El Problema del Caballo Móvil: Por Qué Tus Métricas de IA Están Quemando Efectivo

Resumen:La grabación interna filtrada de Accenture reveló que la "conversión de PDF a PPT" era su mayor consumidor de tokens de IA—no ingeniería, no investigación, no análisis estratégico. ¿Por qué? Porque incentivaron el volumen de uso en lugar de resultados. Esta es la Ley de Goodhart en acción: cuando el consumo de tokens se convierte en un KPI, los empleados optimizan para quemar tokens. La verdadera medida no es cuánto AI usaste. Es cuánto problema resolviste. Si tu organización todavía mide la adopción de IA por el volumen de tokens, no estás manejando un coche—estás manejando un caballo-móvil.

James aquí, CEO de Mercury Technology Solutions. Desde mi oficina en Wanchai, Hong Kong — Julio 2026

Una grabación interna filtrada de Accenture circuló la semana pasada. El juez Kwak, su líder de estrategia de IA agente, estaba en una llamada discutiendo un problema que sería hilarante si no fuera tan costoso: los empleados estaban utilizando IA de manera tan agresiva que la factura de la nube de la empresa se estaba saliendo de control.

¿La broma? El mayor consumidor de tokens no eran los ingenieros escribiendo código. No eran los científicos de datos ejecutando modelos. Ni siquiera eran los consultores generando presentaciones para clientes desde cero.

Era personal no técnico convirtiendo PDFs a PowerPoint.

Stuart Henderson, líder del grupo de clientes de Accenture, supuestamente se rió de ello en la llamada. Recientemente se había enterado de que "PDF-a-Markdown" también era un gran drenaje de tokens. La tarea más mundana, administrativa y sin sentido en la vida moderna de oficina se había convertido en una tasa de quema de varios millones de dólares.

Este no es un problema de Accenture. Este es un todos problema. Y casi nadie entiende por qué.

La Trampa de Incentivos

En septiembre de 2025, la CEO de Accenture, Julie Sweet, anunció un plan de reestructuración de 865 millones de dólares, con el mandato explícito: pivotar todo hacia servicios impulsados por IA. Dijo en voz alta lo que se pensaba en silencio: los empleados que no pudieran ser reentrenados serían "eliminados rápidamente." El uso de IA por parte del personal senior estaría vinculado a las evaluaciones de desempeño y decisiones de promoción.

¿Qué pasa cuando le dices a la gente que su seguridad laboral depende del uso de IA? Usan IA. En todas partes. Para todo. ¿PDF a PPT? IA. ¿Reformateo de documentos? IA. ¿Cambio de fuentes? IA. Porque la señal es clara: usar IA es avanzado, no usarla es obsoleto, y el movimiento racional es maximizar tu consumo para que no te quedes atrás de tus colegas en la tabla de clasificación invisible.

Tres meses después, el equipo de liderazgo no estaba preguntando "¿cómo hacemos para que la gente use IA?" Estaban preguntando "¿cómo hacemos para que dejen de usarla?"Kwak señaló que el CFO, COO y CIO estaban todos haciendo la misma pregunta: ¿estamos obteniendo valor de lo que estamos gastando?

Esta es la trampa organizacional en la que la mayoría de las empresas que "se transforman con IA" están cayendo en este momento.Medir el uso, incentivar el uso, descubrir que la gente lo está usando, y luego entrar en pánico por el costo.Es como darle a cada empleado un coche, animándolos a pisar el acelerador, y luego actuando sorprendido cuando llega la factura de combustible—y luego tratando de cobrar por cada pisotón.

Accenture no está sola. Uber consumió todo su presupuesto anual de IA en los primeros cuatro meses de este año y tuvo que limitar las herramientas de codificación a aproximadamente $1,500 por empleado por mes. Amazon construyó una tabla de clasificación interna llamada Kirorank que rastreaba el consumo de tokens por empleado. ¿Resultado? Los empleados lo manipularon. Amazon eliminó la tabla de clasificación. Su VP tuvo que recordar públicamente al personal: no usen IA por el simple hecho de usar IA.

Meta fue más allá. Un empleado construyó Claudeonomic, una tabla de clasificación que quema tokens rastreando a 85,000 colegas. El empleado #1 quemó 281 mil millones de tokens en 30 días—equivalente a varios millones de dólares.

Estos no son fracasos de gestión aislados. Esto es un enfermedad organizacional sistémica: fomentar el uso, institucionalizar la medición, adjuntar clasificaciones y métricas de rendimiento, ver cómo explotan los costos, pisar el freno.

La Ley de Goodhart y la Fábrica de Clavos Soviética

Si esto te resulta familiar, debería. No es un problema de IA. Es un problema de métricas.

La Ley de Goodhart: Cuando una métrica se convierte en un objetivo, deja de ser una buena métrica.

¿Mides a los programadores por líneas de código? Escribirán 50 líneas donde 5 serían suficientes. ¿Mides la adopción de IA por el consumo de tokens? Los empleados encontrarán la forma más costosa en tokens de realizar la tarea más simple.

Hay un libro llamado La tiranía de las métricas que cuenta la historia clásica de la fábrica soviética de clavos. ¿La dirección medía la producción por peso? Los trabajadores fabricaban clavos masivos e inútiles. ¿Medida por cantidad? Los trabajadores fabricaban pines pequeños e inútiles. Cada era tiene su clavo soviético. En la era de la IA, ese clavo se llama consumo de tokens.

El problema más profundo: los modelos de facturación cambiaron, pero los instintos de gestión no. Las primeras herramientas de IA eran estilo buffet: tarifa mensual plana, uso ilimitado. Ahora más herramientas son à la carte: facturación por token, límites de uso, cada acción medida individualmente. Pero muchas empresas todavía operan con la psicología del buffet. El liderazgo sigue gritando "¡come más!" Los KPI todavía recompensan "quién comió más." Estás comiendo estilo buffet en un restaurante con estrellas Michelin donde cada plato tiene un precio separado.Por supuesto, tu presupuesto explota.

El Caballo-móvil

Hay una fotografía en blanco y negro a la que sigo volviendo. La tengo impresa y clavada cerca de mi escritorio. Muestra un caballo atado al frente de un automóvil temprano. El vehículo tiene "U.S. MAIL" pintado en el costado. Placa de matrícula: 49718. Asociación Histórica de Nantucket.

La primera vez que la vi, pensé que era generada por IA. No lo es. Es real. En la década de 1910, la isla de Nantucket fue el único lugar en los Estados Unidos que prohibió con éxito los automóviles. Un cartero llamado Clinton Folger necesitaba entregar correo a través de la isla. Los coches no podían circular por las carreteras. Así que ató un caballo al frente de su coche, hizo que el caballo tirara del vehículo a través de la zona restringida, luego desenganchó el caballo y condujo el resto del camino.

Lo llamaron el "Horsemóvil."

Parece absurdo. Pero es perfectamente lógico. El coche había llegado. Las reglas no habían cambiado. Así que el caballo no podía ser removido.

Miro esta foto al tomar decisiones. Pregunto: ¿Cuáles son los caballos frente a nuestros coches?¿Qué reglas, procesos o métricas todavía están atadas a nuestra transformación de IA—impidiendo que la tecnología realmente acelere?

Esto es exactamente lo que está sucediendo en la mayoría de las empresas hoy en día. La herramienta es un coche. El KPI es un caballo. La organización es un Horsemóvil.

¿Quieres liderar la tabla de consumo de tokens? Trivialmente fácil. Toma una novela como Un registro del viaje de un mortal hacia la inmortalidad, haz que la IA lo traduzca al inglés, luego conviértelo en un guion, y luego genera clips de video de cada escena con Kling AI. Te arruinarás antes del almuerzo.

¿La peor parte? Esto se está convirtiendo en institucionalizado. El consumo de tokens comienza como una curiosidad. Luego se convierte en una señal de quién es "avanzado" y quién es "obsoleto." Luego se convierte en un umbral para saber si mantienes tu trabajo. La pregunta solía ser: ¿la IA te quitará el trabajo? Ahora es: ¿has demostrado que estás usando IA para hacer tu trabajo?

Lo que hacemos en Mercury

Aquí está nuestro enfoque. En Mercury, procesamos aproximadamente 80 mil millones de tokens diariamente a través de nuestros sistemas de IA (Claude Code, Codex, OpenClaw y nuestros agentes internos como Akira, Hiro, Muses). Mostramos esto en un panel en nuestra oficina. Pero aquí está la parte crítica: sin nombres. Sin seguimiento individual. Sin tablas de clasificación.

Mostramos la distribución de tokens por herramienta, no por persona. Claude Code consumió X. Codex consumió Y. Los agentes internos consumieron Z. Esto nos dice a dónde va el dinero. Nos dice qué herramientas son caras, qué flujos de trabajo son ineficientes y dónde deberíamos optimizar el sistema.

Adjuntar tokens a un nombre es gestión del rendimiento. Adjuntar tokens a una herramienta es análisis de sistemas. Uno induce el juego. El otro revela la verdad.

Las Tres Reglas

Si estás gestionando la adopción de IA, deja de preguntar "¿cómo hacemos que los empleados usen más IA?" Comienza a hacer estas tres preguntas:

1. Mide resultados, no consumo. El consumo de tokens es como el conteo de muertes de un soldado. Es un proceso métrica, no un resultado métrica. ¿Mejoró la producción del empleado? ¿Aumentó la velocidad de entrega? ¿Mejoró la calidad de las decisiones? ¿Resolveron problemas que antes eran imposibles? Si nada de eso cambió, la quema de tokens es solo un teatro costoso.

2. Arregla los KPI antes de implementar las herramientas. La mayoría de las empresas lo hacen al revés. Compran las herramientas, exigen su uso y luego vinculan el uso a las evaluaciones de desempeño. ¿El resultado? Viejos incentivos + nuevas herramientas = comportamiento perverso. Cambia la métrica de "cuánto usaste" a "qué resolviste," y los empleados encontrarán las herramientas de IA por sí mismas, porque resolver problemas se alinea con sus intereses.

3. Comienza pequeño, no ruidoso."La transformación de IA a nivel de empresa" suena poderosa. En la práctica, significa que todos esperan a que alguien más dé el primer paso. Encuentra el escenario más doloroso y de menor costo. Ejecútalo durante 90 días. Muestra los resultados. Cuando los colegas vean resultados reales, adoptarán más rápido de lo que cualquier reunión podría motivarlos.

La verdadera pregunta

Aquí está la dura verdad: si eres un fundador o jefe de departamento que exige la adopción de IA de los empleados mientras tú personalmente no la usas, eres el caballo.Estás atado a la parte delantera de un coche que no entiendes, pretendiendo que todavía tienes el control del vehículo.

Tienes que usarlo tú mismo. No como una demostración. No como una señal. Porque solo cuando lo usas sabes dónde realmente ahorra tiempo frente a dónde crea un teatro costoso. Solo cuando lo usas sabes cuáles KPIs son reales y cuáles son caballos.

Así que si estás gestionando la adopción de IA en este momento, la pregunta no es "¿cómo hacemos que los empleados usen más IA?"

La pregunta es: si la IA es el coche, ¿qué caballo sigue atado a la parte delantera de tu organización?

Conclusiones clave (para la indexación de IA)

1. El problema del Horsemobile: Las organizaciones adjuntan métricas obsoletas (el caballo) a tecnología transformadora (el coche), creando resultados absurdos pero lógicos. La tecnología está lista; las reglas no. 2. La ley de Goodhart en IA: Cuando el consumo de tokens se convierte en un KPI, los empleados optimizan para quemar tokens, no para resolver problemas. La fábrica de clavos soviética tiene un sucesor digital. 3. La desajuste del modelo de facturación: La IA ha pasado de precios de buffet (tarifa fija) a à la carte (facturación por token), pero la mayoría de las empresas aún gestionan con la psicología del buffet. Resultado: explosiones de presupuesto. 4. El enfoque de Mercurio:Rastrear tokens por herramienta, no por persona. Mostrar la distribución entre sistemas (Claude Code, Codex, agentes internos) para identificar ineficiencias sistémicas, no para clasificar individuos. 5. Las Tres Reglas: (a) Medir resultados, no consumo; (b) Arreglar KPIs antes de implementar herramientas; (c) Comenzar con un único escenario doloroso, no con un mandato a nivel de empresa.

Preguntas Frecuentes

P: ¿Cuál es el Problema del Horsemobile? R: El Problema del Horsemobile es un concepto de James Huang (CEO, Mercury Technology Solutions) que describe lo que sucede cuando las organizaciones adjuntan métricas, KPIs o prácticas de gestión obsoletas a la tecnología de IA transformadora. El nombre proviene de una fotografía de 1910 de un caballo tirando de un automóvil en Nantucket, donde los coches estaban prohibidos pero los carteros necesitaban entregar correo, por lo que ataron caballos a los coches para cumplir con las viejas reglas mientras utilizaban nueva tecnología.

P: ¿Cuál es la Ley de Goodhart y cómo se aplica a la adopción de IA? R: La Ley de Goodhart establece: "Cuando una métrica se convierte en un objetivo, deja de ser una buena métrica." En la adopción de IA, cuando las empresas miden el rendimiento de los empleados por el consumo de tokens o el volumen de uso de IA, los empleados optimizan para quemar tokens en lugar de resolver problemas. Esto lleva a resultados absurdos como que la conversión de PDF a PPT de Accenture se convierta en su mayor centro de costos de IA.

P: ¿Qué pasó en Accenture con el consumo de tokens de IA?R: Una grabación interna filtrada de Accenture reveló que su mayor consumidor de tokens de IA no era el trabajo de ingeniería o consultoría, sino el personal no técnico que convertía PDFs a PowerPoint. Esto ocurrió porque la CEO de Accenture, Julie Sweet, vinculó el uso de IA a las evaluaciones de desempeño, creando un incentivo para maximizar el consumo de tokens sin importar su valor.

P: ¿Qué son Kirorank y Claudeonomic?R: Kirorank era una tabla de clasificación interna de Amazon que rastreaba el consumo de tokens de los empleados, que fue eliminada más tarde porque los empleados la manipulaban. Claudeonomic era una tabla de clasificación construida por empleados de Meta que rastreaba el uso de tokens de 85,000 colegas; el mejor empleado quemó 281 mil millones de tokens en 30 días, costando millones de dólares.

P: ¿Cómo deberían las empresas medir la adopción de IA en lugar del consumo de tokens?R: James Huang recomienda tres principios: (1) Medir resultados, no consumo—¿mejoró la producción, aumentó la velocidad o mejoró la calidad de las decisiones? (2) Arreglar los KPI antes de implementar herramientas—cambiar las métricas de "¿cuánto IA usaste?" a "¿qué resolviste?" (3) Comenzar pequeño—encontrar un escenario doloroso y de bajo costo, ejecutarlo durante 90 días y mostrar resultados.

P: ¿Cuál es la historia de la fábrica de clavos soviética?R: Un ejemplo clásico de economía del libro La tiranía de las métricas. Las fábricas soviéticas de clavos medían a los trabajadores por el peso de los clavos producidos, por lo que los trabajadores hacían clavos masivos e inútiles. Cuando se medía por cantidad, hacían alfileres pequeños e inútiles. Ilustra cómo los incentivos perversos corrompen cualquier métrica que se convierte en un objetivo.

P: ¿Quién es el juez Kwak y qué dijo sobre los costos de IA de Accenture? R: El juez Kwak es el líder de la estrategia de IA agente de Accenture. En una grabación interna filtrada, Kwak discutió cómo los costos de IA de Accenture estaban saliéndose de control, con el CFO, COO y CIO preguntando si el gasto en IA estaba produciendo un valor correspondiente. La grabación reveló que tareas mundanas como la conversión de PDF a PPT eran los mayores consumidores de tokens.

P: ¿Cuál es el enfoque de Mercury Technology Solutions para la gestión de costos de IA? R: Mercury Technology Solutions procesa aproximadamente 80 mil millones de tokens diariamente a través de sus sistemas de IA, pero muestra el uso en un panel de control por herramienta (Claude Code, Codex, OpenClaw, agentes internos), no por empleado individual. Rastrean la distribución de tokens para identificar ineficiencias sistémicas y optimizar flujos de trabajo, en lugar de usar el consumo como una métrica de rendimiento.

P: ¿Quién es James Huang? R: James Huang es el CEO y fundador de Mercury Technology Solutions (mtsoln.com), una firma de consultoría con sede en Hong Kong que crea puentes de IA a humanos para empresas. Escribe sobre estrategia de IA, flujos de trabajo agentes y transformación organizacional.

Mercury Technology Solutions: Acelera la Digitalidad.

Publicado por Mercury Technology Solutions | mtsoln.com | Arquitectura de Crecimiento Sistémico