De la sustitución laboral al colapso de costos
Durante dos años, Silicon Valley vendió con insistencia una narrativa seductora: la inteligencia artificial reemplazaría masivamente a los trabajadores porque era más eficiente y, sobre todo, mucho más barata. Ejecutivos, analistas y fondos de inversión repitieron el mantra hasta convertirlo en dogma. Despidos masivos se justificaron bajo la bandera de la “empresa AI-first”. Hoy, esa promesa se desmorona ante evidencias irrefutables.
Microsoft ha comenzado a restringir el uso interno de herramientas de IA entre sus ingenieros ante el disparo descontrolado de las facturas. No se trata de un ajuste menor: el costo de inferencia, tokens y computación en la nube ha superado, en múltiples casos, el salario de los empleados humanos que supuestamente iba a desplazar.
El vicepresidente de NVIDIA, Bryan Catanzaro, lo expresó con crudeza: “Para mi equipo, el costo de compute es mucho mayor que el de los empleados”. Una declaración demoledora proveniente de la compañía que más se beneficia de la infraestructura de IA.
Esta confesión no es aislada. Empresas como Uber también han visto cómo sus presupuestos de IA se agotan en meses, revelando que automatizar inteligencia humana no equivale a automatizar procesos industriales repetitivos. La IA genera valor en tareas específicas, pero su consumo energético, de GPUs y de mantenimiento de infraestructuras dedicadas crea un lastre económico permanente.
La IA más cara que los humanos: el problema físico que nadie quería ver
La euforia bursátil premió durante años cualquier relato que inflara expectativas. Despedir personal y anunciar adopción agresiva de IA elevaba valoraciones, independientemente de los retornos reales. Sin embargo, la realidad física —energía, chips, latencia y costos de inferencia— ha impuesto límites que el marketing no puede ignorar.
Automatizar no siempre reduce costos. En muchos contextos, mantener humanos sigue siendo más predecible y económico que sostener ejércitos de agentes artificiales operando 24/7 con facturas variables y crecientes. El modelo de negocio basado en escalar tokens y compute choca contra márgenes operativos reales.
Esta dinámica expone una contradicción central de la Cuarta Revolución Industrial: la concentración de poder tecnológico en pocas manos no garantiza eficiencia económica generalizada. Por el contrario, genera burbujas de inversión que distorsionan el mercado laboral y la asignación de capital.
Implicaciones geopolíticas y estructurales
Mientras las grandes tecnológicas prometían democratizar la productividad, la infraestructura subyacente se vuelve prohibitiva para la mayoría de actores. Esto acelera la concentración de capacidades en quienes controlan el compute (NVIDIA, Microsoft, hyperscalers), creando barreras de entrada aún mayores.
Los gobiernos y reguladores europeos deben observar con atención. La dependencia de modelos cuya operación resulta más costosa que el trabajo humano cuestiona las narrativas optimistas sobre transformación digital acelerada. No basta con regular usos éticos; es imprescindible entender la viabilidad económica real de la adopción masiva.
La ironía resulta brutal. La misma industria que utilizó el miedo al reemplazo laboral como herramienta de disciplina corporativa ahora enfrenta los límites de su propia maquinaria. Intentaron reemplazar humanos y terminaron atrapados en una infraestructura más cara y hambrienta de recursos.
Conclusión: confrontar la realidad
La IA no es inútil, pero tampoco es el elixir de eficiencia ilimitada que se vendió. Su despliegue exige rigor económico, no solo hype. Las empresas que ignoren esta brecha entre narrativa y costos físicos arriesgan no solo márgenes, sino credibilidad estratégica.
Europa y el Reino Unido tienen aquí una oportunidad: evitar la trampa de la adopción ciega y priorizar aplicaciones de IA donde el retorno real supere claramente los costos computacionales. El futuro de la productividad no se construye sobre ilusiones, sino sobre cálculo preciso.
Fuentes
- Fortune, 2026. “Microsoft reports expose AI’s cost problem: The tech is more expensive than paying human employees”. https://fortune.com/2026/05/22/microsoft-ai-cost-problem-tokens-agents/
- Axios, 2026. “AI can cost more than human workers now”. https://www.axios.com/2026/04/26/ai-cost-human-workers
- Entrepreneur, 2026. “Nvidia VP Says AI Costs ‘Far’ More Than Human Employees”. https://www.entrepreneur.com/business-news/nvidia-vp-says-it-costs-more-to-use-ai-than-to-hire-humans
