For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/microsoft-and-meta-cut-claude-use-claude-9c2db609.md.
Dos de los mayores clientes empresariales de Anthropic están reduciendo al mismo tiempo el uso interno de Claude.
Dos de los mayores clientes empresariales de Anthropic están reduciendo al mismo tiempo el uso interno de Claude.
Según información de The Information, Microsoft había proyectado anteriormente que gastaría al menos 1.000 millones de dólares este año en su propio uso interno de tecnología de Anthropic. Desde entonces, redujo esa proyección en más de un tercio después de pedir a los empleados que usaran menos Claude y dependieran más de las herramientas propias de Microsoft.
En Meta, el número de empleados que usan Claude Code habría caído de unos 60.000 a comienzos de 2026 a aproximadamente 30.000.
La parte sorprendente es que un menor número de usuarios no implica necesariamente un gasto bajo. The Information informó de que Meta aún gastó más de 105 millones de dólares en Claude Code durante un período reciente de 28 días.
Por tanto, la historia no es que Claude se haya vuelto malo de repente.
Es casi lo contrario.
Claude Code se volvió lo bastante útil como para que grandes organizaciones de ingeniería lo ejecutaran constantemente. Una vez que los agentes autónomos de programación empezaron a leer repositorios, ejecutar pruebas, editar archivos, reintentar fallos y operar durante horas, el consumo de tokens se convirtió en una partida presupuestaria relevante.
Esto está llevando la programación empresarial con IA a una nueva fase: la capacidad sigue importando, pero también importan el coste por tarea, el control de datos, la estrategia de proveedores y la posibilidad de que el cliente construya una alternativa propia.
La experiencia de Microsoft es un ejemplo claro de lo que sucede cuando una herramienta de programación basada en agentes escala dentro de una gran organización de ingeniería.
El artículo fuente indica que Microsoft comenzó a dar a miles de ingenieros de su organización Experiences and Devices acceso a Claude Code a finales de 2025. La adopción se expandió rápidamente sin necesitar mucha promoción interna.
Informes anteriores sobre el programa describían un uso intensivo de Claude Code que alcanzaba cientos o incluso miles de dólares por ingeniero al mes en algunos casos. Las cifras exactas por usuario varían entre informes y no deben considerarse un promedio universal para todo Microsoft, pero la presión general sobre los costes está bien documentada.
A mediados de 2026, Microsoft ya estaba trasladando a muchos ingenieros de Claude Code hacia GitHub Copilot y modelos desarrollados por Microsoft.
El CEO de Microsoft AI, Mustafa Suleyman, expresó la posición de la empresa de forma inusualmente explícita en una entrevista con Bloomberg: Anthropic era «extremadamente caro» y Microsoft quería reducir, y finalmente eliminar, el coste que paga a Anthropic.
Los informes más recientes van más allá.
The Information afirma que Microsoft estaba en camino de gastar al menos 1.000 millones de dólares al año en uso interno de Anthropic, pero ahora ha reducido esa proyección en más de un tercio.
The Decoder, al resumir la misma información, señala que la división de nube también redujo un presupuesto mensual de Claude por empleado de unos 100.000 dólares a 10.000 dólares. Esta cifra se entiende mejor como una asignación interna de gasto o un límite presupuestario, y no como prueba de que cada empleado estuviera consumiendo realmente 100.000 dólares de Claude cada mes.
El número de usuarios de Claude Code de Meta habría caído de unos 60.000 a unos 30.000.
Parte de la reducción se produjo tras recortes de plantilla, pero The Information afirma que un factor mayor es la propia pila de IA para programación de Meta.
Meta cuenta ahora con varias alternativas internas o probadas internamente:
Incluso después de que la base de usuarios de Claude Code se redujera aproximadamente a la mitad, Meta habría gastado más de 105 millones de dólares en Claude Code en un período reciente de 28 días.
Esto hace que sea difícil ignorar la economía.
El artículo original afirma que el panel interno «Claudeonomics» de Meta mostraba 60 billones de tokens en 30 días, e implica que todo ello representaba código y datos internos que pasaban por Claude.
Eso es demasiado amplio.
Los informes anteriores de The Information dicen que la clasificación Claudeonomics, creada por empleados, registraba el uso de tokens de IA en toda la empresa, que superó los 60 billones de tokens en un período reciente de 30 días. La información disponible no establece que todos esos tokens procedieran de Claude Code.
El panel sigue ilustrando la escala del uso de IA dentro de Meta, pero no debe interpretarse como una factura de Claude exclusivamente de 60 billones de tokens.
El uso normal de chat tiene límites comparativamente claros.
Un usuario formula una pregunta, el modelo responde y la interacción puede terminar.
Los agentes de programación se comportan de otra forma:
leer repositorio
→ inspeccionar dependencias
→ buscar archivos
→ editar código
→ ejecutar pruebas
→ inspeccionar fallos
→ volver a editar
→ ejecutar herramientas
→ continuar durante horas
Cada ciclo puede reutilizar repetidamente grandes cantidades de contexto del repositorio.
Por eso el software basado en agentes puede resultar caro precisamente cuando se vuelve útil.
Cuanto más autónomo es el agente, más tiempo permanece activo. Cuanto mayor es el código base, más contexto lee. Cuantos más pasos realiza, más facturación de tokens se acumula.
Esto crea un problema empresarial sencillo:
Una herramienta puede aportar ganancias reales de productividad y, aun así, resultar financieramente difícil de desplegar sin enrutamiento, caché, presupuestos y controles de uso.
El coste es solo una parte de la historia.
El asunto más profundo es que Anthropic compite cada vez más con las empresas que antes la consideraban principalmente un proveedor de modelos.
Microsoft vende GitHub Copilot, desarrolla sus propios modelos y está creando software de productividad cada vez más basado en agentes. Claude Code y Claude Cowork de Anthropic se solapan ahora con partes de los mercados de herramientas para desarrolladores y software de oficina que Microsoft quiere dominar.
Meta está en una posición similar.
Está creando MetaCode, Muse Code y sus propios modelos Muse. Cuando Meta dispone de una pila de programación interna creíble, resulta más difícil justificar pagar a un rival para realizar el mismo trabajo.
Esto transforma la relación de:
cliente → proveedor de modelos
en algo más cercano a:
cliente + socio estratégico + competidor potencial
El momento es especialmente sensible porque Anthropic se está preparando para cotizar en bolsa.
Reuters, citando el prospecto de salida a bolsa de Anthropic, informó de que dos clientes no identificados representaron aproximadamente el 24 % de los ingresos de Anthropic en 2025.
El prospecto no identifica a esos dos clientes.
El artículo original afirma que el mercado sospecha ampliamente que son Microsoft y Meta. Esto sigue siendo una especulación y no debe tratarse como algo confirmado.
Lo confirmado es el riesgo más amplio: el prospecto de Anthropic advierte explícitamente que los ingresos están concentrados entre un pequeño número de grandes clientes y que una reducción del gasto de cuentas importantes podría perjudicar su negocio.
Esto hace que una reducción simultánea por parte de dos grandes clientes tecnológicos sea más importante que un ajuste normal del presupuesto de un proveedor.
Existe otra tensión inusual en la relación con Microsoft.
Mientras Microsoft reduce el gasto interno en Claude, Anthropic tiene grandes obligaciones de infraestructura a largo plazo con Microsoft.
Reuters informó a partir del prospecto de Anthropic que la empresa tiene aproximadamente 31.400 millones de dólares en compromisos de infraestructura no cancelables con Microsoft que se extienden hasta la próxima década, salvo en condiciones específicas de incumplimiento.
Esto significa que ambas empresas pueden ser simultáneamente:
Este tipo de interdependencia es cada vez más normal en la IA de frontera.
El artículo fuente sostiene que Microsoft y Meta no son casos aislados.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
Ese patrón más amplio está respaldado por información adicional.
En julio, Reuters informó de que Alibaba prohibió a sus empleados usar Claude Code y les indicó que migraran a la plataforma propia Qoder, citando preocupaciones de seguridad.
En septiembre, Reuters informó de que Palantir, Nvidia y Booz Allen Hamilton habían restringido o estaban considerando restringir el uso de modelos externos avanzados debido a preocupaciones sobre datos propietarios y políticas de retención.
Las restricciones exactas varían según la empresa:
El patrón común no es simplemente que «Claude es demasiado caro».
Para las grandes empresas, el código, los datos de seguridad, los documentos internos y los flujos de trabajo propietarios son activos fundamentales. Cuanto más se acerca un agente de IA a esos activos, más se preocupan los clientes por el coste, la retención, el control y la dependencia competitiva.
Anthropic no está ignorando estas objeciones.
En septiembre, lanzó Claude Fable 5.1, manteniendo sin cambios sus precios base de API mientras reducía el precio de lectura de caché en un 75 %, de 1,00 dólares a 0,25 dólares por millón de tokens.
Anthropic afirma que esto reduce el coste total en:
La razón es sencilla.
Los agentes de ejecución prolongada vuelven a leer repetidamente contexto procesado con anterioridad. Si ese contexto reutilizado se vuelve mucho más barato, la factura total de la tarea puede disminuir incluso cuando los precios nominales de entrada y salida no cambian.
| Tipo de token | Precio de Fable 5.1 por 1 millón de tokens |
|---|---|
| Entrada | 10,00 $ |
| Lectura de caché | 0,25 $ |
| Salida | 50,00 $ |
Los ahorros del 25 % y del 45 % son estimaciones de cargas de trabajo, no descuentos garantizados en cada solicitud.
Una solicitud breve que no se beneficie de la caché puede seguir costando esencialmente lo mismo que antes.
Anthropic también ha anunciado Enterprise Frontier Safeguards (EFS) para abordar las preocupaciones relacionadas con la retención de datos.
EFS está diseñado para que clientes empresariales elegibles puedan mantener datos en infraestructura en la nube que ellos controlen, en lugar de en los propios sistemas de Anthropic, al tiempo que permite salvaguardas automatizadas para la detección de usos indebidos.
Anthropic afirma que EFS se está implementando por fases y que los clientes elegibles pueden recibir tratamiento de retención cero de datos hasta que el sistema esté ampliamente disponible.
Esto aborda directamente una de las preocupaciones planteadas por las empresas que manejan información propietaria o regulada.
Sin embargo, no resuelve todos los problemas estratégicos.
Una empresa que ya dispone de un sólido modelo interno o de una pila de programación propia puede seguir prefiriendo su propio sistema incluso si mejoran los precios externos y la privacidad.
Durante los últimos dos años, gran parte de la carrera de IA se centró en la capacidad:
Ahora los equipos financieros plantean una pregunta distinta:
¿Cuánto costó realmente cada tarea completada?
Es un cambio importante.
La experiencia de Microsoft ilustra el ciclo completo:
La preferencia de ingeniería sigue importando, pero ya no determina todo el proceso de adquisición.
Está surgiendo un probable patrón empresarial:
| Carga de trabajo | Estrategia de modelo probable |
|---|---|
| Programación rutinaria, documentación y correcciones simples | Modelo más barato, rápido y estrechamente controlado |
| Agentes internos de gran volumen | Modelo de bajo coste con caché agresiva y límites de gasto |
| Trabajo propietario o muy sensible | Despliegue interno, privado o fuertemente aislado |
| Razonamiento difícil y arquitectura compleja | Modelo de frontera reservado para las tareas más difíciles |
Esto es menos llamativo que las clasificaciones de benchmarks, pero probablemente sea más importante para la adopción empresarial.
El modelo más potente no gana automáticamente el mayor despliegue.
El sistema ganador también debe ser asequible, predecible, gobernable y lo suficientemente seguro para conectarse a los datos centrales de la empresa.
Las empresas necesitan medir cada vez más el coste por tarea completada, no solo el precio de API por millón de tokens.
Una métrica interna útil podría incluir:
coste total de la tarea =
tokens del modelo
+ escrituras y lecturas de caché
+ llamadas a herramientas
+ reintentos
+ tiempo de revisión humana
+ sobrecarga de infraestructura
Un modelo con un precio elevado por token puede seguir siendo económico si termina la tarea en menos pasos.
Un modelo barato puede volverse caro si entra en bucles, reintenta procesos o requiere más corrección humana.
Por eso la próxima fase de la programación con IA se parecerá cada vez más a FinOps: el enrutamiento, los presupuestos, la observabilidad, la caché, los paneles de uso y la medición del ROI se convertirán en parte de la pila de ingeniería.
The Information informa de que Microsoft redujo en más de un tercio su gasto interno proyectado en Anthropic después de pedir a los empleados que usaran menos Claude y dependieran más de GitHub Copilot y los modelos propios de Microsoft. El coste es un factor importante, pero Microsoft también compite directamente en herramientas para desarrolladores e IA empresarial.
Los informes más recientes sitúan la cifra en aproximadamente 30.000, frente a unos 60.000 a comienzos de 2026. Parte de la caída se produjo tras despidos, mientras que un factor mayor fue la expansión de MetaCode, Muse Code y los modelos Muse propios de Meta.
The Information informa de que Meta gastó más de 105 millones de dólares en Claude Code durante un período reciente de 28 días. Esa cifra corresponde a gasto interno informado, no a una divulgación financiera oficial de Meta.
No exactamente. El panel Claudeonomics, creado por empleados, habría mostrado más de 60 billones de tokens de IA de toda la empresa durante 30 días. La información disponible no establece que todo ese tráfico de tokens correspondiera a Claude Code.
Las sesiones de programación basadas en agentes leen repetidamente grandes repositorios, llaman herramientas, ejecutan pruebas, inspeccionan resultados y reintentan cambios. Esto genera mucho más uso de tokens que un chat breve o una finalización de código de una sola vez.
Claude Fable 5.1 reduce el precio de lectura de caché en un 75 %. Anthropic estima que esto reduce el coste total aproximadamente un 25 % para cargas de trabajo típicas y hasta cerca de un 45 % para cargas de trabajo altamente basadas en agentes que reutilizan grandes cantidades de contexto almacenado en caché.
Enterprise Frontier Safeguards son los nuevos controles de Anthropic para clientes empresariales elegibles que buscan una privacidad más sólida sin perder la monitorización de usos indebidos. El diseño mantiene los datos en infraestructura en la nube controlada por el cliente, en vez de los sistemas de Anthropic, con una implementación por fases que comienza en 2026.
No. La tendencia apunta a un uso selectivo, no a un abandono completo. Muchas empresas reservan los modelos de frontera caros para tareas de alto valor, mientras enrutan cargas de trabajo rutinarias, sensibles o de gran volumen a sistemas más baratos o controlados internamente.
Microsoft y Meta no están reduciendo Claude porque la herramienta haya dejado de ser útil de repente. Sus recortes muestran el problema opuesto: la programación basada en agentes puede volverse extremadamente costosa cuando miles de empleados ejecutan sesiones largas y autónomas sobre grandes bases de código.
La cuestión estratégica es más amplia que el precio. Microsoft y Meta están creando sus propios productos de IA competidores, mientras otras empresas están restringiendo el acceso a modelos externos cuando intervienen datos propietarios. Anthropic responde con lecturas de caché más económicas y controles de datos empresariales más sólidos, pero el mercado se está moviendo claramente hacia un enrutamiento de modelos más selectivo.
La siguiente fase de la programación empresarial con IA se juzgará por más factores que las puntuaciones de benchmark. Las empresas se preocupan cada vez más por el coste por tarea, la gobernanza de datos, la dependencia de proveedores y la posibilidad de conectar el modelo de forma segura a los sistemas internos centrales.
El agente de programación más capaz no se convierte automáticamente en la herramienta empresarial predeterminada: para ganar, también debe ser asequible, controlable y estratégicamente aceptable.
Empieza con una sola frase y obtén un sitio completo en minutos.
