Reid Hoffman sobre el tokenmaxxing: los tokens miden alcance, no productividad

Reid Hoffman, cofundador de LinkedIn y una de las voces más autorizadas del mundo tecnológico, se ha sumado al debate sobre el llamado tokenmaxxing, un fenómeno que en los últimos meses discuten activamente inversores, desarrolladores y directivos de empresas. Hoffman reconoce que seguir el consumo de tokens es útil, pero advierte de que no es un indicador directo de valor ni de productividad.

El tokenmaxxing es una estrategia, o una actitud cultural, de aprovechar al máximo las herramientas de IA: según esta lógica, cuantos más tokens consume un equipo o un producto, más activa es la adopción. En el mundo empresarial la idea ha calado como una forma cómoda de medir cuán en serio trabaja una compañía con IA. Algunos directivos ya usan el «hemos quemado X miles de millones de tokens este trimestre» como equivalente de las métricas de engagement del SaaS tradicional. Pero el enfoque genera polémica.

Hoffman ha adoptado una postura equilibrada. Por un lado, coincide en que el aumento del consumo de tokens es una buena señal de que las herramientas de IA se usan de verdad y no languidecen como un proyecto piloto. Para inversores y responsables de producto puede ser un indicador temprano de adopción, sobre todo en una fase en la que aún no se han acumulado las métricas tradicionales.

Por otro lado, Hoffman advierte contra la simplificación. Los tokens no son ingresos, ni productividad, ni una medida de la calidad del trabajo. Una empresa puede consumir volúmenes gigantescos de tokens generando contenido inútil o automatizando procesos que sería mejor dejar en manos de personas. Importa el contexto: qué se hace exactamente con esos tokens, qué resultado se obtiene y qué valor crea.

Los críticos del tokenmaxxing apuntan a una analogía histórica: la obsesión por las páginas vistas en la era preinternet, antes de que la industria entendiera conceptos como retención, LTV y conversiones. Primero todos contaban clics; después se vio que los clics por sí solos casi no dicen nada. Con los tokens podría pasar lo mismo.

Hoffman, inversor de capital riesgo en Greylock Partners y testigo de varios ciclos tecnológicos, conoce bien el síndrome de las «métricas de vanidad». Por eso su advertencia no es una reflexión teórica, sino un consejo pragmático: usar los tokens como indicador aproximado para una evaluación temprana del alcance, pero construir un sistema de medición completo que incluya resultados de negocio.

Para las empresas que apenas empiezan a adoptar IA, este debate es especialmente relevante. La tentación de presentar ante el consejo de administración o los inversores un «usamos la IA a fondo, mirad cuántos tokens» es enorme. Pero la postura de Hoffman recuerda que la sencillez de una métrica es comodidad, no verdad.

Qué significa esto en la práctica: si implantas IA en tu empresa, mide no solo el consumo de tokens, sino también lo que ha cambiado. ¿Se ha reducido el tiempo por tarea? ¿Ha mejorado la calidad del producto final? ¿Qué decisiones se toman ahora más rápido y a menor coste? Los tokens son un gasto, no un resultado. Confundir ambas cosas es la trampa clásica de cada nueva ola tecnológica.