Meta revela una nueva métrica del trabajo: cuánto usan los empleados la IA

Durante décadas, la productividad en las empresas tecnológicas se midió con indicadores relativamente simples: líneas de código escritas, proyectos completados o productos lanzados. Pero el avance de la inteligencia artificial está empezando a cambiar esa lógica.

Un episodio reciente dentro de Meta dejó al descubierto ese cambio. Según el medio especializado The Information, empleados de la compañía comenzaron a competir informalmente para ver quién utilizaba más tokens de Inteligencia Artificial, la unidad básica de procesamiento de los modelos de lenguaje. El sistema funcionaba a través de un tablero interno que mostraba el consumo de tokens de los empleados. Los mayores usuarios recibían títulos simbólicos como “Token Legend”, en una especie de ranking de adopción de IA dentro de la empresa.

El tablero llegó a listar a los 250 mayores usuarios de IA entre más de 85.000 empleados, y en algunos casos el consumo mensual alcanzó cifras extraordinarias: un ingeniero llegó a utilizar 281.000 millones de tokens en un solo mes, de acuerdo con datos citados por medios tecnológicos que analizaron el sistema interno.

Qué es un token y por qué importa

En los modelos de lenguaje desarrollados por empresas como OpenAI, Anthropic o Google, un token es la unidad mínima de texto que procesa la inteligencia artificial. Cada consulta a un modelo —desde generar código hasta redactar un informe o analizar datos— consume tokens, y cada token implica costo computacional real en centros de datos y GPUs.

Por eso, dentro de la economía de la IA, los tokens funcionan como una especie de combustible digital. Cuanto más se utilizan, mayor es el uso de infraestructura de IA. Más allá de la anécdota del ranking, el episodio refleja un cambio estructural en la forma en que las empresas tecnológicas comienzan a medir la productividad.

En la economía de la IA, una parte creciente del trabajo intelectual —programación, análisis, redacción o investigación— ya no es ejecutada directamente por humanos, sino por sistemas de Inteligencia Artificial.

En ese contexto, empiezan a aparecer nuevas métricas internas como: okens consumidos, consultas ejecutadas, horas de GPU utilizadas y costo de inferencia por tarea. En otras palabras, la productividad empieza a medirse por cuánta computación de inteligencia artificial utiliza una organización para producir resultados.

Este cambio está directamente relacionado con el nuevo modelo económico de la IA generativa. Las grandes tecnológicas están invirtiendo miles de millones de dólares en centros de datos capaces de ejecutar modelos a escala global. Empresas como Microsoft, Amazon, Google y la propia Meta Platforms compiten por expandir su infraestructura de cómputo para atender la creciente demanda de consultas de IA.

Cada interacción con un modelo —lo que en la industria se conoce como inferencia— requiere capacidad de procesamiento, electricidad y hardware especializado. Por eso muchos analistas empiezan a hablar de una “economía de la inferencia”, donde el recurso clave ya no es solo el talento humano sino la capacidad de ejecutar Inteligencia Artificial a gran escala.

El ranking interno de Meta terminó siendo desactivado luego de que algunos empleados comenzaran a manipular el sistema o ejecutar procesos de IA innecesarios para subir posiciones en la tabla. El episodio dejó una lección clara para la industria: usar más Inteligencia Artificial no siempre significa producir más valor.

La adopción de IA dentro de las empresas ya no es una cuestión experimental. Está empezando a convertirse en una variable central de productividad empresarial. Lo que ocurrió dentro de Meta revela una tendencia que probablemente se extienda a toda la economía tecnológica. Las organizaciones del futuro comenzarán a dividirse entre aquellas que operan con uso intensivo de inteligencia artificial y aquellas que no.

En ese escenario, la pregunta central para gobiernos y empresas ya no es solo quién desarrolla los mejores modelos de IA, sino quién tiene la infraestructura, la energía y la capacidad computacional para utilizarlos masivamente.