La IA puede costar más que los empleados humanos en este momento
La inteligencia artificial llegó prometiendo recortar costos y potenciar la productividad de las empresas. Solo que el guion se está dando vuelta por completo.
En lugar de ahorrar, muchas organizaciones están viendo cómo sus facturas de IA superan, y en algunos casos por mucho, lo que gastan en sus propios empleados.
El presupuesto de TI, que ya era uno de los rubros más disputados dentro de las empresas, se convirtió en escenario de una tensión nueva: ¿vale más invertir en personas o en tokens de IA?
Esa pregunta, que parecía lejana, ya está tocando la puerta de CTOs, CFOs y CEOs alrededor del mundo. 👀
Y lo que está pasando ahora puede cambiar por completo la forma en que las empresas piensan en costos, crecimiento y el futuro del trabajo.
Cuando la cuenta de la IA supera la nómina
No es exagerado decir que el mercado corporativo está en shock con los números que están apareciendo. Informes recientes de empresas medianas y grandes muestran que los costos con plataformas de inteligencia artificial, como APIs de modelos de lenguaje, herramientas de automatización e infraestructura de nube dedicada para IA, están creciendo a un ritmo mucho más acelerado de lo que cualquier proyección inicial había indicado.
Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia, resumió la situación de forma directa al decir que, para su equipo, el costo de computación está muy por encima de los costos con empleados. Esa declaración, hecha al sitio Axios, ilustra el tamaño del desajuste que se está formando dentro de las empresas de tecnología. Cuando un ejecutivo de uno de los mayores fabricantes de chips del mundo admite que la infraestructura de IA cuesta más que las personas que la operan, queda claro que no estamos hablando de un problema puntual ni de un caso aislado.
Uno de los ejemplos más emblemáticos de esta explosión de gastos vino de Uber. El CTO de la empresa ya consumió todo el presupuesto de IA previsto para 2026 por culpa de los costos con tokens, según un reportaje de The Information. Estamos hablando de una compañía que opera a escala global y que, incluso con una planificación financiera robusta, no logró prever la velocidad con la que los gastos en IA escalarían. Eso pone en perspectiva la dimensión del desafío: si una empresa del tamaño de Uber no puede controlar este tipo de costo, imaginen lo que está pasando con empresas más chicas que se subieron a la ola de la IA sin la misma estructura de gobernanza financiera.
Del otro lado, hay quienes están surfeando esta ola con orgullo. Amos Bar-Joseph, CEO de Swan AI, se encargó de mostrar su factura con Anthropic en un post viral en LinkedIn, afirmando que está construyendo el primer negocio autónomo, que escala con inteligencia y no con cantidad de empleados. Este tipo de postura revela una mentalidad que está ganando tracción en ciertos círculos de Silicon Valley: la idea de que contratar menos personas y gastar más en IA es, por sí solo, una señal de innovación. Pero, ¿esa cuenta cierra a largo plazo?
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Los números globales no mienten
Para entender la dimensión del fenómeno, vale mirar los números macro. Según Gartner, los gastos globales en TI deberían alcanzar la marca de 6,31 billones de dólares en 2026, un salto del 13,5% respecto a 2025. Ese crecimiento está impulsado por lo que la consultora llama impulso sostenido en infraestructura de IA, software y servicios en la nube. Esto incluye desde la construcción de data centers optimizados para procesamiento de modelos de lenguaje hasta el costo acumulado de suscripciones a plataformas de IA que las empresas están contratando.
Este aumento no se distribuye de forma uniforme. Las empresas que más están sintiendo el impacto son justamente aquellas que se posicionaron como early adopters de la inteligencia artificial generativa. Fueron las primeras en integrar modelos como GPT, Claude y Gemini en sus flujos de trabajo, y ahora son las primeras en darse cuenta de que el modelo de precios basado en consumo puede transformarse en una trampa financiera cuando la adopción interna crece sin control.
Es importante destacar que el problema no está en la tecnología en sí. La IA realmente entrega valor en muchos escenarios. El problema está en la forma en que las empresas están gestionando la adopción y, principalmente, en cómo están fallando en prever y controlar los costos asociados a esa adopción.
El presupuesto de TI en el centro de la tormenta
Durante años, el presupuesto de TI fue tratado como un costo necesario, pero controlable. Las empresas sabían más o menos qué esperar: licencias de software, mantenimiento de servidores, soporte técnico y, eventualmente, algún proyecto de transformación digital con plazo y valor definidos. La inteligencia artificial rompió ese patrón de una forma para la que pocos gestores estaban preparados.
Los modelos de precios basados en consumo, que son la norma para la mayoría de las plataformas de IA modernas, introdujeron una variabilidad muy difícil de prever y aún más difícil de controlar cuando la adopción crece dentro de la organización. Una empresa que empieza con un piloto pequeño puede, en pocos meses, encontrarse con decenas de equipos usando la herramienta y una factura que se multiplicó por diez sin que nadie haya tomado una decisión formal para eso.
Este fenómeno está siendo llamado AI sprawl, es decir, la expansión descontrolada del uso de herramientas de IA dentro de las organizaciones sin una gobernanza centralizada. Es el equivalente moderno del shadow IT, esa situación en la que los equipos empiezan a usar software no homologado por el departamento de tecnología porque le encuentran valor. Con la IA, el problema es aún más complejo porque el impacto financiero puede ser inmediato y significativo.
Un equipo de producto que decide experimentar con una API de generación de imágenes, un equipo de soporte que conecta un asistente de IA al sistema de tickets, un equipo de datos que usa modelos de lenguaje para análisis de documentos: cada uno de estos casos, por separado, puede parecer pequeño, pero juntos crean un agujero en el presupuesto de TI que solo aparece cuando llega la factura del mes.
Demostrar retorno dejó de ser opcional
Incluso las empresas con los mayores presupuestos de TI del planeta van a necesitar, tarde o temprano, demostrar retorno sobre la inversión en IA. Especialmente aquellas que responden a accionistas en calls trimestrales de resultados. La fase de experimentación libre, en la que bastaba decir que la empresa estaba invirtiendo en IA para animar al mercado, está llegando a su fin.
Ahora, lo que se espera son pruebas concretas de ganancias de productividad o métricas que muestren un retorno claro para toda esa inversión. Ya no alcanza con contar que el equipo está usando IA. Hay que mostrar cuánto ahorró esa adopción, cuánto aceleró entregas o cuánto generó de ingresos adicionales.
Brad Owens, vicepresidente de estrategia de trabajo digital en Asymbl, empresa enfocada en orquestación de fuerza laboral, capturó bien este cambio de mentalidad. Según él, el tono está virando hacia una discusión sobre cuál es el valor real de un trabajador, ya sea humano o digital. Esta es una reflexión que obliga a las empresas a ser más cuidadosas y menos entusiasmadas a la hora de decidir dónde asignar recursos.
La batalla entre los grandes laboratorios de IA
Un aspecto que mucha gente todavía no está siguiendo de cerca es cómo la escalada de costos está impactando la competencia entre los principales laboratorios de inteligencia artificial. El aumento de los gastos corporativos en IA creó una dinámica interesante: las empresas clientes están empezando a comparar no solo la calidad de los modelos, sino también la eficiencia de costo de cada plataforma.
Un inversor de OpenAI le dijo a Axios que este cambio puede beneficiar a la empresa, ya que consideran que Codex es superior a Claude Code cuando se trata de maximizar el uso eficiente de tokens, reduciendo costos de utilización para el usuario final. En otras palabras, la guerra entre los grandes labs de IA está migrando del campo de la capacidad pura al campo de la eficiencia económica. Quien entregue más resultado por dólar gastado va a salir adelante.
Anthropic, por su parte, ya ajustó su estructura de precios para lidiar con un pico de demanda. Esto muestra que los propios laboratorios están reaccionando en tiempo real a las dinámicas del mercado, y que los precios de IA están lejos de estabilizarse. Para las empresas que dependen de estas plataformas, esto significa convivir con una incertidumbre financiera que simplemente no existía cuando el principal costo de tecnología era una licencia anual de software con precio fijo.
Empleo versus automatización: la tensión que no se va
En el centro de toda esta discusión financiera hay una cuestión que le mueve el piso a mucha gente: si la IA está costando más, ¿todavía tiene sentido como sustituta del empleo humano? La narrativa inicial era clara. Automatizar tareas repetitivas, reducir la necesidad de mano de obra en ciertas funciones y redirigir la inversión hacia áreas de mayor valor.
Solo que lo que se está descubriendo en la práctica es que la relación entre IA y empleo es mucho más compleja de lo que ese razonamiento simple sugería. En muchos casos, las empresas que adoptaron IA a gran escala no redujeron su plantilla de empleados. Al contrario, necesitaron contratar nuevos perfiles altamente especializados para gestionar, entrenar y supervisar los sistemas de inteligencia artificial que fueron implementados. El resultado es que, en lugar de reemplazar personas, la IA añadió una nueva capa de empleo técnico que no estaba en el plan original.
Eso no significa que el impacto de la IA en el mercado laboral no sea real o relevante. En funciones más operativas, como procesamiento de documentos, atención al cliente de primer nivel y generación de reportes estandarizados, la automatización ya está reduciendo la necesidad de intervención humana de forma bastante concreta. Pero lo que se ve es que, mientras algunos empleos desaparecen o se transforman, otros surgen, y los nuevos tienden a exigir cualificaciones mucho más específicas y, por lo tanto, a costar mucho más para las empresas.
Ingenieros de prompts, especialistas en fine-tuning de modelos, arquitectos de soluciones de IA, profesionales de ética y gobernanza en machine learning: estos son los perfiles que están en alza, y ninguno de ellos viene barato.
Productividad bajo el microscopio
La productividad, que era el gran argumento a favor de la adopción acelerada de IA, está siendo reevaluada con más cuidado. Estudios recientes muestran que las ganancias de productividad son reales, pero concentradas en tareas específicas y en perfiles específicos de trabajadores.
Herramientas que usamos a diario
Un desarrollador que usa IA para escribir código puede ser significativamente más productivo en ciertas actividades, pero un gestor que necesita tomar decisiones estratégicas basadas en contexto, relaciones e intuición no necesariamente ve su productividad aumentada por el uso de herramientas de IA de la misma forma. Eso significa que las empresas necesitan ser mucho más quirúrgicas en la forma en que implementan IA, identificando con precisión dónde las ganancias son reales y dónde la inversión no se justifica por el retorno obtenido.
La situación se puso tan crítica que algunas de las mayores consultoras del mundo ya están orientando a sus clientes a crear lo que llaman centros de excelencia en IA, estructuras dedicadas no solo a desarrollar e implementar soluciones de inteligencia artificial, sino principalmente a monitorear y controlar los costos asociados a ellas. Estos equipos funcionan como guardianes del presupuesto, evaluando cada nuevo proyecto de IA desde el punto de vista financiero antes de aprobar su implementación.
El punto crucial: cuando gastar se convierte en riesgo
La conclusión más importante de todo esto quizás sea la más simple: cuando los laboratorios de IA aumentan sus precios, el gasto pesado en inteligencia artificial puede dejar de ser una demostración de fuerza y convertirse en un pasivo. Empresas que hoy presumen de sus facturas millonarias con proveedores de IA pueden, en poco tiempo, estar explicándole a los inversores por qué gastaron tanto sin un retorno proporcional. 📊
La mano de obra humana, que estaba siendo tratada como el costo a eliminar, puede terminar siendo la opción más eficiente en muchos escenarios. No es ironía, es la realidad de los números chocando de frente con el entusiasmo del mercado.
Qué cambia de aquí en adelante
El escenario actual está forzando una madurez que el mercado necesitaba tener desde el principio, pero que la euforia en torno a la inteligencia artificial terminó retrasando. Empresas que salieron corriendo a adoptar IA sin una estrategia clara de costos y gobernanza están ahora revisando sus contratos, consolidando herramientas y tomando decisiones más difíciles sobre dónde realmente vale la pena invertir.
Este proceso de racionalización es saludable, aunque doloroso para quienes necesitan explicarle al directorio por qué el presupuesto de TI creció tanto sin los retornos esperados. La buena noticia es que, con más datos y experiencia práctica en mano, las decisiones sobre IA tienden a volverse más inteligentes y más alineadas con la realidad financiera de cada organización.
El futuro de la inteligencia artificial en las empresas no es de abandono, sino de selectividad. Las organizaciones que van a salir adelante son las que logren equilibrar la promesa real de productividad que la IA ofrece con una gestión rigurosa de los costos involucrados, manteniendo los ojos abiertos tanto para las oportunidades como para las trampas financieras que esta tecnología trae consigo.
Lo que vale seguir de cerca ahora es cómo los costos crecientes van a impactar los gastos corporativos en los grandes laboratorios de IA y si la competencia por eficiencia va a traer finalmente precios más racionales al mercado. Hasta entonces, quizás la mejor estrategia sea esa que ninguna startup quiere escuchar: a veces, contratar a una persona sigue siendo la inversión más inteligente que se puede hacer. 🤷
