El CEO que vive en 2028
Garry Tan no usa agentes de IA como herramientas — los integra como colaboradores invisibles que operan en segundo plano todo el día. Al hablar en el reciente episodio del podcast The Builders, conducido por Walter Isaacson, el CEO de Y Combinator reveló que gasta entre US$ 100.000 y US$ 200.000 al año en tokens de modelos de IA, una cifra que él mismo describe como un "locuro privilegio que no todos pueden permitirse".
La revelación se construye sobre declaraciones que Tan hizo por primera vez en agosto de 2026 durante una aparición en el podcast a16z, donde acuñó el término "tokenmaxxing" para describir la estrategia de cargar cientos de miles de tokens en un agente a la vez, en lugar de racionarlos. "Tienes que configurarlo todo al máximo", dijo en aquella ocasión. "Poner 800 mil o 1 millón de tokens en un contexto de agente. Cuando haces eso, creo que básicamente llegas a 2028."
Pero fue en el episodio con Isaacson que los detalles de la rutina de Tan tomaron contornos que van más allá de una mera declaración de intenciones. El agente que Tan usa, según él, "leyó todo mi correo electrónico y todo mi Dropbox. Leyó, tipo, todas mis notas de Apple, incluso mis notas de terapia de hace 20 años". Lo que suena a vigilancia digital extrema en manos de otra persona es, para Tan, el precio de tener un "Jiminy Cricket" siempre a tu lado, señalando problemas antes de que te des cuenta de que existen.
La filosofía detrás de la factura
El argumento central de Tan es que los fundadores de startups tienen una ventaja estructural para absorber el alto costo de los agentes de IA: la capacidad de convertir experiencias costosas en procesos reutilizables. "Un archivo markdown es un empleado", dijo en el podcast de a16z. "Es un empleado que hará el trabajo perfecto cada vez, y lo hará las veces que quieras."
Este razonamiento lo coloca a la vanguardia de una corriente que él mismo bautizó — "tokenmaxxing" — que defiende el uso indiscriminado de tokens como forma de acelerar la experimentación con inteligencia artificial autónoma. Para Tan, la métrica correcta no es cuánto gasta un ingeniero en tokens, sino cuánto produce ese ingeniero con ellos.
En la práctica, Y Combinator ya internalizó esta filosofía. Según Tan, la propia aceleradora opera con un agente de IA interno llamado Stray Light, que "tiene una personalidad y un cerebro corporativo" — con acceso al contexto total de todos los fundadores que han sido apoyados, todos los correos electrónicos recibidos y todas las aplicaciones procesadas.
El debate: eficiencia o volumen
El posicionamiento de Tan no es unánime. Praveen Neppalli Naga, CTO de Uber, argumentó la semana antes del podcast de a16z que la industria está "llegando al fin de la llamada 'era del tokenmaxxing'". Para él, la próxima fase de la adopción de IA no será definida por quién gasta más tokens, sino por quién los usa con mayor eficiencia.
Scott Wu, CEO de Cognition, hizo una versión más moderada de la misma crítica: la idea es "direccionalmente correcta", pero algunos se pasaron. "La gente dice: 'Nosotros clasificamos a nuestros ingenieros por cuánto gastan en tokens'. Bueno, intentemos clasificar personas por cuánto producen realmente", dijo.
La tensión entre eficiencia y volumen refleja una disputa más amplia sobre la economía de la IA. Por un lado, el supuesto es que los costos de los tokens continuarán bajando mientras la capacidad de los modelos fronterizos mejore — haciendo del gasto agresivo de hoy una inversión en aprendizaje sobre cómo construir sistemas autónomos. Por otro lado, la eficiencia, no el consumo bruto, será lo que separará a los ganadores de los perdedores a medida que la IA se convierta en una herramienta empresarial estándar.
El futuro de los agentes personales
Tan cree que los agentes personales de IA eventualmente se volverán mainstream, siempre que se resuelva un problema: la factura necesita bajar. También tiene reservas sobre el modelo de las grandes empresas tecnológicas — "Esta es una empresa enorme que controla el algoritmo, y todos nosotros deseamos que no lo hicieran en algún nivel", dijo sobre Meta. "Así que podrías imaginar un agente de IA personal que tú controlas, que tú programas."
Lo que hace que la historia de Tan sea relevante más allá del ecosistema de startups del Valle de Silicon es que revela cuánto se ha distanciado ya la adopción de agentes autónomos del prototipo del primer asistente de IA generativa. Ya no se trata de "un chat que responde preguntas" — se trata de un sistema que opera continuamente sobre los datos y flujos de trabajo de una persona, tomando decisiones, anticipando problemas y ejecutando tareas complejas sin intervención humana directa.
Si el costo actual de US$ 100.000 a US$ 200.000 por agente personal es un precio temporal que bajará a medida que la infraestructura de IA madure, o si representa el inicio de una división permanente entre quienes pueden permitirse operar en 2028 con la tecnología de hoy y quienes tienen que esperar a que la capacidad llegue al precio que puedan pagar, sigue siendo una pregunta abierta.
Fuentes: TechCrunch, Business Insider, Pivot News
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
