Qodo limita a sus ingenieros a 10.000 dólares en tokens al mes para medir el ROI de la IA
La startup, que levantó 70 millones en su Serie B, pone techo al consumo de IA de su plantilla y su CEO propone una ecuación para calcular el retorno real.
Qodo pone un tope al gasto en IA de sus propios ingenieros: 10.000 dólares en tokens al mes. Lo cuenta su CEO, Itamar Friedman, que defiende la medida no como un recorte sino como la forma de saber qué se está gastando y por qué. La compañía, que vende herramientas para revisar y gobernar el código que generan los agentes, levantó este año una ronda Serie B de 70 millones de dólares.
El techo es "generoso" según Friedman, y la mayoría de sus desarrolladores no llega a él. El objetivo, dice, es tener "visibilidad y eficiencia" y poder "escalar sin costes desbocados". Traducido: alguien tiene que responder qué camino de automatización merece el dinero.
Qué hay montado alrededor
Qodo se usa en toda la casa, para el ciclo completo de desarrollo. Alrededor conviven Slack y Notion con sus bots, Google Workspace con IA dentro, una base de conocimiento central pensada para que la lean los agentes y modelos de varios proveedores, Google entre ellos. El producto de la casa no sustituye a Claude Code ni a otros asistentes: convive con ellos. Claude Code sigue mandando internamente, pero Codex, de OpenAI, le está comiendo terreno, con la plantilla "moviéndose rápido hacia Codex". Friedman lo mide de dos formas: pregunta a sus 130 empleados, repartidos en varias oficinas, qué prefieren, y compara las respuestas con los datos de uso real.
El gasto en infraestructura de IA, el de servir el producto a los clientes y no el de sus ingenieros, crece "aproximadamente 5 veces interanual", según la empresa. A la vez, el coste por pull request revisada baja gracias al enrutado y a la eficiencia de inferencia. En el lado de los resultados, la compañía reporta el doble de PRs cada dos meses, con menos bugs e incidentes.
Una fracción en lugar de una corazonada
Friedman coge la forma de The Phoenix Project, el libro de 2013 sobre DevOps que separa el trabajo bueno del malo: (funcionalidades + infraestructura) / (incidentes + bugs) = velocidad de desarrollo. Y la traslada al gasto: beneficios de la IA / costes de la IA = ROI de la IA, donde un cociente más alto indica mejor retorno.
El razonamiento de fondo va de dónde se atasca el proceso. "Resolvimos la velocidad de escribir código", dice, "no resolvimos la velocidad de crear software". Si los agentes producen más código del que los humanos pueden evaluar, el cuello de botella no desaparece: se mueve un paso más abajo. Acelerar un tramo no es acelerar el recorrido entero, y ahí está la diferencia entre el ruido que genera la IA y lo que devuelve.
Su consejo es elegir seis u ocho términos como mucho y meter cualquier número, aunque sea malo. "Lo que no puedes medir, no lo puedes mejorar", argumenta, y reconoce que la ecuación es una simplificación. La cifra de 10.000 dólares mensuales por cabeza y el crecimiento de 5 veces en coste de infraestructura son datos que da la empresa, no una auditoría externa.
Para quien decide qué asistentes paga su equipo, el ejercicio tiene interés inmediato. Las facturas de Claude Code, Codex o Copilot se miden solas; el software que salen a cambio, no tanto. Tener un cociente tosco sobre la mesa es mejor que la sensación difusa de estar gastando mucho sin saber cuánto, y en organizaciones donde el código generado ya supera la capacidad de revisión humana, la pregunta por el retorno llega antes o después. Qodo pone su número y su tope; el resto tendrá que poner los suyos.
