Garry Tan de YC usa tanto los agentes de IA que gasta hasta 200.000 dólares al año en tokens

Un destacado inversor de startups afirma gastar hasta 200.000 dólares al año en “tokens” de IA para agentes personales y organizativos que leen su correo, notas y datos de la empresa, lo que ha desatado el debate sobre si ese uso es una palanca visionaria o un consumo ostentoso y despilfarrador. Los comentaristas cuestionan las ganancias reales de productividad frente a una suscripción estándar, lo comparan con contratar asistentes humanos y señalan lo fácil que es derrochar grandes sumas mediante configuraciones multiagente mal optimizadas. También surgen preocupaciones más amplias sobre privacidad, dependencia de modelos en la nube, el impulso hacia la IA en el dispositivo y si los patrones actuales de gasto en tokens reflejan verdadero valor o un símbolo de estatus impulsado por el hype para los ricos.

Niveles de gasto y economía de tokens

  • Muchos creen que 200.000 dólares/año en tokens es una cifra alta, pero no es difícil de alcanzar con un uso intensivo de API, configuraciones multiagente, bucles de evaluación o al llevar al máximo varias suscripciones “Max”.
  • Hay confusión sobre si las cifras se refieren al valor de API a precio de lista o al gasto real en suscripciones; algunos señalan que las suscripciones subsidian enormemente los costes de tokens y que a menudo se ignoran los descuentos por caché.
  • Otros sostienen que la cifra no impresiona para un inversor adinerado, o que es pequeña en el contexto de decisiones a escala de VC, donde una sola inversión mejorada podría justificar el gasto.

Productividad, ROI y “tokenmaxxing”

  • Los escépticos cuestionan qué resultados concretos ha producido este nivel de gasto, más allá de mejores resúmenes de correo o memoria estilo CRM.
  • Varios señalan un patrón de ejecutivos que queman grandes cantidades de tokens en usos triviales (redacción de correos, búsqueda) mientras limitan los presupuestos para trabajo de desarrollo realmente productivo.
  • Algunos admiten hacer deliberadamente “tokenmaxxing” porque la dirección quiere un uso visible de IA, independientemente del valor.
  • Unos pocos defienden un gasto alto si amplía de forma significativa la palanca y la toma de decisiones; otros lo ven como “sentirse productivo mientras no se logra nada” y con un coste elevado.

Agentes, fiabilidad y antropomorfización

  • Preocupación por describir a los agentes como cuasi-humanos y restar importancia a la repetibilidad y la seguridad en favor de la “personalidad” y la imprevisibilidad.
  • Algunos ven esta mentalidad como una extensión de la cultura startup que trata el fracaso como algo intrínsecamente positivo.
  • Surgen preguntas sobre sistemas multiagente que se quedan atascados en bucles, o agentes que hacen ediciones contradictorias, sin respuestas claras.

Hardware frente a nube y modelos locales

  • Debate sobre si, con este nivel de gasto, tiene sentido comprar capacidad de cómputo local.
  • Un lado: lo local suele ser más lento, no puede ejecutar bien modelos de frontera y no es más barato una vez se incluyen hardware y electricidad.
  • El otro lado: para algunas cargas de trabajo, una selección cuidadosa de modelos, el uso parcial en local y la optimización de prompts reducen drásticamente los costes.

Agentes personales, privacidad y ética

  • Algunos están entusiasmados con agentes profundamente personalizados que digieren todos los datos de un usuario.
  • Otros se alarman al introducir correo, notas y registros de terapia en sistemas en la nube y dudan de que surja un futuro centrado en la privacidad y en el dispositivo, dado el desinterés de los usuarios y los incentivos impulsados por la publicidad.
  • Unos pocos plantean una incomodidad moral ante un gran gasto discrecional en IA en un mundo con importantes necesidades básicas insatisfechas.