Spotify utiliza una arquitectura propia para controlar cómo sus ingenieros consumen modelos de inteligencia artificial (AI) y cuánto cuesta esa operación.
La compañía desarrolló Xirp, un motor que permite cambiar de modelo durante una misma tarea, dirigir cada trabajo hacia la alternativa disponible con la mejor relación entre precio y desempeño y medir el gasto de inferencia por desarrollador. La herramienta funciona debajo de Honk, el agente de programación utilizado internamente por los ingenieros de Spotify.
De acuerdo con el co-CEO de la compañía, Gustav Söderström, Honk permite solicitar desde Slack tareas como corregir un error o añadir una funcionalidad y recibir posteriormente una compilación que puede ser probada.
La arquitectura de Xirp permite además incorporar modelos de código abierto alojados por la propia compañía. Con ello, Spotify mantiene una estrategia independiente de proveedores y evita quedar vinculada a un único modelo o plataforma.
“Xirp permite a los ingenieros cambiar de modelo durante una tarea y dirigir cada trabajo hacia el modelo disponible con la mejor relación entre precio y rendimiento”, explicó Söderström durante la presentación de los resultados del segundo trimestre de 2026.
El ejecutivo también señaló que Xirp comparte el contexto entre diferentes trabajos para evitar que Spotify pague dos veces por el mismo razonamiento y permite conocer el gasto de inferencia correspondiente a cada desarrollador. Para Söderström, el control de costos forma parte de la estrategia de adopción de AI de la compañía.
Índice de temas
Inversión en AI y desempeño financiero de Spotify
La estrategia llega mientras Spotify incrementa el gasto relacionado con AI, pero mantiene sin crecimiento su plantilla. Söderström señaló que la compañía no ha aumentado el número de empleados durante los últimos tres años, mientras que los ingresos por empleado están encaminados a duplicarse.
En paralelo, el director financiero Christian Luiga explicó que Spotify mantiene para 2026 una plantilla estable y que el ciclo de inversión del año está relacionado principalmente con marketing y AI.
La compañía espera que las inversiones en ambos rubros representen aproximadamente 200 millones de euros adicionales de gastos operativos durante todo el año.
Los estados financieros muestran que, durante el segundo trimestre, Spotify registró 4,777 millones de euros de ingresos, frente a 4,193 millones un año antes. La utilidad operativa alcanzó 655 millones de euros, contra 406 millones en el mismo periodo de 2025. En investigación y desarrollo, el gasto trimestral fue de 403 millones de euros, frente a 415 millones un año antes.
En este contexto, la compañía no plantea el uso de un único modelo como eje de su estrategia. Söderström describió a Spotify como independiente de proveedores y señaló que mantiene controles sobre su utilización de AI y evalúa las inversiones en función de los retornos que pueden generar.
“No dependemos de un proveedor específico, tenemos control sobre nuestro uso y siempre evaluamos estas inversiones en función de los retornos que pueden generar”, afirmó el ejecutivo.
La arquitectura también permite que el costo de inferencia esté relacionado con la utilización de los productos. Spotify ha incorporado mecanismos de monetización para algunas experiencias impulsadas por inferencia y, de acuerdo con Söderström, determinados créditos de uso tienen un volumen de inferencia definido, de modo que consumo, costo y monetización permanezcan vinculados.
Orquestación de modelos para controlar el gasto de inferencia
La apuesta de Spotify no consiste únicamente en incorporar AI al desarrollo de software. La compañía está construyendo una capa de orquestación para decidir cómo se ejecutan esas cargas y qué modelo resulta conveniente para cada tarea.
En el caso de Honk, el agente puede ser utilizado por los ingenieros desde Slack para solicitar modificaciones de código. Xirp funciona como la infraestructura subyacente que permite seleccionar modelos durante el proceso, incluso cambiar de uno a otro mientras una tarea está en ejecución.
Esta capacidad evita que el consumo de AI quede determinado exclusivamente por la herramienta con la que comienza un proceso. En lugar de mantener una relación fija entre una aplicación y un modelo, Spotify utiliza una arquitectura capaz de distribuir las tareas entre diferentes alternativas.
El diseño también incorpora modelos de código abierto que Spotify aloja por cuenta propia. La compañía no detalló en la presentación cuáles utiliza ni qué proporción del trabajo se ejecuta con modelos propios frente a servicios externos, por lo que los documentos financieros no permiten establecer cuánto representa cada modalidad.
Lo que sí está definido es el objetivo operativo. Spotify busca mantener visibilidad sobre el consumo y capacidad para elegir entre diferentes modelos según precio y desempeño. Söderström señaló que la compañía mantiene bajo control la inferencia que ofrece a sus usuarios y, por esa vía, también su curva de costos.
“La inferencia que ofrecemos a los usuarios está bajo nuestro control, lo que significa que también lo está la curva de costos”, afirmó el co-CEO.
La arquitectura forma parte de una estrategia más amplia de Spotify para incorporar AI en productos y operaciones. La compañía señaló que lleva más de siete años invirtiendo en personalización basada en AI y que experiencias como DJ son utilizadas por aproximadamente una cuarta parte de sus usuarios activos. También informó que su Large Taste Model procesa señales derivadas de los 3.4 billones de eventos que los usuarios generan diariamente en la plataforma.
El caso muestra una aproximación distinta al crecimiento del uso empresarial de AI: en lugar de asociar cada nuevo caso de uso con un proveedor o modelo específico, Spotify está construyendo una capa propia para administrar el consumo. Su apuesta combina flexibilidad entre modelos, medición del gasto de inferencia y criterios de precio y rendimiento.
Para Söderström, el objetivo no es reducir la inversión en AI, sino establecer condiciones para decidir cuándo incrementarla. “Si algo funciona, redoblamos la apuesta. Si no funciona, seguimos adelante”, dijo durante la presentación.
