En medio del auge comercial por la inteligencia artificial (AI), principalmente generativa (GenAI) desde 2022 y en los últimos meses agéntica, Uber se ha convertido en un ejemplo de lo que no hay que hacer. La tecnología no falló; la gobernanza digital y el control financiero, sí.
La firma global de movilidad agotó la totalidad de su presupuesto de AI para 2026 en abril pasado, apenas cuatro meses después de iniciar el año fiscal. Lo confirmó a The Information el director de Tecnología (CTO), Praveen Neppalli Naga, señalando que la compañía ha tenido que volver a evaluar desde cero todas sus proyecciones.
El descontrol ocurrió luego de que la herramienta Claude Code de Anthropic se extendiera entre aproximadamente 5,000 ingenieros a un ritmo mucho más rápido de lo que los modelos financieros de la empresa habían previsto.
En la presentación de resultados del primer trimestre de 2026, en mayo pasado, su CFO, Balaji Krishnamurthy, reveló que 95% de sus ingenieros utiliza herramientas de codificación con AI mensualmente y más de 10% del código que llega a producción es generado de manera autónoma por agentes de AI.
El presidente y COO de Uber, Andrew Macdonald, declaró en el podcast Rapid Response que la compañía aún no puede establecer una conexión clara entre el aumento del consumo del token Claude Code y las funciones adicionales útiles para el consumidor que ha implementado.
El gasto total en investigación y desarrollo (I+D) de Uber alcanzó los $3,400 millones de dólares en 2025 —un aumento interanual del 9%—.
El error de Uber no se debió a una falta de escala, sino a un modelo de precios por consumo que los equipos financieros corporativos aún no han aprendido a gestionar.
Esta revelación coincidió con un cambio estructural por parte de Anthropic. El pasado 13 de mayo, la empresa anunció que los suscriptores de pago de Claude pronto contarán con un medidor de créditos mensual independiente para herramientas de agentes y entornos de terceros, los cuales se facturarán a tarifas completas de API a partir del 15 de junio. Ambos acontecimientos describen el mismo problema: los precios basados en el consumo de tokens no se comportan como las licencias de software tradicionales que los directores financieros (CFOs) saben modelar. La brecha entre lo que consumen los ingenieros y lo que espera el área de finanzas ya no es una hipótesis, es una realidad.
Cómo una herramienta de código rebasó al presupuesto
Uber desplegó Claude Code en su organización de ingeniería en diciembre de 2025. La adopción pasó del 32% de los ingenieros en febrero al 84% clasificados como “usuarios de codificación agéntica” en marzo. Para la primavera, el 95% de los ingenieros de Uber utilizaba herramientas de IA mensualmente, y aproximadamente el 70% del código enviado (committed) provenía de estas herramientas. Además, el 11% de las actualizaciones en producción del backend fueron escritas por agentes sin intervención humana directa, según los datos de la propia empresa.
Las cifras detrás del gasto son las que hacen que esta historia sea una lección valiosa y no una simple anécdota. El costo mensual promedio por ingeniero osciló entre los 150 y los 250 dólares, pero en el caso de los usuarios intensivos (power users), la cifra se disparó a entre 500 y 2,000 dólares. El propio Naga reportó haber gastado 1,200 dólares en una sesión de dos horas durante una demostración personal.
La herramienta no falló y los ingenieros no le dieron un mal uso; la emplearon exactamente para las cargas de trabajo para las que fue diseñada: ejecución de agentes en paralelo, refactorización de bases de código a gran escala, generación automatizada de pruebas y producción de código backend. Desde la perspectiva de la productividad, el despliegue fue un éxito rotundo; desde la perspectiva financiera, fue un descarrilamiento.
Para colmo, Uber intensificó esta dinámica al clasificar a los ingenieros en tablas de clasificación (leaderboards) internas basadas en el uso de Claude Code. Esto creó un incentivo cultural para consumir más tokens, lo que se tradujo directamente en una quema acelerada del presupuesto. Los equipos que impulsaban la adopción no eran los mismos que gestionaban el gasto, y esa brecha organizacional resultó ser la falla estructural del proyecto.
