Durante décadas, los directores financieros midieron la productividad con métricas que todos entendían: horas trabajadas, unidades producidas, ventas cerradas y clientes atendidos. Se trata de números concretos, auditables y comparables, pero llegó la economía digital y complicó el asunto: ¿cómo se mide la productividad de un desarrollador de software, un diseñador o un analista de datos? La respuesta nunca fue perfecta, pero al menos existía un consenso aproximado, que hoy se empieza a romper con la economía volcándose hacia la Inteligencia Artificial (IA) que, en muchos países, ya está integrada en el trabajo cotidiano de millones de personas y organizaciones. Así que esta pregunta sobre productividad regresa con más urgencia y con una respuesta que pocos directivos financieros comprenden: la nueva unidad de productividad se llama token, y si usted dirige una empresa o administra sus finanzas, es importante entender qué significa eso antes de que la factura llegue sin contexto.
Qué es un token, sin complicaciones
Cuando usted o yo escribimos una pregunta en ChatGPT, Claude u otra herramienta de inteligencia artificial, ese texto no llega al sistema tal como lo escribió, sino que lo descompone en fragmentos pequeños llamados tokens; y cada uno equivale aproximadamente a cuatro caracteres de texto, o dicho de otra manera, a tres cuartas partes de una palabra promedio en inglés; en español, donde las palabras tienden a ser más largas, un token puede ser menos de una palabra, lo que ya marca una diferencia entre economías e idiomas.
Pensémoslo así: si alguien le solicita a un asistente de IA que resuma un contrato de diez páginas, el sistema procesa ese contrato fragmento por fragmento, genera una respuesta fragmento por fragmento, y cada uno de esos fragmentos tiene un costo, así que esa pregunta consume tokens, y la respuesta también los consume, y la suma de todos esos fragmentos, multiplicada por el número de personas en la empresa usando IA durante el mes, es la factura.
Esto es radicalmente diferente a cómo las empresas han pagado el software durante los últimos treinta años. Microsoft Office cobra por suscripción mensual, sin importar si lo usa ocho horas al día o veinte minutos a la semana. Asimismo, el correo electrónico corporativo tiene un precio fijo por usuario, pero la IA no funciona así sino que cobra por consumo real, como la electricidad o el agua, ya que si se usa más, se paga más; y a diferencia de la electricidad, el consumo puede dispararse de manera invisible, distribuida entre cientos de empleados usando docenas de herramientas, muchas de ellas sin que el departamento de tecnología siquiera sepa que existen.
El problema que ya está en los balances aunque no lo vean
El gasto global corporativo en inteligencia artificial llegó a USD 644.000 millones en 2025, según Gartner, lo que representó un crecimiento del 76% respecto al año anterior. Mientras tanto, el 81% de los líderes empresariales admite que le resulta difícil cuantificar el retorno de esas inversiones, y el 79% reconoce que los presupuestos de IA no controlados se están convirtiendo en un problema contable creciente, según el informe State of Enterprise AI 2025 de Larridin.
Si traducimos eso al lenguaje de la gestión financiera: casi cuatro de cada cinco empresas que usan IA están gastando dinero que no saben exactamente en qué se va, con quién, ni para qué, ya que el gasto promedio mensual en IA de las empresas fue de casi USD 63.000 en 2024 y se proyectó en más de 85.000 para 2025, excediendo esa cifra. Pero la mayoría no puede decir qué departamento consume más, qué herramienta genera más valor o cuándo ocurren los picos de gasto. Para un CFO, eso no es un problema tecnológico sino de control presupuestario, pues es exactamente el tipo de gasto difuso, fragmentado y sin accountability que genera sorpresas en el cierre trimestral.
Usar IA no es productividad: la diferencia que importa
Aquí hay una confusión que vale la pena deshacer, porque afecta directamente cómo las empresas están midiendo -y engañándose sobre- el impacto de la inteligencia artificial. Muchas organizaciones han adoptado IA en el sentido más superficial del término: los empleados usan ChatGPT para generar ideas, redactar correos o resumir documentos; y eso no es malo, más bien es un primer paso hacia la alfabetización en el uso de IA, pero confundir ese uso básico con productividad real es el equivalente a pensar que comprar una calculadora transforma automáticamente la gestión financiera de la empresa.
La productividad real con IA ocurre cuando se automatizan procesos completos, cuando los sistemas de IA ejecutan tareas sin supervisión humana constante, cuando el tiempo que antes requería horas humanas ahora requiere segundos de procesamiento computacional. En ese nivel, el consumo de tokens no es un gasto sino el costo de producción de un output que antes tenía un costo mucho mayor en tiempo y salario.
Jensen Huang, el CEO de Nvidia, lo formuló de manera que los directivos financieros deberían escribir en algún lugar visible: está dispuesto a pagar USD 100 diarios en tokens por ingeniero, o incluso USD 1.000 en períodos de trabajo intensivo, porque el retorno en productividad lo justifica ampliamente. Más aún, está considerando ofrecer a sus ingenieros “presupuestos de tokens” como parte de su paquete de compensación, de la misma manera que hoy se ofrecen bonos o acciones, y eso es pensar en tokens como capital de trabajo, no como gasto de tecnología, y ahí el el cambio mental que los directores financieros necesitan hacer.
Los agentes de IA: cuando el gasto ocurre sin que nadie esté mirando
El siguiente nivel de complejidad -y el que más debería preocupar a los financieros- es el auge de los agentes de inteligencia artificial, pues un agente de IA no espera que un empleado haga una pregunta para generar una respuesta sino que opera de manera autónoma, ejecuta tareas en secuencia, toma decisiones dentro de un rango definido y produce resultados sin supervisión humana constante.
Huang lo describió con una imagen que lo explica todo: hoy, las computadoras de las empresas están mayormente inactivas, pero en el futuro próximo, estarán procesando tokens las 24 horas del día porque los agentes de IA estarán trabajando mientras los empleados duermen, lo que significa que el consumo de tokens no ocurrirá solo durante la jornada laboral sino de manera continua, acumulando costos que el área financiera necesitará monitorear en tiempo real, no al final del mes cuando llegue la factura.
Para dimensionarlo: una consulta simple a un sistema de IA puede consumir cuatro tokens, pero un agente que analiza un contrato extenso puede consumir 50.000 tokens en una sola tarea, y si ese agente procesa cien contratos al mes de manera autónoma, el costo es calculable y justificable: si nadie sabe cuántos contratos está analizando ni para qué área, el gasto se vuelve incontrolable.
Lo que el CFO necesita hacer hoy
La visibilidad de tokens no es un tema para el departamento de tecnología sino un tema financiero de primer orden, y tiene tres dimensiones que los directores financieros deben abordar con la misma seriedad con que abordan el control de cualquier otro costo operativo.
La primera es la visibilidad
El 84% de las organizaciones descubren más herramientas de IA en uso de las que esperaban cuando hacen auditorías internas. Los empleados adoptan herramientas sin pasar por aprobaciones formales, lo que genera lo que en el sector tecnológico se llama “shadow AI”: gasto no autorizado, no rastreado y no medible, por lo que el primer paso es saber exactamente qué herramientas usa la empresa, quién las usa y cuánto consumen.
La segunda es la atribución
No todo consumo de tokens tiene el mismo valor, pues un equipo que usa IA para automatizar la revisión de contratos legales y reduce en 60% el tiempo de esa tarea está generando un retorno claro: un equipo que usa IA principalmente para generar primeros borradores de correos está en una etapa de adopción inicial con retorno más difuso. Sin atribución por departamento, por caso de uso y por resultado, el área financiera no puede tomar decisiones informadas sobre dónde invertir más y dónde racionalizar.
La tercera es el benchmarking
Una vez que existen datos de consumo, es posible establecer rangos normales de uso por rol, detectar anomalías -picos de consumo que no corresponden a ningún proyecto identificado-, y crear presupuestos de tokens por área con la misma lógica con que hoy se crean presupuestos de viáticos o de publicidad.
La economía del token es la economía del trabajo que viene
Lo que está ocurriendo con la tokenización de la productividad empresarial no es una moda pasajera ni un experimento de empresas tecnológicas de Silicon Valley sino el comienzo de un cambio en cómo se mide, gestiona y valora el trabajo en las organizaciones. Durante la Revolución Industrial, la productividad se midió en unidades fabricadas por hora, y en la economía del conocimiento del siglo XX, se midió en proyectos completados, clientes gestionados, reportes producidos. En la economía de la inteligencia artificial que ya estamos habitando, la productividad se medirá en valor generado por token consumido.
Los directores financieros que entiendan esto primero tendrán una ventaja real: podrán construir estructuras de costos más precisas, justificar inversiones en IA con datos concretos, detectar ineficiencias antes de que se conviertan en pérdidas, y posicionar a sus organizaciones para competir en un entorno donde la IA no es una herramienta opcional sino la infraestructura del trabajo mismo. El token no es solo una unidad técnica sino la nueva unidad de cuenta del trabajo inteligente, y como toda unidad de cuenta, quien aprenda a leerla primero, tomará mejores decisiones financieras y estratégicas.
