Empresa gasta USD 500 millones en un mes después de no limitar el uso de Claude entre sus empleados

Un cliente corporativo anónimo acumuló una factura de USD 500 millones en un solo mes por el uso de Claude, la plataforma de inteligencia artificial de Anthropic, después de habilitar el acceso interno sin límites de uso ni topes de gasto para sus empleados.

El caso se conoció por un informe de Axios, basado en el testimonio de un consultor, y expuso un problema de gobernanza que muchas empresas recién empiezan a dimensionar.

La explicación es operativa: el gasto se disparó porque la organización abrió el acceso a la herramienta sin controles previos y porque el modelo de cobro dependía del uso real, no de una tarifa fija.

Cuando miles de empleados pueden ejecutar tareas complejas, contextos extensos y agentes autónomos sin límites por usuario, la factura crece con la misma velocidad que el consumo de tokens, según informó Axios.

Según el material citado por ese medio, la empresa trató la adopción como si fuera un servicio software como servicio (SaaS) tradicional, donde el costo suele ser estable y previsible.

Pero los modelos de IA se cobran por consumo, y ese consumo depende de decisiones que los usuarios toman todos los días sin ver el costo en tiempo real: qué modelo eligen, cuánto contexto adjuntan y cuántas veces repiten una tarea. En un entorno corporativo grande, esas variables no se suman: se multiplican.

El consultor citado por Axios explicó que el acceso sin restricciones en toda la organización impulsó el consumo de tokens hasta un punto que el informe describió como “incontrolable”.

No hizo falta una falla técnica ni un uso malicioso puntual: bastó con una adopción extendida, incentivos internos para “probar” y la ausencia de frenos administrativos para que el gasto escalara.

Los usuarios intensivos fueron los primeros en notar el impacto. Ingenieros que corren flujos de trabajo complejos con agentes, que sostienen sesiones paralelas de programación o que trabajan con contextos amplios pueden generar con facilidad costos mensuales de cientos o miles de dólares por persona, de acuerdo con la reconstrucción del caso.

Ese monto, en un equipo chico, puede parecer asumible. En una empresa con miles de empleados, se convierte en una línea presupuestaria que crece semana a semana.

De un caso aislado a un drenaje permanente del presupuesto

El punto crítico aparece cuando el patrón se replica. Un desarrollador que deja agentes funcionando las 24 horas puede parecer un caso marginal, pero en una organización grande el comportamiento se contagia: distintos equipos adoptan herramientas parecidas, copian flujos de trabajo y sostienen automatizaciones de manera continua. El gasto deja de ser un pico de experimentación y pasa a ser un costo recurrente.

Este tipo de episodios también revela una asimetría interna: para el empleado, el uso se percibe como “gratuito” porque la factura no llega a su escritorio; para la empresa, el gasto se acumula centralizadamente y aparece tarde, cuando el consumo ya se consolidó. En ese punto, recortar de golpe puede generar fricción operativa, porque la herramienta ya quedó integrada en procesos diarios.

La situación empeora cuando la compañía carece de un mapa claro de quién usa qué, con qué intensidad y para qué tipo de tareas. Sin paneles de administración, límites por usuario o alertas, la organización pierde visibilidad del consumo por área, y la discusión llega tarde: primero se disparan los costos y recién después aparece el debate sobre gobernanza.

Del chat a los agentes: por qué se acelera el consumo de tokens

La presión sobre el gasto aumenta cuando la IA deja de usarse como un chat básico y pasa a operar con funciones de razonamiento, automatización y ejecución iterativa. En el uso conversacional típico, la interacción tiende a ser episódica: una consulta, una respuesta.

En cambio, un agente puede planificar pasos, ejecutar acciones, reintentar, validar resultados y volver a consultar al modelo varias veces para completar una sola tarea.

Ese comportamiento iterativo no es un detalle: es una fuente de consumo constante. Cuanto más se delega en agentes y automatizaciones, más se incrementa el volumen de tokens por tarea. El efecto se amplifica con contextos largos, porque cada iteración incorpora o arrastra más información.

En términos simples, la productividad puede mejorar, pero el costo unitario por “tarea completada” también puede crecer si no se define qué casos de uso justifican modelos más caros y qué trabajos pueden resolverse con alternativas de menor consumo.

Según el informe de Axios, parte del problema de 2024 y 2025 fue la subestimación de estas dinámicas. Muchas compañías se lanzaron a adoptar IA a gran escala sin ajustar expectativas financieras al nuevo esquema de precios. El resultado fue un escenario donde la experimentación se financió como si fuera fija, pero se facturó como variable.

Señales en otras empresas: recortes, presupuestos agotados y cambios de política

El caso de USD 500 millones se mencionó junto con otros ejemplos de ajustes internos en compañías tecnológicas. El informe de Axios indicó que Microsoft redujo licencias internas de Claude Code después de que el costo por ingeniero alcanzara entre USD 500 y USD 2.000 mensuales en ciertos equipos, de acuerdo con información atribuida a The Verge.

En paralelo, Axios mencionó a Uber, donde el director de operaciones, Andrew Macdonald, sostuvo que los costos se estaban volviendo “más difíciles de justificar” con los patrones de uso actuales y las prioridades operativas de la empresa. En ese marco, el mismo informe señaló que la compañía agotó en abril su presupuesto de IA para 2026.

También se citó el caso de Amazon, que cerró una clasificación interna vinculada al uso de IA después de detectar que algunos empleados la manipulaban con instrucciones de poco valor. Según informó Axios, ese comportamiento elevó el gasto de infraestructura sin mejoras relevantes de productividad en distintos departamentos.

Estos antecedentes no prueban que el mercado esté en retirada. Sí muestran un giro: la discusión corporativa pasó del entusiasmo por adoptar herramientas a la necesidad de administrarlas como cualquier otro recurso de infraestructura, con reglas, permisos y rendición de cuentas.

La diferencia entre experimentar y operar: controles y límites

Según el material citado por Axios, Anthropic ofrece herramientas empresariales para evitar escenarios de gasto fuera de control: paneles de administración, límites por usuario y mecanismos de cumplimiento.

La diferencia es que esas funciones no se activan solas. Requieren una configuración previa, con criterios claros: quién puede usar modelos más costosos, en qué tareas, con qué presupuesto y bajo qué monitoreo.

A partir de episodios como el de la factura de USD 500 millones, el debate dejó de ser abstracto. Para muchas empresas, la IA se convirtió en una partida variable que exige el mismo nivel de disciplina que el uso de nube, licencias críticas o infraestructura de datos: límites de gasto, acceso según roles, monitoreo en tiempo real y políticas que eviten que el consumo crezca por inercia.