Dos años después de la popularización de las herramientas de programación con IA, comienza a emerger un fenómeno: en algunos equipos, la cantidad de commits de código se ha duplicado, pero la entrega de productos no se ha acelerado y los errores han aumentado.
TechCrunch informó recientemente sobre un término: Tokenmaxxing. Se refiere a que los desarrolladores han comenzado a tratar el presupuesto de tokens de las herramientas de IA como una insignia de estatus – cuanto mayor es la cuota de tokens, más productivo se considera al desarrollador. Pero los datos cuentan otra historia.
Más tokens, código eliminado más rápido
Veamos las cifras:
- GitClear, enero de 2026: Los desarrolladores que usan herramientas de IA tienen un churn de código (cantidad eliminada/modificada frente a cantidad nueva) 9,4 veces mayor que sus colegas que no usan IA.
- Faros AI, marzo de 2026: Un análisis de dos años de datos de clientes muestra que, con una alta adopción de IA, el churn de código aumentó un 861%.
- Jellyfish, Q1 2026: Los ingenieros con el mayor presupuesto de tokens tienen el doble de rendimiento que una persona promedio, pero el costo es 10 veces mayor.
Esto no significa que las herramientas de IA sean inútiles. Significa que gran parte del código contabilizado como "aumento de productividad" no sobrevive más que unas pocas semanas.
La verdad detrás de la tasa de aceptación del 80%
En promedio, los ingenieros aceptan entre el 80% y el 90% del código generado por IA. Esta cifra parece alta y es utilizada por muchas empresas como indicador central del "ROI de la IA".
Sin embargo, Alex Circei, CEO de Waydev, analizó datos de más de 50 empresas y más de 10 000 ingenieros y descubrió un patrón:
La tasa de aceptación inicial es del 80% al 90%, pero después de unas semanas, solo entre el 10% y el 30% del código realmente permanece.
Es decir, que un ingeniero presione "aceptar" no significa que ese código sea realmente útil. Grandes cantidades de código generado por IA se eliminan o reescriben silenciosamente en iteraciones posteriores, y esas eliminaciones no se registran en los informes de "tiempo ahorrado por la IA".
Cuando el presupuesto de tokens se convierte en KPI
La aparición del término Tokenmaxxing demuestra una cosa: la adopción de herramientas de IA ha pasado de ser un problema técnico a un problema de gestión organizacional.
Cuando los equipos de ingeniería comienzan a usar "cuántos tokens de IA se consumieron al mes" como indicador de rendimiento, surge un problema. Los ingenieros comienzan a usar IA para generar grandes cantidades de código con el fin de demostrar volumen de trabajo, en lugar de evaluar críticamente qué código realmente debería ser escrito por IA.
Atlassian gastó 1.000 millones de dólares para adquirir la plataforma de análisis de desarrolladores DX precisamente por esta tendencia: las empresas necesitan herramientas para comprender el ROI real de sus inversiones en IA, en lugar de engañarse a sí mismas con el consumo de tokens.
El cuello de botella de la productividad ya se ha desplazado
Las herramientas de programación con IA son realmente útiles. Un estudio de McKinsey de febrero de 2026 muestra que las herramientas de IA redujeron el tiempo de las tareas rutinarias de codificación en un 46% en promedio.
Pero el tiempo que se reduce es el de "escribir", no el de "modificar" y "eliminar".
Los datos de Jellyfish muestran que los ingenieros dedican 11,4 horas semanales a revisar código generado por IA, mientras que solo dedican 9,8 horas a escribir código nuevo – esta proporción era inversa en 2024.
La generación de código se ha vuelto más rápida, y la revisión de código se ha convertido en el nuevo cuello de botella. Confundir velocidad con calidad es el error central de Tokenmaxxing.
Fuente de referencia: CocoLoop, 'Tokenmaxxing' is making developers less productive than they think (TechCrunch)