Saltar al contenido
hivek blog
Cuéntanos tu proyecto

Negocio

GitHub Copilot recortó hasta 44% los créditos de IA incluidos el 1 de septiembre: el cobro por excedente ya viene activado por default

El periodo promocional de Copilot terminó el 31 de agosto de 2026 y la bolsa de créditos por asiento bajó hasta 44%. La facturación por excedente es opt-out, no opt-in: así se revisa antes de renovar.

GitHub Copilot recortó hasta 44% los créditos de IA incluidos el 1 de septiembre: el cobro por excedente ya viene activado por default

El 1 de septiembre de 2026 terminó el periodo promocional de créditos de IA de GitHub Copilot. La bolsa incluida por asiento bajó de golpe: hasta 44% menos en el plan Enterprise, 36.7% menos en Business, sin que el precio del asiento cambiara un centavo. Si tu organización no revisó la configuración de gasto antes de esa fecha, es probable que ya esté generando cargos por excedente que nadie aprobó explícitamente, porque esa facturación viene activada por default.

Qué cambió exactamente el 1 de septiembre

Desde el 1 de junio de 2026, GitHub movió Copilot a un esquema de facturación por uso, con una unidad llamada "AI credit" donde 1 crédito equivale a 0.01 dólares. Durante los primeros tres meses, del 1 de junio al 31 de agosto de 2026, GitHub aplicó una bolsa promocional inflada para suavizar la transición.

PlanPrecio por asiento/mesCréditos jun-ago 2026Créditos desde sept 2026Reducción
Copilot Business$19 USD3,0001,90036.7%
Copilot Enterprise$39 USD7,0003,90044.3%

Los créditos se agrupan en un fondo compartido a nivel organización, no por usuario individual, y lo que no se consume en el mes no se acumula para el siguiente, según detalla el análisis de CloudZero sobre el precio de Copilot Enterprise. Las finalizaciones de código básicas siguen sin costo; lo que consume créditos es Copilot Chat, Copilot CLI, el agente en la nube, Copilot Spaces, Spark y los agentes de codificación de terceros integrados.

El recorte no es un ajuste menor de precio: es que la factura que se presupuestó en junio, basada en una bolsa de 3,000 o 7,000 créditos, deja de corresponder a lo que realmente cubre el asiento a partir de septiembre.

El default que nadie revisa: el excedente se cobra solo

El punto que de verdad debería preocupar a quien aprueba el gasto no es el tamaño del recorte, sino cómo está configurado el cobro por lo que se sale de la bolsa. La documentación oficial de GitHub lo dice sin ambigüedad: "additional usage is enabled by default for organizations and enterprises". Para que tu equipo no empiece a generar cargos automáticos en cuanto agote el pool de créditos, un administrador tiene que entrar a la pestaña AI Controls de la organización o la empresa y desactivar explícitamente la política de uso adicional pagado. Si nadie lo hace, el comportamiento por default es seguir cobrando.

Esto es opt-out, no opt-in. Nadie en finanzas firmó un acuerdo para pagar excedente por token; simplemente nadie apagó el interruptor que lo permite, y ese interruptor viene encendido de fábrica.

El segundo nivel de control son los presupuestos (budgets), que se configuran por usuario, por centro de costos, por organización o a nivel empresa. Aquí hay otra trampa de configuración: la opción que realmente bloquea el consumo al llegar al tope, "Stop usage when budget limit is reached", viene apagada por default. Un presupuesto que no activa esa opción no es un límite, es solo una alerta por correo cuando el gasto llega al 75%, 90% y 100% del monto fijado. Se puede configurar un presupuesto, recibir las tres alertas, y seguir pagando excedente de todos modos porque nunca se activó el bloqueo.

Cuánto puede costar no darte cuenta

El análisis publicado en ecorpit.com sobre el vencimiento de los créditos promocionales ilustra el orden de magnitud con dos ejemplos de cálculo, no datos de un cliente real: una organización Business con 100 asientos pierde 110,000 créditos mensuales respecto a la bolsa promocional, equivalentes a 1,100 dólares al mes si ese consumo se mantiene igual y se paga como excedente. Una organización Enterprise con 250 asientos pierde 775,000 créditos, equivalentes a 7,750 dólares mensuales. Son estimaciones de ese análisis, útiles como referencia de escala, no una cifra que debas asumir como la tuya: el consumo real depende del modelo que usa tu equipo, porque cada modelo tiene un multiplicador distinto sobre el crédito base.

Esa misma lógica explica por qué el gasto en IA para desarrollo es más difícil de presupuestar que una licencia tradicional: el número que se aprueba es el precio del asiento, pero la factura real la determina el consumo por token, algo que ya se ha vuelto un patrón repetido en otras herramientas empresariales con precio híbrido, como se vio con el cambio de ServiceNow, SAP y Workday a cobro por operación de agente en vez de por usuario.

Qué revisar antes de renovar, en orden

  1. Entra a AI Controls en la organización o empresa y confirma si la política de uso adicional pagado está activa. Si nadie la tocó, está activa.
  2. Exporta el consumo de agosto desde la página de uso de Copilot y divídelo contra el pool de septiembre, no contra el de agosto, para saber qué tan rápido se agota el fondo con el ritmo actual.
  3. Configura presupuestos en al menos dos niveles: organización y centro de costos, no solo a nivel usuario, porque el consumo se agrupa de forma colectiva.
  4. Activa "Stop usage when budget limit is reached" si de verdad quieres un tope, no solo una alerta. Y activa las alertas de 75%, 90% y 100% aunque también actives el bloqueo, para que alguien se entere antes de que el equipo se quede sin acceso a mitad de un sprint.
  5. Revisa el enrutamiento de modelos que tiene configurado tu equipo. El multiplicador de crédito cambia según el modelo, y es la variable que más mueve el consumo real, más que la cantidad de desarrolladores.
  6. Instrumenta antes de restringir. Pon a correr los presupuestos en modo alerta un mes completo antes de activar el bloqueo duro, para no frenar al equipo por una mala calibración del límite.

Vigilar ese consumo día a día, en vez de descubrirlo en la factura del mes siguiente, es justo el tipo de trabajo que resuelve meter un agente dentro de la operación que lea el uso acumulado contra el pool disponible y avise antes de que el bloqueo o el excedente lleguen solos.

Dónde la respuesta obvia es la equivocada

La reacción fácil es desactivar por completo el uso adicional pagado para que nunca se genere un cargo sorpresa. No lo recomiendes sin pensarlo: si el bloqueo se activa sin margen y el equipo agota el pool a mitad de mes, Copilot deja de responder hasta el siguiente ciclo de facturación, y el costo de un sprint frenado suele ser mayor que el excedente que se evitó. La alternativa más sana es un tope de gasto con margen razonable sobre el consumo histórico, no un apagado total.

Tampoco es el caso de "cancela Copilot". El problema no es la herramienta ni su utilidad; es que el presupuesto que se aprobó para el asiento dejó de reflejar lo que realmente se gasta en consumo. Y esto tampoco es exclusivo de GitHub: cualquier herramienta de IA para programar con precio de asiento más consumo por token tiene el mismo riesgo de configuración. Vale la pena diferenciarlo de otro caso ya cubierto en este blog, donde OpenAI le cortó el acceso a los modelos que usaba Cursor por un cambio de control accionario: ahí el problema era de acceso al modelo, no de facturación. Aquí el modelo sigue disponible; lo que cambia es cuánto cuesta usarlo de más. Y antes de pedir más presupuesto para cubrir el excedente, vale revisar si el consumo real justifica el modelo que está eligiendo tu equipo, en la misma línea que el acierto de caché que decide si un agente de IA es rentable.

La pregunta que debería estar en la agenda del próximo comité de TI no es si Copilot sigue valiendo la pena. Es quién, en tu organización, tiene hoy la responsabilidad de revisar esa configuración de gasto antes de que llegue la siguiente factura, y si esa persona ya sabe que el default está en "cobrar". Si tu caso es que el consumo de IA ya rebasó lo que Copilot resuelve y necesitas que un modelo opere dentro de tu propio proceso con reglas y límites definidos por ti, así se mete un agente a trabajar dentro de la operación.

Fuentes

Comentarios

→ Suscripción

Te avisamos cuando publicamos

Un correo por artículo, con los datos y las fuentes de cada caso. Automatización de procesos, IA aplicada y plataformas a la medida.

Un correo por artículo. Baja cuando quieras.