Amazon ha trasladado un mensaje a sus ingenieros de software: utilizar inteligencia artificial no siempre mejora el resultado de un trabajo. La compañía quiere evitar que sus empleados recurran a estas herramientas simplemente para aumentar sus estadísticas de uso, sin comprobar antes si aportan beneficios reales.

La advertencia pone el foco en el tokenmaxxing, una práctica que consiste en incrementar deliberadamente el consumo de tokens de los modelos de IA para destacar en los indicadores internos. Amazon considera que este comportamiento puede elevar los costes y complicar los proyectos sin generar mejoras equivalentes.

Fachada de un edificio con carteles de Amazon
Amazon pide a sus ingenieros valorar la utilidad de la IA antes de incrementar su utilización.

Qué es el tokenmaxxing y por qué preocupa a Amazon

El término tokenmaxxing describe una conducta asociada a los sistemas corporativos que miden la adopción de inteligencia artificial mediante indicadores de consumo. Los tokens son las unidades de información que procesan los modelos de lenguaje y su utilización puede servir para calcular el volumen de actividad de estas herramientas.

El problema aparece cuando esa medición deja de utilizarse para observar tendencias y empieza a funcionar como un objetivo individual. Si un trabajador interpreta que consumir más tokens mejora su evaluación profesional, puede sentirse incentivado a utilizar inteligencia artificial incluso cuando no resulta necesaria.

Ese comportamiento no demuestra por sí mismo una mayor productividad. Una tarea sencilla puede resolverse correctamente sin recurrir a un modelo avanzado, mientras que otra puede necesitar múltiples consultas para obtener un resultado satisfactorio.

La cantidad de recursos consumidos tampoco permite determinar directamente si el código generado es correcto, si necesita posteriores modificaciones o si facilita su mantenimiento.

Amazon cuestiona las métricas de productividad basadas en el consumo de IA

Según la información difundida sobre las instrucciones internas, el vicepresidente de Amazon Terk Terkowitz ha advertido de los riesgos de convertir las métricas de utilización de IA en objetivos de rendimiento.

Su planteamiento distingue entre medir la adopción tecnológica y premiar indiscriminadamente su consumo. Cuando los empleados intentan maximizar un indicador, pueden aparecer comportamientos que perjudican precisamente la eficiencia que se buscaba mejorar.

Entre las consecuencias señaladas figuran el aumento del gasto operativo y una mayor complejidad en los proyectos. Ambos factores entran en conflicto con el propósito de utilizar la automatización para simplificar procesos y aprovechar mejor los recursos disponibles.

La advertencia resulta especialmente significativa en un contexto en el que varias grandes empresas tecnológicas están incorporando asistentes de programación y sistemas de inteligencia artificial generativa a sus procesos de trabajo.

La compañía no renuncia a la inteligencia artificial

El mensaje no supone que Amazon esté abandonando estas tecnologías ni que haya establecido una prohibición general para sus desarrolladores. La empresa mantiene su apuesta por la inteligencia artificial como parte de su estrategia tecnológica.

Bajo la dirección de Andy Jassy, Amazon continúa impulsando herramientas de automatización y generación de código. También mantiene su vinculación empresarial con Anthropic, la compañía responsable del asistente Claude.

Lo que Amazon está cuestionando es la idea de que una utilización más intensa de estas herramientas constituye automáticamente una mejora profesional.

La compañía pide a sus ingenieros que examinen el beneficio de la IA en cada tarea. Si una actividad no mejora al introducir estas soluciones, identificar esa limitación también proporciona información valiosa para organizar el trabajo.

Qué implica este cambio de enfoque para los programadores

La orientación trasladada por Amazon plantea una diferencia entre adoptar una tecnología y demostrar su utilidad. En el desarrollo de software, esa distinción afecta a cuestiones como la calidad del código, el esfuerzo necesario para revisar los resultados y la complejidad que incorpora cada solución.

Por ejemplo, generar grandes cantidades de código con un asistente no garantiza que el resultado sea fácil de mantener. De igual manera, utilizar un modelo para resolver una tarea que ya dispone de un procedimiento sencillo puede añadir pasos sin aportar ventajas claras.

Estos ejemplos ilustran por qué el volumen de utilización no debería confundirse con el resultado obtenido. Las métricas de productividad necesitan interpretarse junto con indicadores que permitan valorar la eficacia del trabajo realizado.

El planteamiento tampoco significa que todas las tareas deban resolverse manualmente. La cuestión es determinar cuándo la asistencia automatizada reduce esfuerzo, mejora resultados o facilita procesos y cuándo introduce un coste adicional difícil de justificar.

El objetivo es obtener mejores resultados, no consumir más tokens

La advertencia de Amazon refleja una tensión creciente en la incorporación empresarial de la inteligencia artificial: fomentar su adopción sin convertir las estadísticas de utilización en una finalidad independiente.

Para sus programadores, el mensaje sitúa el criterio técnico por encima del consumo de herramientas. La inteligencia artificial sigue formando parte de la estrategia de la compañía, pero su aportación debe evaluarse por los resultados que produce y no únicamente por la cantidad de recursos que utiliza.

La conclusión es que descubrir dónde funciona bien la IA y dónde no aporta mejoras puede ser tan útil como incrementar su adopción. Ese conocimiento permite distinguir una automatización efectiva de una utilización que únicamente eleva los indicadores de consumo.