Análisis de SemiAnalysis sobre presupuestos empresariales de IA: Meta quemó 70 billones de tokens en un mes, pero el riesgo real no es que "las empresas dejen de usar IA"
Análisis de SemiAnalysis sobre presupuestos empresariales de IA: Meta quemó 70 billones de tokens en un mes, pero el riesgo real no es que "las empresas dejen de usar IA"
La adopción empresarial de IA está pasando silenciosamente de "usar tanto como sea posible" a "usar con un límite, una política y una razón". En un reciente análisis en profundidad sobre Presupuestación de Tokens, SemiAnalysis describe cómo el "tokenmaxxing" de principios de 2026 (una mentalidad de incentivos que recompensa a los empleados por consumir más tokens de LLM) está siendo reemplazado por límites estructurados por empleado y gobernanza controlada por finanzas. (newsletter.semianalysis.com)
Para los equipos de cripto y blockchain, este cambio es más importante de lo que parece a primera vista. No porque los LLM sean cada vez menos útiles, sino porque Web3 es una de las pocas industrias donde un error de IA puede convertirse directamente en una pérdida irreversible en la cadena. La nueva pregunta no es "¿Podemos permitirnos los tokens?". Es "¿Podemos demostrar el ROI por token sin expandir nuestra superficie de ataque?".
"Tokens" en IA vs. tokens en cripto: por qué la presupuestación se vuelve confusa rápidamente
En los LLM, un "token" es una unidad de procesamiento de texto que se convierte en tu factura. En cripto, los "tokens" son activos, a menudo líquidos, transferibles y objetivos. Los operadores de Web3 se encuentran en la intersección de ambos significados:
- Pagas por tokens de LLM (costos de uso).
- Proteges tokens de cripto (custodia y resultados de seguridad).
- Te defiendes contra adversarios habilitados por IA (nuevo modelo de amenaza).
Es por eso que la presupuestación de IA en cripto no es solo un ejercicio de adquisición. Se está convirtiendo en parte de la gestión de riesgos operativos, similar a cómo los protocolos tratan las recompensas por errores (bug bounties), auditorías y respuesta a incidentes.
Lo que SemiAnalysis realmente encontró: los límites existen, pero la demanda no colapsa
SemiAnalysis afirma que las empresas están introduciendo cada vez más límites estrictos para el uso de IA, pero no hay un "número correcto" universal. Sus conversaciones empresariales (más de 50 organizaciones) sugieren que los presupuestos pueden comenzar en unos pocos cientos de dólares al mes y escalar drásticamente según el rol. (newsletter.semianalysis.com)
Más importante aún, argumentan que la narrativa popular ("las empresas están reduciendo el gasto en IA, por lo que los ingresos por API están en riesgo") está exagerada. Su opinión es que el grupo de mayor gasto (a menudo el 10% superior de los clientes) es poco probable que se reduzca significativamente en el corto plazo. (newsletter.semianalysis.com)
Esto es consistente con datos de gasto más amplios. El análisis de Ramp muestra que el gasto en IA es extremadamente desigual: la empresa mediana gasta muy poco por empleado, mientras que los adoptantes más agresivos gastan órdenes de magnitud más. (ramp.com)
Si diriges un exchange de criptomonedas, un equipo de infraestructura de stablecoin, un protocolo DeFi o una empresa de seguridad, esa disparidad debería sonar familiar: los equipos más avanzados no "dejan de gastar", se vuelven mejores en dirigir el gasto.
El momento "Claudeconomics" de Meta: una lección de presupuestación que los equipos de cripto no deberían ignorar
Los ejemplos extremos son útiles, no porque sean típicos, sino porque revelan lo que se rompe primero.
SemiAnalysis relata cómo Meta rastreó y gamificó internamente el uso de tokens de IA con una tabla de clasificación ("Claudeconomics"), con un uso a nivel de empresa que superó los 60 billones de tokens en 30 días y un usuario principal que consumió aproximadamente 280 mil millones de tokens, y cómo se cerró poco después de hacerse público. (newsletter.semianalysis.com)
Ya seas un grupo de contribuyentes de DAO o un exchange regulado, la conclusión es la misma:
Cuando el consumo se convierte en el KPI, obtendrás consumo, no necesariamente valor.
En cripto, esto es análogo a confundir:
- "número de transacciones" con "actividad económica útil", o
- "TVL" (Valor Total Bloqueado) con "adecuación sostenible del producto al mercado".
La presupuestación de IA está empujando a las empresas hacia una métrica más saludable: resultados por dólar, no volumen de uso.
El riesgo real para los proveedores de IA — y para los equipos de cripto — es la rendición de cuentas del ROI
SemiAnalysis estima que los casos de uso de codificación representan una gran parte de los ingresos actuales de los laboratorios de IA, y que el crecimiento futuro puede replicar la curva de adopción de herramientas para desarrolladores en otros flujos de trabajo empresariales. (newsletter.semianalysis.com)
Cripto ya es una industria con "mucha codificación":
- desarrollo de contratos inteligentes
- ingeniería de indexadores e infraestructura
- investigación de seguridad
- respuesta a incidentes
- ingeniería de cumplimiento (regla de viaje, detección de sanciones, monitoreo)
Por lo tanto, la presupuestación no reducirá la importancia de la IA, sino que cambiará cómo los equipos la consumen.
El nuevo comportamiento predeterminado se ve así:
- modelo más barato para borradores, resúmenes y análisis de primer pase
- modelo premium solo para tareas de alto riesgo (revisiones de seguridad, código de producción, decisiones de cara al cliente)
- aprobaciones y registro para gastos excepcionales
Esto es exactamente cómo los equipos maduros de cripto ya tratan:
- despliegues en mainnet vs. testnet,
- operaciones de billetera caliente (hot wallet) vs. almacenamiento en frío (cold storage),
- acceso a claves de producción vs. permisos de solo lectura.
El problema único de presupuestación de Cripto: los adversarios pueden convertir tu IA en un sumidero de costos (o algo peor)
Los límites de tokens no se tratan solo de ahorrar dinero. En términos de seguridad, son un control contra dos riesgos superpuestos:
- Costo de automatización descontrolado
- Agentes en bucle, llamadas a herramientas, resúmenes repetidos o "pensamiento" interminable pueden crear el equivalente en IA a un shock en la factura de la nube.
- Abuso por adversarios
- La inyección de prompts, la exfiltración de datos y el manejo inseguro de salidas son ahora preocupaciones generalizadas, capturadas en marcos como el OWASP Top 10 para Aplicaciones de Modelos de Lenguaje Grandes (LLM). (owasp.org)
Para las organizaciones de blockchain, esto se amplifica porque los asistentes internos de IA tocan cada vez más:
- scripts de despliegue
- credenciales RPC
- informes de tesorería
- flujos de trabajo de atención al cliente (donde comienza la ingeniería social)
- revisiones de listados y puntuación de riesgos
- triaje de seguridad y comunicaciones de incidentes
Una política de presupuestación sin una política de seguridad está incompleta. La mentalidad de gobernanza más amplia ya está cubierta por organismos de estandarización, por ejemplo, el Marco de Gestión de Riesgos de IA (AI RMF) de NIST, pero los equipos de cripto deben mapear esos principios a las realidades en cadena (irreversibilidad, custodia de claves y componibilidad). (nist.gov)
Un "Manual de Presupuestación de Tokens" práctico para equipos de Web3
A continuación, se presenta una estructura que alinea el control de costos con el riesgo de blockchain:
1) Definir categorías de trabajo de IA por niveles
- Nivel A (bajo riesgo / bajo costo): notas de reuniones, borradores preliminares, preguntas frecuentes internas
- Nivel B (moderado): consultas de análisis, especificaciones de productos, explicaciones de código
- Nivel C (alto riesgo): cambios en flujos de firma, código de contrato inteligente, respuesta a incidentes, decisiones de cumplimiento
Luego, vincular cada nivel a:
- clase de modelo predeterminada (barata vs. premium)
- gasto máximo
- requisitos de registro
- reglas de revisión humana
2) Presupuestar por rol, no por "equidad"
SemiAnalysis observó que los presupuestos más altos suelen ir a las funciones de ingeniería y ciencia de datos. Cripto debería hacer lo mismo, pero con un giro: los roles de seguridad y custodia merecen presupuestos premium porque el ROI se mide en pérdidas evitadas. (newsletter.semianalysis.com)
3) Tratar los modelos premium como privilegios de producción
Si un ingeniero debe optar explícitamente por un modelo premium, se crea un "reductor de velocidad" que:
- reduce el gasto accidental
- crea un rastro de auditoría de por qué se utilizó cómputo premium
- obliga a los equipos a reservar el uso de alta gama para tareas importantes
4) Rastrear el ROI en métricas nativas de cripto
En lugar de afirmaciones vagas de productividad, medir:
- problemas de contratos inteligentes encontrados pre-auditoría
- tiempo de resolución de vulnerabilidades
- tiempo de respuesta a incidentes
- tasa de falsos positivos en el monitoreo de transacciones
- tiempo de resolución de soporte (sin aumentar el fraude)
5) Añadir disyuntores de gasto para agentes
Si implementa flujos de trabajo de agentes (monitoreo, triaje de tickets, análisis de riesgos), imponga:
- límites estrictos de tokens por tarea
- techos de llamadas a herramientas
- límites de tasa por identidad
- "interruptores de emergencia" vinculados a gastos anormales
6) Asumir que la IA aumenta la presión de la ingeniería social
Chainalysis ha documentado cómo las estafas escalaron con tácticas de suplantación e información habilitada por IA, estimando pérdidas masivas por estafas y destacando la infraestructura de fraude industrializada. (chainalysis.com)
Eso significa que su organización debería tratar:
- guiones de soporte,
- aprobaciones internas,
- y comunicaciones "urgentes"
como parte de su superficie de gobernanza de IA, no solo como un problema de su equipo de seguridad.
7) Separar el acceso a IA del acceso a claves (no negociable)
No importa cuán bueno sea su stack de IA, las claves privadas deben permanecer aisladas de:
- sesiones del navegador
- flujos de trabajo de copiar/pegar
- registros de chat
- compartir pantalla
- plugins de "ayudante de IA"
Aquí es donde la disciplina operativa aún supera a las herramientas.
Dónde encaja OneKey: la autocustodia como última línea de defensa en un mundo de presupuestos de IA
Cuando las empresas comiencen a medir el ROI por token, los equipos de cripto se verán tentados a automatizar más: operaciones de tesorería, pagos a proveedores, gestión de liquidez e incluso acciones de incidentes. Pero cuanta más automatización agregue, más valioso será mantener la autoridad de firma fuera de línea.
Una billetera de hardware como OneKey está diseñada con un principio simple: mantener las claves privadas fuera de los entornos conectados a Internet mientras se permite la firma y verificación de transacciones del día a día. En un mundo donde el phishing asistido por IA, la suplantación y la manipulación de flujos de trabajo se están acelerando, esa separación no es solo una "mejor práctica", es protección del presupuesto, porque una sola transacción comprometida puede anular el ROI de un año entero de productividad de IA.
Cierre: los límites de tokens no son un invierno de IA, son una IA que se vuelve de grado financiero
La "presupuestación de tokens" no es una señal de que las empresas hayan terminado con la IA. Es una señal de que la IA está pasando de la experimentación a la misma categoría que el gasto en la nube, los controles de seguridad y la auditoría interna.
Para las organizaciones de blockchain, eso es una buena noticia, porque los ganadores no serán los equipos que consuman más tokens de LLM. Serán los equipos que puedan demostrar resultados medibles, implementar barreras de seguridad para LLM y mantener una higiene sólida de autocustodia y firma incluso a medida que la IA se integra en todos los flujos de trabajo.
