El uso interno de IA de Anthropic, a precios minoristas, ya supera su salario de empleados
Las presentaciones de salida a bolsa de Anthropic revelan que, valorado a precios minoristas de lista, el uso interno de Claude por parte de sus empleados ahora supera su compensación en efectivo, reavivando el debate sobre cómo contabilizar el uso de IA y qué señala realmente sobre la productividad. Los comentaristas cuestionan si valorar el consumo interno a tarifas externas tiene sentido o si es solo marketing, discuten sobre el “coste de oportunidad” frente al coste real de cómputo y señalan que el fuerte dogfooding de un laboratorio de IA es un mal proxy de cómo usarán estas herramientas las empresas típicas. Muchos también rechazan encuadrar los tokens de IA como una forma de compensación para empleados, comparándolos más bien con portátiles o infraestructura en la nube: un coste de hacer trabajo de conocimiento, no un salario.
Cómo mide Anthropic el uso interno de IA
- El uso interno de Claude se valora a precios de tokens de tarifa minorista de lista, no al coste real de cómputo de Anthropic.
- Varios comentaristas ven esto como puro marketing/relato para la IPO, análogo a una empresa de software que valora el uso interno de sus propias herramientas al precio de lista para clientes.
- Otros sostienen que “equivalente minorista” es al menos una vara de medir comprensible para personas externas, aunque no sea ingresos GAAP ni la forma en que se contabilizarían los costes internos.
Minorista vs coste y “coste de oportunidad”
- Una postura: el uso interno de IA debería medirse por los ingresos externos que se dejan de percibir (“coste de oportunidad”), especialmente cuando el cómputo está limitado por la oferta y podría venderse a clientes en su lugar.
- Réplica: no hay escasez visible de tokens ni listas de espera; los precios se están recortando para estimular la demanda, así que el coste marginal real es la factura propia de GPUs de Anthropic, no el precio de lista.
- Muchos señalan que las grandes empresas suelen hacer imputaciones internas a tarifas comerciales o de “coste+”, pero usar el precio minorista público completo se considera atípico y sobre todo una cuestión de imagen.
Productividad, empleados y gasto en IA
- Algunos infieren que, si el “gasto en IA a precio minorista por empleado > salario”, la IA está desplazando mano de obra humana.
- Otros responden que la IA es un amplificador: los empleados siguen dirigiendo el trabajo, pero pueden ser entre 5 y 20 veces más productivos en ciertas tareas; eso justifica un gasto elevado en IA por persona aunque la plantilla siga creciendo.
- Se invoca la paradoja de Jevons: una vez que el trabajo se abarata, las empresas simplemente hacen más de él en lugar de “hacer lo mismo con menos gente”.
Tokens como “compensación” frente a herramientas
- La formulación del artículo de los tokens como un “cuarto componente de la compensación” es ampliamente criticada.
- Los comentaristas subrayan que los tokens de trabajo son como portátiles, espacio de oficina o servidores en la nube: un coste de hacer negocio, no compensación gravable, salvo que puedan usarse libremente para proyectos personales.
- Algunos señalan que los presupuestos de tokens sí afectan a la atractividad del puesto, pero eso no los convierte en fungibles con salario o capital.
Dogfooding, usabilidad y generalización
- Se espera un uso intensivo interno de dogfooding; algunos creen que los empleados están, en la práctica, en un uso “ilimitado de nivel alto”, lo que no refleja las restricciones reales de los clientes.
- Eso hace que Anthropic sea un mal proxy para empresas típicas; sus cifras extremas de tokens por empleado probablemente no se generalicen a, por ejemplo, despachos de abogados o empresas de transporte en el corto plazo.
- Otros sostienen que los laboratorios frontier sí son indicadores adelantados del trabajo de oficina, igual que la pila tecnológica de Google en sus inicios anticipó herramientas empresariales posteriores.
Escepticismo sobre el hype y las finanzas
- Varios comentaristas consideran que este tipo de estadísticas de empresas de IA son construcción de relato para sostener valoraciones muy altas.
- La métrica “el uso interno a precio de lista ahora supera el salario en efectivo” se ve por muchos como una trivialidad que dice poco sobre la rentabilidad real, la calidad del producto o el foso competitivo a largo plazo.