Amazon formalizó este martes, 27 de mayo, su postura sobre el uso de IA en el desarrollo de software: contar tokens, rastrear la adopción de herramientas o medir líneas de código generadas son indicadores «profundamente defectuosos» que, según el memorando, pueden derivar en «mayores costos y complejidad innecesaria» sin ningún beneficio para el negocio. El documento, que circuló internamente en septiembre antes de publicarse en el sitio corporativo de la compañía, establece los estándares de trabajo para los ingenieros de software de Amazon en el contexto de la inteligencia artificial.
Que una empresa de la escala de Amazon ponga por escrito que el uso de IA no equivale a mejor desempeño altera el marco de referencia que muchos equipos tecnológicos han usado para justificar su inversión en herramientas de inteligencia artificial. El texto convierte en política oficial lo que hasta ahora era solo una conversación incómoda: más consumo no implica más valor, y los sistemas de medición que no capturan resultados pueden producir incentivos que perjudican al negocio.
De un ranking fallido a una directriz corporativa
El origen del documento es un episodio concreto de mal diseño de incentivos. En mayo de 2026, Amazon desmanteló KiroRank, un marcador interno que ordenaba a los empleados por su nivel de actividad dentro de Kiro, la plataforma de desarrollo asistida por IA de la compañía. La empresa había establecido como objetivo que más del 80% de sus desarrolladores utilizaran herramientas de IA cada semana, y ese ranking derivó en comportamientos que nadie había previsto: algunos ingenieros automatizaron tareas prescindibles únicamente para acumular actividad en el sistema y subir en la tabla clasificatoria, lo que infló el consumo de tokens y, con él, la factura de cómputo, según reportó Business Insider.
El episodio escaló hasta que un vicepresidente sénior tuvo que pedirle al equipo, según reportes de prensa: «Por favor, no usen IA solo por usarla». Amazon respondió después que KiroRank nunca fue un programa oficial, sino una iniciativa informal de un grupo de empleados, y que su propósito nunca fue fomentar el uso de IA por el mero hecho de usarla. El memorando publicado este martes es, esencialmente, la respuesta institucional a esa historia: traslada la lección del incidente al plano de la política escrita.
La compañía también aclaró que no ha establecido límites al volumen de tokens que sus ingenieros pueden consumir.
Resultados de largo plazo como brújula
El principio que articula el documento es directo: «Creemos que lo mejor es medir, y ser medidos, por resultados de largo plazo». Marc Brooker, vicepresidente e ingeniero distinguido de Amazon Web Services (AWS), explicó que la compañía prioriza indicadores como la «velocidad de funcionalidades», es decir, cuántos lanzamientos efectivos se concretan y cuántos cambios alcanzan el entorno de producción con éxito.
«En términos generales, lo pensamos como un retorno de la inversión», dijo Brooker. Su argumento es que cuando existe un problema que importa, ya sea para los clientes o para el negocio, vale la pena destinar herramientas, tiempo, tokens y esfuerzo humano a resolverlo. Lo que no vale es canalizar esos recursos hacia problemas que no tienen relevancia práctica. Brooker reconoce, al mismo tiempo, que determinar de antemano cuáles problemas merecen inversión no siempre es posible, de ahí que la empresa reclame un «apetito por la experimentación» y acepte que parte del gasto en IA no producirá retorno, siempre que genere aprendizaje. Lo que el memorando busca evitar es el gasto que no produce ni siquiera eso.
El texto también contiene un mensaje dirigido al individuo, formulado de una forma poco habitual en el discurso corporativo sobre inteligencia artificial: «Si tu trabajo no se beneficia de las herramientas de IA actuales, eso es un hallazgo, no un fracaso». Y lo refuerza con otra frase: «Un ingeniero que puede explicar dónde la IA todavía no ayuda en su trabajo está demostrando el criterio que pedimos». Es una inversión deliberada del incentivo que había creado KiroRank: donde antes reconocer las limitaciones de la IA sonaba a bajo rendimiento, ahora constituye evidencia de juicio técnico.
Una industria que frena el gasto sin retorno
Amazon no es la primera compañía en revisar la forma en que mide el valor de su inversión en inteligencia artificial. La práctica conocida como «tokenmaxxing», que consiste en cuantificar el compromiso con la IA a través del volumen de tokens consumidos, dominó la cultura tecnológica corporativa durante 2025 y buena parte de 2026, pero está perdiendo fuerza a medida que las facturas crecen sin que la productividad siga el mismo ritmo, según documentó AP News.
Varias empresas de primer nivel han adoptado restricciones concretas en los últimos meses. Uber fijó un tope de US$1,500 mensuales por herramienta de programación agéntica (Cursor, Claude Code) después de agotar en solo cuatro meses su presupuesto anual asignado a inteligencia artificial. Microsoft estableció límites de uso y migró a modelos más económicos como opción predeterminada para sus ingenieros, al tiempo que asignó metas presupuestarias por departamento. Walmart introdujo restricciones al uso de su herramienta interna de programación. Y Coinbase aplicó topes semanales escalonados según nivel y rol, con rangos que van de US$500 a US$5,000 por semana.
Lo que estas medidas tienen en común no es una postura contraria a la inteligencia artificial, sino el desplazamiento desde métricas de consumo hacia métricas de presupuesto y resultado. Ese movimiento se aceleró también por factores de precio: entre febrero y junio de 2026, proveedores como OpenAI, Anthropic y GitHub abandonaron los esquemas de tarifa plana y adoptaron cobros variables por consumo, lo que amplió directamente la exposición financiera de las empresas usuarias, según Business Insider.
El problema de fondo que el memorando no resuelve
El desafío que ninguna empresa ha logrado zanjar por completo es que los «resultados de largo plazo» son difíciles de vincular con precisión a decisiones específicas de inversión en IA. Un equipo que lanza diez nuevas funcionalidades en un trimestre puede comprobar después que ninguna generó el impacto esperado. Medir cuántos cambios llegan a producción con éxito es más informativo que contar tokens, pero ambos son, al final, indicadores de actividad.
Brooker lo admite implícitamente cuando habla de experimentación: parte del gasto se perderá, y esa pérdida solo vale la pena si produce conocimiento. Lo que el memorando evita no es el riesgo, sino el gasto vacío. Para las organizaciones que han construido sus programas de IA sobre métricas de adopción, la señal práctica del documento es que cualquier indicador que funcione también como ranking termina siendo optimizado por quienes lo reportan, no por quienes toman las decisiones. Y el permiso que otorga el texto, el de declarar que una herramienta no ayuda en determinado contexto sin que eso cuente como una falla, puede resultar más influyente que cualquier límite de gasto en cómo las empresas tecnológicas gestionen sus programas de inteligencia artificial en los próximos meses.
