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

Reid Hoffman, cofundador de LinkedIn y una de las voces más autorizadas en el mundo de la tecnología, ha entrado en la discusión sobre el llamado tokenmaxxing — un fenómeno que ha sido activamente debatido entre inversores, desarrolladores y ejecutivos de empresas en los últimos meses. Hoffman reconoce que rastrear el consumo de tokens es útil, pero advierte: no es un indicador directo de valor o productividad. Tokenmaxxing es una estrategia o actitud cultural de maximizar el uso de herramientas de IA: cuantos más tokens consume un equipo o producto, más activamente, según esta lógica, se está implementando la IA.

En el mundo empresarial, la idea ha sido adoptada como una forma conveniente de medir cuán seriamente una empresa está trabajando con IA. Algunos ejecutivos ya utilizan "quemamos X miles de millones de tokens este trimestre" como análogo a las métricas de engagement en el SaaS tradicional. Pero este enfoque es controvertido.

Hoffman ha adoptado una posición equilibrada. Por un lado, está de acuerdo: el crecimiento del consumo de tokens es una buena señal de que las herramientas de IA se están utilizando realmente, no acumulando polvo como un proyecto piloto. Para inversores y gerentes de producto, esto puede ser un indicador temprano de adopción — especialmente en una etapa en la que las métricas tradicionales aún no se han acumulado.

Por otro lado, Hoffman advierte contra la simplificación. Los tokens no son ingresos, no son productividad y no son una medida de la calidad del trabajo. Una empresa puede consumir volúmenes enormes de tokens mientras genera contenido inútil o automatiza procesos que sería mejor dejar en manos humanas.

El contexto importa: qué exactamente se está haciendo con estos tokens, qué resultado se logra como output y qué valor crea. Los críticos del tokenmaxxing señalan una analogía histórica: la promoción de visualizaciones de página en la era anterior a Internet, antes de que la industria desarrollara una comprensión de retención, LTV y conversiones. Al principio, todos contaban clics — después resultó que los clics por sí solos casi no decían nada.

Lo mismo puede suceder con los tokens. Hoffman, como inversor de riesgo en Greylock Partners y alguien que ha observado varios ciclos tecnológicos, está bien familiarizado con el síndrome de las "métricas de vanidad". Por eso su advertencia no es meramente un razonamiento teórico, sino un consejo pragmático: use los tokens como un indicador proxy para la evaluación inicial del alcance, pero construya un sistema de medición integral que incluya resultados comerciales.

Para empresas que apenas están comenzando a implementar IA, esta discusión es particularmente relevante. La tentación de confiar en "usamos IA activamente — mira, cuántos tokens" es muy fuerte cuando se enfrenta a la junta directiva o a inversores. Pero la posición de Hoffman nos recuerda: la simplicidad de una métrica es conveniencia, no verdad.

Lo que esto significa en la práctica: si está implementando IA en su empresa — mida no solo el consumo de tokens, sino también qué ha cambiado. ¿Se ha reducido el tiempo para una tarea, ha mejorado la calidad del producto de salida, qué decisiones se toman ahora más rápido y más barato? Los tokens son un gasto, no un resultado.

Confundir uno con el otro es una trampa clásica de cada nueva ola tecnológica.