Revolut trasladó a 2.000 desarrolladores a GLM y redujo un 90% sus costes de IA

Cuando aparecieron los primeros asistentes de IA para programar, sus facturas parecían insignificantes frente a los salarios. Después, los desarrolladores empezaron a ejecutar agentes durante muchas horas al día y aquel gasto menor se convirtió en una partida presupuestaria independiente. En Revolut, esa partida llegó, según se informa, hasta los $10.000 mensuales para algunos ingenieros. La fintech decidió que las cuentas ya no cuadraban.

Que hicieron exactamente

Según las informaciones publicadas, Revolut trasladó a unos 2.000 desarrolladores de Claude Code y Codex al modelo abierto GLM de la empresa china Z.ai. Un millón de tokens cuesta ahora aproximadamente $0,30, 10 veces menos que antes. Según lo publicado, el gasto total de la empresa en IA se redujo un 90%.

El detalle clave no es el precio, sino lo que hicieron con los límites. Antes, los ingenieros llevaban una cuenta mental: si convenía enviar todo el repositorio al modelo, ejecutar una vez más el agente o pedir una segunda solución. Cuando los tokens son caros, la gente empieza a escatimar preguntas, y eso perjudica la calidad del trabajo más de lo que parece. Revolut eliminó por completo los límites de tokens.

Que resultados arrojan las cifras

Según los datos de la publicación, el tiempo de escritura de código se redujo un 60% y el tiempo de ejecución de tareas, un 70%. La lógica es sencilla. Si el agente puede leer libremente el contexto, revisar su propio trabajo y reescribir el código, comete menos errores absurdos, mientras que la persona espera e interviene con menor frecuencia.

Un ejemplo sencillo: un ingeniero necesita migrar un servicio a una nueva versión de una biblioteca. Con un límite estricto, proporciona al modelo dos o tres archivos y corrige el resto a mano. Sin límite, entrega al agente el módulo completo, junto con las pruebas, y le pide que siga trabajando hasta que todo quede en verde. Se consumen muchas más veces tokens, pero a $0,30 por millón eso deja de ser un problema.

Donde conviene actuar con cautela

Primero: por ahora, las cifras proceden de un relato de segunda mano y de una sola publicación. No existe una auditoría independiente y no sabemos exactamente cómo calculó Revolut el ahorro, cuántas tareas siguieron ejecutándose en modelos cerrados ni qué porcentaje de las correcciones continúan haciendo los ingenieros a mano. Es fácil interpretar un titular que diga que fueron "sustituidos por completo" de una forma más amplia de lo que permiten los hechos.

Segundo: ahorrar un 90% en tokens no equivale a obtener una mejora total del 90%. Si GLM resuelve peor las tareas más complejas, parte del tiempo ahorrado se destinará a retoques. Las métricas del 60% y el 70% resultan atractivas, pero no está claro en qué tareas ni frente a qué referencia se midieron.

Tercero: para una fintech, la cuestión no se limita al precio. Los pesos abiertos permiten mantener el modelo dentro de la infraestructura propia, un argumento importante cuando se trata de datos de clientes. Sin embargo, a la factura se suman entonces la infraestructura, la supervisión y el equipo encargado de mantenerlo todo. Si se accede al modelo mediante la API de Z.ai, surgen otras dudas sobre jurisdicción y cumplimiento normativo.

Que hacer en la practica

Conviene calcular cuánto se gasta realmente en programación con IA por ingeniero. Si la cifra se acerca a varios miles de dólares al mes, ya está justificado comparar con modelos abiertos.

El siguiente paso es realizar una prueba piloto honesta. Utilice tareas reales de su equipo, procéselas con un modelo cerrado y otro abierto, y compare no solo el precio, sino también el porcentaje de cambios aceptados. Compruebe por separado el efecto de eliminar los límites: es posible que ese sea el principal responsable del aumento de velocidad, y no el modelo concreto.

Y una última cuestión. Esta historia demuestra que el mercado de asistentes de programación está dejando de ser una competición dominada por un solo líder. Cuando un modelo abierto cubre gran parte de las tareas cotidianas por una décima parte del precio, los proveedores cerrados tendrán que demostrar su ventaja en los casos más complejos, no en el código promedio.