes en paralelo necesita formular objetivos, revisar resultados, detectar errores y decidir qué salida sirve. El volumen impresiona, sí. Pero la verdadera habilidad está en dirigir esa maquinaria sin quedar hipnotizado por el ruido.

También se han reportado consumos elevados en entornos como Claude Code, donde algunos ingenieros han acumulado más de 150.000 dólares en tokens en un mes. La cifra parece absurda si la miramos desde una empresa tradicional latinoamericana, donde todavía muchas áreas pelean por aprobar licencias básicas de software. Pero en los laboratorios y equipos punteros de Silicon Valley, estos montos empiezan a verse como parte del coste normal de trabajar con modelos avanzados. Es un cambio de escala, y conviene observarlo sin ingenuidad.

La referencia literaria inevitable aquí es Isaac Asimov. Durante décadas imaginamos robots obedientes, sistemas inteligentes y máquinas capaces de ampliar el trabajo humano. Lo que quizá no imaginamos con suficiente claridad era el contador de consumo al lado de cada interacción. La ciencia ficción soñó con cerebros positrónicos; la empresa moderna añadió una hoja de cálculo. Muy nuestro, por cierto.

Estos casos de Meta, NVIDIA y OpenAI muestran que el tokenmaxxing no es una anécdota extravagante ni una palabra de moda para animar conferencias. Es una práctica que ya aparece en objetivos, rankings, declaraciones ejecutivas y patrones reales de uso intensivo. La pregunta que deberíamos hacernos no es si estas compañías consumen muchos tokens. Eso ya está claro. La pregunta incómoda es otra: cuando miremos esas cifras dentro de unos años, ¿veremos el nacimiento de una nueva productividad o solo el humo elegante de una maquinaria carísima?

Tokenmaxxing y cultura laboral: cuando los tokens empiezan a pesar en evaluaciones, salarios y estatus profesional

A partir de ahí, el tokenmaxxing deja de ser una curiosidad técnica y empieza a tocar una fibra mucho más sensible: la cultura laboral. Porque una cosa es usar Inteligencia Artificial para trabajar mejor, y otra muy distinta es que el consumo de tokens se convierta en una señal pública de compromiso, modernidad o ambición profesional. En ese momento, la herramienta deja de ser herramienta y empieza a parecerse a una insignia política dentro de la organización.

En mi caso, lo he visto en procesos de adopción de IA con equipos comerciales, áreas de marketing digital y departamentos de atención al cliente. Al principio, todos preguntan por casos de uso, automatización y eficiencia. Pero, muy pronto, aparece otra pregunta menos técnica y más humana: “¿Y cómo se va a medir quién sí está usando esto?”. Esa pregunta cambia la conversación. Ya no hablamos solo de productividad. Hablamos de poder, visibilidad y carrera profesional.

Lo cierto es que las empresas llevan más de un siglo intentando medir el trabajo con fórmulas aparentemente objetivas. Frederick Taylor cronometraba movimientos en la fábrica; Henry Ford convirtió la línea de ensamblaje en una coreografía industrial. Ahora, en el mundo de la IA aplicada, algunos quieren hacer algo parecido con los tokens. Antes contábamos piezas por hora. Hoy contamos consultas, prompts, agentes ejecutados y millones de unidades procesadas. Cambia la fábrica, pero no siempre cambia la obsesión.

El problema cultural aparece cuando esa medición entra en evaluaciones de rendimiento, promociones internas o conversaciones salariales. Si un profesional sabe que su uso de Asistentes de IA aparece en un panel, ajustará su comportamiento. No necesariamente para generar más valor, sino para no parecer el soldado que se quedó dormido antes de la batalla. Y en la guerra corporativa de los indicadores, nadie quiere aparecer sin municiones.

Cómo cambia el estatus profesional dentro de la empresa

Una de las claves del tokenmaxxing es que convierte el uso intensivo de IA en un nuevo símbolo de pertenencia. El profesional que consume más tokens puede proyectar una imagen de velocidad, experimentación y dominio tecnológico. El que consume menos puede quedar asociado, justa o injustamente, con resistencia al cambio. Maravilloso: hemos encontrado una forma sofisticada de confundir curiosidad intelectual con factura computacional.

Esto genera una cultura de señalización. No basta con saber usar bien la Inteligencia Artificial; hay que demostrarlo. No basta con resolver problemas; hay que dejar rastro medible de que se resolvieron con IA. En ese ambiente, el token opera como una moneda de reputación interna. Algo parecido a lo que ocurre en ciertas cortes políticas, donde no siempre asciende quien mejor gobierna, sino quien mejor interpreta los gestos del rey.

Visibilidad interna: los equipos con mayor consumo de IA parecen más alineados con la estrategia de innovación.
Presión entre pares: los profesionales comparan su nivel de adopción con el de otros compañeros.
Impacto en carrera: el uso de herramientas de IA puede influir en ascensos, bonos o nuevos proyectos.
Nueva identidad profesional: saber orquestar agentes y modelos empieza a pesar tanto como la experiencia tradicional.

Más allá del entusiasmo, hay un cambio psicológico importante. Cuando una empresa premia explícita o implícitamente el consumo de tokens, empuja a sus empleados a trabajar acompañados por IA de forma permanente. Esto no es necesariamente negativo. De hecho, bien gestionado puede acelerar aprendizajes, mejorar entregables y abrir espacios de experimentación. Pero también introduce una ansiedad nueva: la sensación de que, si no tienes un asistente corriendo en paralelo, estás jugando una partida de ajedrez con una torre menos.

Como en las distopías de George Orwell, el asunto no está solo en la tecnología, sino en quién observa, qué mide y para qué lo mide. Y como advertía Isaac Asimov en tantas historias sobre máquinas inteligentes, el conflicto real rara vez está en el robot; suele estar en las reglas humanas que decidimos imponerle. El tokenmaxxing nos obliga a mirar esas reglas con menos ingenuidad.

Qué pasa con salarios, bonos y beneficios

Cuando los tokens entran en la conversación salarial, la cultura laboral se desplaza otro paso. Algunas compañías empiezan a tratar el acceso a capacidad de IA como parte del paquete de compensación, casi al nivel de beneficios tradicionales. Suena moderno, incluso atractivo. Pero también revela algo incómodo: el trabajador no solo recibe herramientas para producir, sino que su capacidad de consumir infraestructura digital se vuelve parte de su valor negociado.

Esto puede crear diferencias internas muy marcadas. Un ingeniero con acceso amplio a modelos avanzados, agentes autónomos y presupuestos generosos de cómputo tendrá más capacidad de experimentar que otro profesional con restricciones. Por tanto, la brecha no será únicamente de talento, sino también de acceso. En un entorno así, hablar de meritocracia sin mirar los recursos disponibles es, como mínimo, una pequeña broma de mal gusto.

También cambia la relación entre formación y desempeño. Ya no basta con capacitar a los equipos en herramientas de IA generativa. Es muy importante enseñarles a decidir cuándo usarlas, cómo formular mejores instrucciones, cómo evaluar resultados y cómo integrar ese trabajo en procesos reales. El profesional valioso no será necesariamente quien queme más tokens, sino quien sepa convertir esa capacidad en decisiones, productos, ventas, eficiencia o una mejor experiencia de cliente.

El nuevo estatus laboral no dependerá solo de usar IA, sino de demostrar criterio cuando todos puedan usarla.

En sesiones con equipos directivos suelo comentar que la adopción de IA tiene algo de biblioteca y algo de campo de batalla. La biblioteca exige método, lectura, comparación y memoria. El campo de batalla exige velocidad, coordinación y nervio. Un empleado que consume tokens sin criterio se parece al lector que compra libros para decorar la sala. Impresiona durante cinco minutos, pero no construye pensamiento.

Por eso el tokenmaxxing, en términos culturales, funciona como un espejo bastante incómodo. Nos muestra empresas que quieren acelerar la innovación, profesionales que no quieren quedarse atrás y sistemas de evaluación que buscan señales fáciles en medio de un cambio complejo. La pregunta que queda flotando no es si debemos usar más Asistentes de IA, sino qué tipo de trabajador estamos premiando cuando convertimos cada interacción con una máquina en una marca de prestigio.

Artículo base: https://www.xataka.com/empresas-y-economia/dentro-meta-hay-carrera-ver-que-empleado-consume-tokens-ia-tokenmaxxing-silicon-valley