E209 - Claude Enterprise

Descargar video (720p, 311 MB)

Resumen

El episodio 209 de enCoders trata sobre Claude Enterprise y los problemas de gestionar una cuenta de empresa. La diferencia clave frente a las licencias individuales y Teams es que Enterprise funciona con pago por uso (el "taxímetro") en lugar de límites con tarifa fija. Se argumenta que la tecnología consume mucha energía por token y que las licencias individuales están subsidiadas, por lo que la tendencia de la industria (por ejemplo, GitHub Copilot) es el pago por uso, incluso para los modelos más avanzados. Esto exige un cambio de mindset: medir resultados, justificar el gasto con un caso de negocio, evitar el "slop" y optimizar costos (modelo adecuado por tarea, higiene de contexto, skills, scripts en vez de agentes). Se debate la alternativa on-premise (costo inicial, obsolescencia del hardware, modelos open source como GLM 5.3) frente a SaaS. Se revisa la capa Enterprise (SSO, RBAC, límites de gasto, auditoría, zero data retention) y el Smart Report como fuente de información para mejorar procesos, aunque los participantes discrepan sobre cuánto valor aporta hoy.

Capítulos

• 00:00
  IntroPresentación del episodio 209 sobre Claude Enterprise. Cris relata su experiencia gestionando la cuenta de empresa, asignando licencias y revisando costos durante varios meses.
• 00:41
  Por qué Enterprise es caroEnterprise se diferencia de otras licencias por ser pago por uso, que resulta muy caro, y obliga a justificar el gasto ("me gasté $200, ¿en qué?"). Las licencias individuales están subsidiadas para volvernos adictos y por el uso de datos para entrenar.
• 02:28
  Del plan fijo al taxímetroEl pago por uso se explica por el consumo de energía por token y la recuperación de inversiones; GitHub Copilot ya pasó a ese modelo. Se comenta el caso de Fable: se ofreció dos semanas en cuentas individuales y luego quedó en la suscripción con un límite mucho menor. Se recuerda que antes no existían los límites por hora ni semanales.
• 06:50
  Cambio de mindset en empresasHay que medir el resultado y no usar el mejor modelo "a lo bruto" mientras no se alcance el límite. Teams llega a unos 150 usuarios (GPT, 200); sobre eso se pasa a Enterprise, y la licencia implica construir algo que genere valor. Cris ve el costo como una restricción que focaliza.
• 11:25
  Skills y cobros extraSe propone optimizar el harness del agente, por ejemplo un solo skill de presentaciones optimizado. Mati teme que se cobre aparte por skills o harness avanzados; Cris lo ve plausible y cita el Code Review, que se cobra adicional en Teams.
• 14:05
  Qué incluye Claude EnterpriseLa capa Enterprise añade SSO, SIEM, domain capture, RBAC, límites de gasto por organización/grupo/usuario, APIs de auditoría y compliance, retención de datos y analytics (Smart Report), además de facturación. Las capacidades del modelo (Claude Code, Cowork, MCP, skills) las tienen también las cuentas Teams; cambia el contexto de 250 a 500 mil.
• 18:06
  Perfiles y costos promedioSe distinguen knowledge workers (sesiones cortas) y desarrolladores (sobre $200, quizás $500 o más al mes). El promedio ronda los $70 con un long tail grande, lo que permite presentarlo como una cifra razonable a la gerencia.
• 22:11
  Justificar gasto y valorMati sugiere considerar un grupo "high user" (por ejemplo, quien procesa muchos documentos). Cris reconoce el desafío de justificar, mostrar y optimizar el consumo; lo contrasta con IA generativa, donde el caso de negocio es claro.
• 23:55
  Teams vs Enterprise y límitesTeams resulta más barato, pero Enterprise no tiene límites de uso. Se discute si hay casos que justifiquen una corrida de $50.000; Mati duda porque el desarrollo es iterativo y no se puede especificar todo de antemano. También se plantea que ganar velocidad no siempre se traduce en ingresos.
• 31:48
  Slop y costo como frenoCon IA barata se generan demasiadas ideas y "slop" (correos y presentaciones genéricas). Poner un costo obliga a pensar mejor qué se pide; Cris lo ilustra con el ejemplo de cobrar por mensaje al gerente general.
• 35:07
  On-premise como alternativaMati propone dos capas: infraestructura on-premise para probar y la nube para lo potente. Cris advierte que hay inversión en GPU, además de modelos y harness open source inferiores. Mati menciona una cola de uso, como en su magíster.
• 37:30
  Riesgos de hardware y obsolescenciaCris señala que el hardware puede quedar obsoleto, que los modelos nuevos pueden no correr en local y que los SaaS bajan precios (p. ej., un Sonnet futuro equivalente a Opus 5). Mati opina que en cinco años conviene invertir; Cris, que la tecnología aún no se estabiliza.
• 44:49
  Hacia dónde evoluciona EnterpriseCris espera nuevas funcionalidades exclusivas para empresas, ya que son las que financian a los proveedores.
• 45:17
  Enterprise vs GratisCris compara con Linux: gratis, pero las grandes empresas necesitan capas de gestión adicionales.
• 46:25
  Escalar Teams en EmpresasUna empresa de 100 a 300 personas puede usar Teams; al crecer, la organización se vuelve más compleja.
• 46:50
  Modelos On PremiseRodo (voz del invitado) defiende tener algo on-premise para tareas simples: usa GLM 5.3 en la infraestructura de su empresa (unos 500 millones de tokens en el último mes, costo reportado cero) y Claude para casos puntuales (cerca de 2,5 en 4 meses, alrededor de un billón de tokens). Se estima que miles de personas lo usan, con unos 200 desarrolladores como cifra inventada.
• 50:57
  Pago por Uso y RetenciónCris menciona la configuración de zero data retention para proyectos de terceros, el costo por proyecto/cliente y la poca exclusividad que justifique el pago por uso. Las analíticas de Enterprise muestran, por ejemplo, pull requests entregados.
• 53:17
  Métricas e IncentivosMati critica medir productividad por PR o commits, pues crea incentivos perversos (generar más sin revisar bien). Se discute que se podrían medir también incidentes y revisiones.
• 59:21
  Optimizar Costos de IAPrácticas: Sonnet por defecto, Haiku para subagentes, higiene de contexto, skills, MCP o código Python en vez de pedirle todo al LLM (ejemplo: exportar un Excel a CSV). Cris cita el caso de Cursor con su modelo Composer y la delegación a modelos más económicos.
• 01:02:14
  Beneficios Difíciles de MedirSe discute cómo valorar usos como redactar mejor un correo, que son baratos pero útiles. También se menciona el caso de DHH, que pasó de la nube a on-premise y redujo la cuenta 4x.
• 01:05:46
  Smart Replay en EnterpriseEl Smart Report (llamado "Smart Replay" en el título del capítulo) analiza una muestra aleatoria de sesiones y entrega gasto, fricciones, skills a construir y sesiones caras; permite 10 reportes al mes en beta. Cris muestra un ejemplo ficticio de una empresa de QA y localización de videojuegos, y se debate si es "auditoría".
• 01:13:07
  Skills Agentes y AutomatizaciónEscalera: sesión manual, skill compartida, agente con conector y proceso eliminado. Se debaten umbrales (p. ej., 20 personas), cuándo basta un script y un caso real de agente que atiende tickets de acceso a GitHub en Jira. Cris concluye que el valor está en usar la data para mejorar la empresa.
• 01:21:26
  CierreMati opina que, en costo y experiencia de usuario, lo ve como una disminución de facilidades y preferiría seguir subsidiado. Cris concluye que hay que saber cuándo usar IA y cuándo basta un script, y ver cómo evolucionan las soluciones Enterprise. Se despiden por las fiestas patrias chilenas.

Palabras clave