El MIT acaba de echarle un balde de agua fría a una de las narrativas más repetidas sobre inteligencia artificial.
La lógica que todo mundo conoce funciona más o menos así: si la IA puede hacer tu trabajo, va a hacer tu trabajo. Parece casi una ley de la naturaleza, ¿no? Pero hay un paso enorme que se está saltando en esa cuenta, y tiene todo que ver con el costo.
Ser técnicamente capaz de ejecutar una tarea es completamente diferente a que tenga sentido financiero para una empresa. Un sistema de visión por computadora puede identificar defectos en una línea de producción con total precisión, y aun así costar mucho más que el trabajo humano que reemplazaría, cuando sumas todo lo que implica construir, instalar y mantener ese sistema funcionando.
Fue exactamente eso lo que investigadores del MIT decidieron poner en números. Y el resultado sorprende 👀 No porque la automatización sea imposible, sino porque, en la práctica, todavía es demasiado cara para la mayoría de los casos. El estudio reubica la conversación sobre IA y empleos en un lugar mucho más honesto, lejos del alarmismo y lejos de la euforia. Y vale mucho la pena entender lo que estos números revelan.
Lo Que el MIT Realmente Midió
En enero de 2024, investigadores del MIT publicaron un working paper con un título bastante técnico: Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?. La palabra clave aquí es beyond, es decir, ir más allá. La mayoría de las investigaciones anteriores hacían una pregunta más limitada: ¿un sistema de IA podría, en principio, ejecutar esta tarea? Eso te dice lo que es posible, pero no dice absolutamente nada sobre lo que una empresa realmente elegiría hacer en el mundo real.
El equipo, liderado por Neil Thompson del proyecto FutureTech del MIT, modeló la decisión concreta que enfrenta una empresa. Como Thompson describe, el modelo parte del desempeño de tareas reales, pregunta qué sistema de IA sería necesario para ejecutarlas, y luego cuestiona si un negocio realmente aceptaría hacer ese intercambio. Se enfocaron en la visión por computadora, el tipo de IA que lee e interpreta imágenes, en parte porque sus costos son más fáciles de calcular que los de otros tipos de tecnología.
Thompson resumió el hallazgo principal de forma bastante directa: en muchos casos, los humanos son la manera más económica, y la más atractiva desde el punto de vista financiero, de hacer el trabajo en el momento actual. Ese momento actual es una expresión importante, y ya volveremos a ella.
Los Números Que Derriban el Pánico
La pregunta central de la investigación no era ¿la IA puede hacer esto?, sino ¿vale financieramente la pena para una empresa sustituir a un humano por un sistema automatizado en esa función? Ese cambio de perspectiva hace toda la diferencia a la hora de interpretar los resultados, porque saca el debate del campo de la ciencia ficción y lo coloca dentro de la hoja de costos real de un negocio.
Los investigadores llegaron a una conclusión que va en contra de lo que la mayoría de los titulares sobre IA suele sugerir: apenas el 23% de la remuneración de los trabajadores expuesta a la visión por computadora sería económicamente ventajosa de automatizar hoy, debido a los altos costos iniciales de los sistemas de IA. Eso significa que, en cerca de tres cuartas partes de los casos analizados, mantener a un ser humano en la función todavía sale más barato que montar toda la infraestructura necesaria para que una máquina haga el mismo trabajo.
Cuando amplías la visión hacia la economía estadounidense entera, la porción se vuelve aún más pequeña. La visión por computadora podría técnicamente automatizar tareas que representan cerca del 1,6% de los salarios de los trabajadores de Estados Unidos, sin contar la agricultura. Pero, cuando sumas el costo real, apenas algo alrededor del 0,4% de los salarios sería efectivamente más barato de automatizar hoy. Una fracción de una fracción, para ponerlo en perspectiva.
Esa distancia también aparece a nivel de los empleos. Un análisis señala que, aunque cerca del 36% de los empleos no agrícolas de Estados Unidos tienen al menos una tarea que una cámara podría ejecutar, apenas cerca del 8% tiene una tarea en la que la automatización realmente compensaría financieramente. La distancia entre podría hacerse y vale la pena hacerlo es donde realmente vive todo el argumento.
Por Qué los Costos Inclinan la Balanza de Vuelta Hacia las Personas
Un sistema de IA no es una compra única. Necesita ser construido, entrenado con los datos correctos, encajado en la forma en que el lugar de trabajo ya funciona, y luego mantenido operando año tras año. El costo de desarrollar, implementar, calibrar y mantener un sistema de IA especializado simplemente no compensa cuando se compara con el salario de un trabajador humano en gran parte de las situaciones estudiadas.
El paper usa el ejemplo de una pequeña panadería hipotética para hacerlo más concreto. Verificar la calidad de los ingredientes es una parte pequeña del día de un panadero, y el tiempo y los salarios ahorrados al agregar cámaras y un sistema de IA quedan muy por debajo de lo que esa modernización costaría. Para un gran empleador automatizando una tarea de alto volumen, los números pueden funcionar. Pero para las muchas funciones en las que la tarea de visión es solo parte de un día variado, ejecutada por un puñado de personas, el costo fijo nunca se diluye lo suficiente como para ganarle a un salario.
Los pequeños negocios, especialmente, rara vez tienen el volumen necesario para justificar un sistema que necesita acertar casi todas las veces. Y es justamente eso lo que se pierde cuando la capacidad técnica se trata como destino inevitable. La panadería, el tasador, el profesor con una tarea que una cámara técnicamente podría ejecutar no están siendo mantenidos por sentimentalismo. En muchos casos, se mantienen porque, a los precios de hoy, reemplazarlos costaría más de lo que ganan 🧠
Por Qué la Visión por Computadora Está en el Centro del Debate
La visión por computadora es una de las áreas más avanzadas de la inteligencia artificial hoy. Permite que los sistemas identifiquen objetos, rostros, patrones y anomalías en imágenes y videos con una precisión que, en algunos contextos específicos, supera la capacidad humana. No es casualidad que se esté usando en diagnósticos médicos, control de calidad industrial, monitoreo de seguridad e incluso en la agricultura de precisión. Desde el punto de vista puramente técnico, las capacidades ya son impresionantes, y eso alimenta buena parte del discurso de que los empleos están en riesgo inminente por culpa de la tecnología.
Solo que el MIT fue a fondo en un detalle que ese discurso suele ignorar completamente: el costo real de poner un sistema de visión por computadora en operación dentro de una empresa no es solo el precio del software. Incluye la adquisición o el desarrollo del modelo de IA, la infraestructura de hardware necesaria para ejecutarlo, el proceso de entrenamiento y ajuste fino para el contexto específico de ese negocio, la integración con los sistemas existentes, el mantenimiento continuo, las actualizaciones y la gestión de fallas. Cuando todo eso se suma y se compara con el salario promedio de un trabajador, el balance financiero frecuentemente favorece al humano.
Lo Que Realmente Cambiaría la Cuenta
Nada de esto significa que la fuerza laboral está congelada en el tiempo. Los autores son claros al afirmar que las pérdidas de empleo están en camino. Su punto es sobre ritmo y orden. Según el estudio, los hallazgos sugieren que el desplazamiento de empleos causado por la IA será sustancial, pero también gradual, lo que abre espacio para políticas públicas y recapacitación profesional capaces de reducir los impactos sobre el desempleo. Gradual y limitado por el costo es una predicción muy diferente a pérdida masiva de empleos en cualquier momento.
Dos cosas podrían acelerar ese proceso. La primera es la caída en los costos de construir y operar estos sistemas, aunque incluso eso es lento. Thompson observa que, aun si los precios bajan rápido, algo alrededor del 20% por año, todavía tomaría décadas para que muchas tareas de visión se volvieran lo suficientemente baratas como para automatizar. La segunda es la IA vendida como servicio compartido, donde el pesado costo de construcción se divide entre muchos clientes, en lugar de ser pagado por cada empresa por separado. Como Thompson planteó, existe mucho potencial para que la IA reemplace tareas, pero eso no va a suceder de inmediato.
Y donde la automatización ocurra, no va a llegar de forma uniforme. El estudio proyecta más automatización en sectores como retail y salud, y menos en áreas como construcción, minería o bienes raíces, basándose en dónde los costos favorecen a las máquinas. Grandes industrias con líneas de producción a gran escala, por ejemplo, tienen una ecuación muy diferente a la de una pequeña empresa de logística regional. Para la primera, la inversión en visión por computadora puede tener todo el sentido. Para la segunda, mantener trabajo humano es probablemente la opción más racional por un buen rato todavía.
Dos Salvedades Importantes
Para mantener todo honesto, vale destacar dos puntos que el propio estudio reconoce. El primero es que el paper cubre únicamente la visión por computadora, y no los grandes modelos de lenguaje que están detrás de la reciente ola de chatbots. Es decir, no dice nada sobre trabajos que involucran texto y lenguaje, que siguen otra lógica de costos y capacidades.
El segundo es que, hasta donde se sabe, el análisis todavía no ha pasado por revisión por pares. Eso lo convierte en una contribución seria al debate, pero no en un veredicto definitivo. Lo ideal es leer el estudio como una corrección a una suposición perezosa, y no como una promesa sobre tu empleo específico. El cambio útil de mentalidad está en dejar de preguntar si una máquina podría hacer una tarea y empezar a preguntar si, con todos los costos sumados, alguien realmente pagaría por eso.
Lo Que Queda de Este Hallazgo
El gran valor del trabajo publicado por el MIT está en traer racionalidad a un debate que frecuentemente oscila entre dos extremos: el pánico de quien cree que la IA va a eliminar todos los empleos en cuestión de años, y la euforia de quien ve en la automatización una solución mágica para todos los problemas de productividad. La realidad, como casi siempre sucede, es bastante más compleja y bastante menos dramática de lo que cualquiera de los dos lados suele admitir. El costo es la variable que pone los dos pies en la tierra de esta discusión.
Sistemas de visión por computadora, modelos de lenguaje y otras herramientas de IA van a seguir volviéndose más baratos y más capaces con el tiempo. Eso es prácticamente seguro. Pero la velocidad con la que esa caída de precios ocurre, combinada con la complejidad de implementación en contextos reales y con las especificidades de cada sector, garantiza que el trabajo humano va a seguir siendo la opción económicamente más inteligente para la mayoría de las tareas todavía por un buen rato. No porque los humanos sean imbatibles en todo lo que hacen, sino porque el costo total de sustitución todavía no compensa en la mayoría de los casos analizados.
Lo que queda de más importante de esta investigación es la invitación a que empresas, trabajadores y formuladores de políticas públicas empiecen a tomar decisiones basadas en datos reales sobre viabilidad económica de la automatización, y no en narrativas que sobreestiman la velocidad de los cambios. El MIT hizo ese ejercicio con rigor y los números hablan por sí mismos: la IA avanza, pero la economía dicta el ritmo ⚙️
