Meta está preparando AI Gateway, un panel interno para seguir en tiempo real el consumo y el coste de los tokens usados por sus empleados. Según un memorando obtenido por The Information, la empresa prevé alertas ante picos de gasto, límites de uso y presupuestos más estrictos en 2027. Los miles de millones citados son una proyección interna reportada, no un gasto auditado publicado por la compañía.
Qué decidió Meta sobre el uso interno de IA
El cambio llega después de una etapa de fuerte incentivo al uso de herramientas de inteligencia artificial. El memorando, compartido con unos 6.000 empleados, afirma que el consumo interno creció de forma exponencial y que equipos e individuos tenían poca visibilidad sobre cuánto gastaban. La respuesta no consiste en abandonar la IA, sino en gobernar un recurso que ya tiene un impacto financiero propio.
El plan reportado reúne cuatro medidas:
| Control | Cómo funcionaría | Objetivo |
|---|---|---|
| AI Gateway | Centraliza consumo y gasto de IA por equipo en tiempo real | Hacer visible el coste antes del cierre del mes |
| Alertas automáticas | Señalan aumentos inusuales en el uso de tokens | Detectar bucles, agentes mal configurados o abuso |
| Límites y presupuesto | Fija topes individuales o por equipo y, desde 2027, asignación previa | Vincular la capacidad disponible con las prioridades del negocio |
| Herramientas propias | Promueve MetaCode, el asistente interno antes llamado Devmate | Reducir la dependencia externa y controlar mejor el coste |
Por qué los tokens se convirtieron en una línea de coste
Un token es una pequeña unidad de texto procesada por un modelo. La facturación de las API suele separar tokens de entrada, salida y, en algunos casos, contenido almacenado en caché. En una conversación breve, la diferencia parece pequeña. En agentes que leen repositorios, ejecutan herramientas, repiten pasos y cargan historiales extensos, cada tarea puede generar muchas llamadas y volver a procesar el mismo contexto.
Por eso, contar solo usuarios activos o mensajes no revela el coste real. Una empresa debe relacionar los tokens con el modelo, el proyecto, la duración de la tarea y, sobre todo, el resultado producido. Un estudio de 2026 sobre agentes de programación encontró variaciones de hasta 30 veces en el consumo al repetir una misma tarea y concluyó que usar más tokens no garantiza una mayor precisión.
Qué significa la proyección de miles de millones
The Information informa de que el memorando proyecta miles de millones de dólares en uso interno de IA durante 2026. La cifra debe tratarse como una estimación atribuida al documento, porque Meta no ha publicado una partida financiera auditada específica para los tokens consumidos por sus empleados.
Existe un dato público que aporta contexto, pero no debe confundirse con esa proyección: en sus resultados del primer trimestre, Meta elevó su previsión de inversiones de capital para 2026 a un rango de 125.000 a 145.000 millones de dólares. La empresa atribuyó la revisión principalmente al precio de los componentes y a costes adicionales de centros de datos. Ese capex cubre infraestructura amplia para productos y modelos, no solo herramientas internas.
La propia Meta explica que entrenar modelos exige cálculos a gran escala durante semanas o meses y que la inferencia implica atender miles de millones de solicitudes en sus servicios. El control de tokens de empleados es, por tanto, una capa de gobernanza dentro de una operación de computación mucho mayor.
Cómo controlar el coste de IA sin bloquear la productividad
El caso ofrece un modelo práctico para empresas que ya usan copilotos o agentes. El punto de partida no es imponer el mismo límite a todo el mundo, sino medir el coste por resultado útil.
- Atribuye cada llamada: registra equipo, proyecto, usuario, modelo y entorno.
- Mide el resultado: vincula el consumo con entregas aprobadas, tiempo ahorrado, ingresos o reducción de errores.
- Crea alertas: avisa cuando una tarea repita llamadas, amplíe contexto o supere su patrón histórico.
- Usa enrutamiento: reserva los modelos más caros para tareas que realmente exigen mayor capacidad.
- Aprovecha caché y contexto: evita reenviar documentos e historiales sin necesidad.
- Define presupuestos con excepciones: establece topes por equipo, pero amplía capacidad cuando exista un retorno demostrado.
- Evalúa la calidad: reducir tokens solo es eficiente si la respuesta sigue siendo correcta y útil.
Preguntas frecuentes
¿Meta prohibió a sus empleados usar IA?
No. El reporte describe seguimiento, alertas, límites y preferencia por herramientas internas. El objetivo es controlar gasto y asignación, no interrumpir el uso de IA.
¿AI Gateway es un producto público?
No existe un anuncio de producto comercial. El AI Gateway citado en el memorando se describe como una plataforma interna de Meta para seguir consumo y costes.
¿Los miles de millones fueron confirmados en los resultados financieros?
No como una partida separada. La cifra es una proyección interna reportada por The Information. La previsión pública de capex de Meta es mucho mayor e incluye toda su infraestructura, componentes y centros de datos.
Nuestro prisma
El problema no es usar muchos o pocos tokens, sino no saber qué resultado produce cada gasto. Los paneles que premian volumen crean el incentivo equivocado. El indicador útil combina coste, calidad y valor entregado por tarea.
Fuentes: The Information; Meta — resultados del primer trimestre de 2026; Meta — infraestructura de cómputo; estudio sobre consumo de tokens por agentes; Tecnoblog.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
