Enrique Dans

La idea parece salida de una distopía corporativa de ciencia-ficción, pero cada vez suena menos extravagante: además de sueldo fijo, bonus y stock options, algunos ingenieros empiezan a negociar otra cosa: acceso a capacidad de inferencia medido en tokens.

Un artículo de Business Insider, «Silicon Valley is buzzing about this new idea: AI compute as compensation«, lo formula con toda claridad: en Silicon Valley ya hay candidatos que preguntan cuánta computación dedicada tendrán para trabajar, el presidente de OpenAI, Greg Brockman, sostiene que esa capacidad «va a impulsar cada vez más la productividad del software«, y el capitalista de riesgo Tom Tunguz llega a hablar de los tokens como una cuarta pata de la compensación. En su ejemplo, un ingeniero con un coste salarial de 375,000 dólares podría añadir 100,000 dólares anuales en inferencia, es decir, más del 20% del coste total asociado a ese puesto. Incluso aparece ya un caso simbólico: una compensación reportada en Levels.fyi que incluía una suscripción a Copilot como parte de los beneficios.

Lo interesante aquí no es la anécdota, sino lo que revela: durante décadas, las empresas han competido por atraer talento ofreciendo dinero, acciones y prestigio. Pero en un entorno en el que el trabajo depende cada vez más de modelos capaces de generar, revisar, probar y refactorizar código e información, la escasez ya no está solo en las personas: está también en el acceso a la inteligencia computacional que las amplifica. Sam Altman lo ha llevado incluso más lejos, al describir un futuro en el que la inteligencia artificial se venderá como una utility, como el agua o la electricidad, medida por consumo y facturada por contador. Y si la inteligencia artificial pasa a funcionar como infraestructura, no es nada raro que el acceso privilegiado a esa infraestructura empiece a parecerse a una forma de remuneración en especie. Yo mismo estoy pidiendo, para mis clases y para mí mismo, una asignación de tokens para utilizarlos con mis alumnos, y estoy convencido de que eso me puede hacer un profesor mejor: de ahí a pedirlo como parte de mi sueldo porque lo utilizo también para otras cosas, no hay tanta distancia.

La pregunta importante aquí, claro, no es si esta idea es llamativa, sino si puede convertirse en un fenómeno real. Mi impresión es que sí, pero no de la manera simplista que muchos imaginan. No vamos hacia un mundo en el que la mayoría de los empleados cobre una parte de su nómina en tokens del mismo modo que cobra en euros o dólares. Vamos, más bien, hacia un mercado laboral en el que el acceso a computación de calidad se convertirá en un factor material de productividad, de estatus interno y de poder negociador. Igual que hubo un tiempo en que disponer de presupuesto para viajar, de analistas, de terminales Bloomberg o de laboratorios propios marcaba la diferencia entre unos profesionales y otros, ahora la diferencia puede pasar por cuánta capacidad de inferencia tienes asignada, con qué modelos, con qué latencia y bajo qué límites de uso. La retribución no será solo monetaria: será capacidad de acción.

Ya hay datos que apuntan en esa dirección. Anthropic lleva tiempo mostrando que el trabajo relacionado con software es, de largo, uno de los grandes campos de adopción de inteligencia artificial. En su primer Economic Index, las tareas de la categoría «computer and mathematical» representaban el 37.2% de las conversaciones analizadas en Claude, muy por encima de cualquier otra ocupación. En su actualización de enero de 2026, la compañía añadía que las tareas informáticas seguían dominando el uso: un tercio de las conversaciones en Claude.ai y casi la mitad del tráfico de su API de primera parte estaban ligadas a tareas de ese tipo, con «modificar software para corregir errores» como tarea más frecuente. Es decir: si existe un lugar donde la computación puede convertirse en una variable cuasi-salarial, ese lugar es el desarrollo de software.

Además, el cambio ya no es sólo cuantitativo, sino cualitativo. GitHub describe una transformación profunda del papel del desarrollador: menos productor de líneas de código y más “orquestador” o director creativo del proceso, alguien que delega, verifica y coordina agentes. En paralelo, su análisis de Octoverse sostiene que en 2025 el desarrollo cruzó un «umbral silencioso»: los lenguajes, herramientas y proyectos que más crecen ya no se explican solo por escribir más código, sino por reducir fricción en un mundo en el que la inteligencia artificial ayuda a construir más y más deprisa. Si eso es correcto, entonces la computación no es simplemente un gasto técnico: es el combustible que permite ese nuevo modo de trabajar.

Pero conviene no caer en el tecnoentusiasmo fácil. También hay señales muy serias que invitan a la cautela. METR publicó en julio de 2025 un ensayo controlado con desarrolladores experimentados de código abierto trabajando sobre sus propios repositorios, y el resultado fue casi herético: usando herramientas de inteligencia artificial, tardaron un 19% más, no menos. Anthropic, por su parte, advierte que aunque la inteligencia artificial acelera tareas de desarrollo, pruebas, documentación o manipulación de datos, sigue sin mostrar un uso significativo en otras partes esenciales del trabajo, como coordinar instalaciones de sistemas o supervisar a otros tecnólogos. Es decir, la inteligencia artificial puede acelerar trozos importantes del trabajo, pero no necesariamente el trabajo entero. Si eso no cambia, la tentación de medir la compensación en tokens puede convertirse en una forma bastante burda de confundir actividad con valor.

Ahí aparece el verdadero filtro: el director financiero. La tesis de Tunguz sólo tiene sentido si la computación genera un retorno claro. Si una empresa gasta decenas de miles de dólares anuales en inferencia por ingeniero, tendrá que demostrar que no está comprándoles un juguete caro, sino una ventaja competitiva verificable. Esto encaja con otra tendencia relevante: PwC señalaba en su Global AI Jobs Barometer 2025 que los sectores más expuestos a la inteligencia artificial habían visto multiplicarse su crecimiento de productividad y que los trabajadores con habilidades de inteligencia artificial obtenían una prima salarial media del 56% en 2024. La dirección general parece clara: cuando la inteligencia artificial funciona, revaloriza a quien sabe usarla. Pero convertir eso en política de compensación exige trazabilidad, métricas y disciplina, no solo entusiasmo.

Por eso creo que esta tendencia sí puede consolidarse, pero primero en una versión mucho más pragmática que ideológica. No veremos, al menos no todavía, contratos que digan «sueldo base: X, bonus: Y, equity: Z; tokens: W» de manera masiva. Lo que veremos antes serán ofertas para perfiles de élite en las que se especifique el presupuesto de uso de modelos, acceso prioritario a GPUs, herramientas premium, agentes internos y entornos con menos restricciones. En otras palabras: no tanto un salario pagado en recursos de computación como un salario diferenciado por el acceso a esos recursos. La diferencia es crucial. La primera formulación suena excéntrica; la segunda ya está empezando a ocurrir.

Y, sin embargo, el efecto cultural puede ser enorme. En cuanto el mercado acepte que dos ingenieros con el mismo sueldo nominal no son igual de productivos porque uno tiene acceso prácticamente ilimitado a inteligencia artificial y otro no, el propio concepto de compensación habrá cambiado. Ya no bastará con pagar bien: habrá que equipar bien. Y cuando una empresa tenga que elegir entre subir salarios o aumentar la capacidad de sus empleados mediante mejores modelos, más contexto, menos latencia y mayor presupuesto de inferencia, no está nada claro que siempre vaya a escoger lo primero. En ese momento, los tokens habrán dejado de ser una rareza semántica para convertirse en una realidad económica.