Uber agota presupuesto de codificación de IA en cuatro meses

El CTO de Uber, Praveen Neppalli Naga, reveló que la empresa agotó su presupuesto completo de herramientas de codificación de IA para 2026 en tan solo cuatro meses, después de adoptar Claude Code de Anthropic por aproximadamente 5,000 ingenieros. Las tasas de adopción aumentaron del 32% en febrero al 84% en marzo, alcanzando una tasa de actividad mensual del 95% para la primavera. El costo promedio por ingeniero fue de 150 a 250 dólares mensuales, con algunos usuarios intensos llegando a 500 a 2,000 dólares; Naga mismo gastó 1,200 dólares en una sola sesión de dos horas. El CEO de Salesforce, Marc Benioff, anunció que Salesforce probablemente utilizará 300 millones de dólares de Anthropic este año a lo largo de una fuerza de ingeniería de aproximadamente 15,000. La división Experiencias + Dispositivos de Microsoft, que incluye Windows, Microsoft 365, Outlook, Teams y Surface, está informada que cancelará licencias directas de Claude Code antes del 30 de junio, redirigiendo a los ingenieros a GitHub Copilot CLI, como informó Tom Warren de The Verge y confirmó Windows Central. LangChain ha introducido un marco operativo de cuatro etapas para gestionar el gasto de agentes de codificación antes de que la quema de tokens se convierta en una sobrecarga estructural.

El problema proviene de "tokenmaxxing"—usar la quema de tokens como proxy de productividad—y la fragmentación de herramientas, que oscurece las tasas de quema. Las características pueden pasar por Claude Code, Cursor y GitHub Copilot Chat, cada uno emitiendo telemetría incompatible. La entrada de blog de LangChain señala que los tableros nativos fallan con varias herramientas; la comparación de costos sin normalización es imposible, dejando a los equipos incapaces de rastrear el gasto.

LangSmith, la primera etapa, ingiere extensiones de OpenTelemetry de GitHub Copilot, ganchos de sesión de Cursor y OpenCode, y datos de extensión de Pi, normalizándolos en un único modelo de trazado. Las sesiones son consultables por thread_id, modelo, proveedor o nombre de herramienta, exponiendo turnos de usuario-asistente, uso de tokens, costo, comandos de shell, actividad de MCP e invocaciones de subagentes. Esta normalización es esencial, ya que las llamadas a herramientas en diferentes plataformas se registran de manera diferente, y LangSmith las estandariza para un procesamiento de datos limpio.

La tubería luego se mueve a la estandarización, optimización y gobernanza. LangSmith atribuye costo por sesión entre herramientas, permitiendo a los equipos comparar Cursor y Claude Code en flujos de trabajo idénticos en dólares. LangChain Engine analiza trazas para identificar llamadas a herramientas redundantes y recomienda la consolidación. La LLM Gateway impone límites de costo en niveles de usuario, equipo y organización y enruta cargas de trabajo a modelos de código abierto cuando sea apropiado. LangChain sostiene que los modelos de código abierto son ahora lo suficientemente capaces para sub tareas con alcance, reservando modelos de vanguardia para tareas necesarias.

En Uber, el desbordamiento se vio incrementado por tableros internos que clasificaban a los ingenieros por el uso de Claude Code, creando un incentivo directo para maximizar la quema de tokens, según Forbes. La empresa ha instituido desde entonces un límite mensual de 1,500 dólares por empleado por herramienta de codificación agente, como informó TechCrunch. Salesforce le dijo a AI Magazine que la IA ahora representa el 30-50% de su carga de trabajo general y que su organización de ingeniería es aproximadamente un 30% más productiva después de la integración de herramientas de IA más amplias, incluyendo Agentforce y otras herramientas, no solo el gasto de tokens de Anthropic, mientras que Uber dice que aproximadamente el 70% de su código comprometido proviene de herramientas de IA, con el 11% escrito completamente por agentes y el resto revisado por humanos, según Forbes. Esos avances solo son defensibles si están vinculados a características enviadas en lugar de volumen de tokens agregado. El COO de Uber, Andrew Macdonald, le dijo a Fortune que el enlace entre el aumento del gasto de IA y características útiles para los consumidores "aún no está ahí".

El patrón de integración aprovecha las herramientas existentes al aprovechar las emisiones de OpenTelemetry de Copilot y los ganchos de Cursor, luego agregando gobernanza. Sin embargo, la normalización requiere que cada herramienta emita la telemetría requerida; si un subagente o servidor MCP oculta recuentos de tokens, la trazabilidad de costos falla. La reserva de código abierto asume la existencia de arneses de evaluación para probar que el modelo más barato no degrada la calidad de la salida, lo que la mayoría de los equipos carece. La gobernanza a nivel de puerta de enlace introduce latencia, impactando la productividad del desarrollador.

Trate a los agentes de codificación como cargas de trabajo de inferencia distribuidas que requieren observabilidad unificada antes de la optimización, porque medir a través de formatos de proveedor incompatibles es requisito previo para evitar que la quema del modelo de vanguardia supere el valor de ingeniería.