La inteligencia artificial se vendió durante dos años con una promesa muy simple: hacer más con menos. Menos personal, menos tareas repetitivas, menos tiempos muertos y más productividad. Pero la realidad empresarial empieza a ser bastante menos limpia. Algunos directivos tecnológicos están reconociendo algo incómodo: en determinados usos avanzados, la IA no sale más barata que los trabajadores. A veces sale mucho más cara.
La frase que ha encendido el debate procede de Bryan Catanzaro, vicepresidente de Applied Deep Learning en NVIDIA. Según recogieron varios medios estadounidenses, Catanzaro explicó que en su equipo el coste de computación de la IA está “muy por encima” del coste de los empleados. No hablaba de una suscripción básica a un chatbot, sino de sistemas avanzados, agentes, modelos con grandes ventanas de contexto, inferencia intensiva y herramientas que consumen millones de tokens para revisar código, ejecutar tareas o analizar repositorios completos.
El dato parece chocar con la narrativa de los despidos. Si la IA cuesta tanto, ¿por qué tantas empresas siguen reduciendo plantillas y justificando parte de esos recortes por la automatización? La respuesta no es que las compañías hayan encontrado una máquina barata que sustituya de forma perfecta a los humanos. Es más incómoda: muchas empresas están despidiendo por expectativas, presión financiera, reorganización interna y apuesta estratégica, no porque la IA ya haya demostrado ser más eficiente en todos los puestos.
El coste oculto de los tokens
Para un usuario particular, la IA parece barata. Una suscripción mensual puede costar menos que una comida de trabajo. Ese precio crea una percepción engañosa cuando se traslada al mundo empresarial. En una compañía, el uso de IA no se limita a hacer preguntas en un chat. Implica miles de llamadas, documentos largos, agentes ejecutando ciclos de razonamiento, revisión de código, indexación de repositorios, pruebas automáticas, logs, herramientas conectadas y consumo constante de tokens de entrada, salida y contexto.
Ahí cambia la factura. Un agente de programación no solo responde una vez. Puede leer archivos, generar cambios, corregir errores, volver a probar, analizar dependencias y repetir el ciclo. Cada paso consume tokens. Si además usa modelos de alto nivel, la cuenta se dispara. La diferencia entre “usar IA” y “operar una flota de agentes” es parecida a la diferencia entre abrir una hoja de cálculo y mantener una infraestructura cloud.
El caso de Swan AI se ha convertido en uno de los ejemplos más citados. Su CEO, Amos Bar-Joseph, publicó que una empresa de cuatro personas había acumulado una factura mensual de 113.421,87 dólares en Anthropic. Lo planteó como un motivo de orgullo, no como un fracaso: su tesis es construir una compañía con mucha automatización y poco personal. Pero el dato deja claro que el coste de la IA empresarial puede superar con facilidad lo que muchos imaginaban.
Uber también ha reconocido tensiones parecidas. Praveen Neppalli Naga, CTO de la compañía, explicó que el uso de herramientas de IA para desarrollo había consumido el presupuesto previsto mucho más rápido de lo esperado. Al mismo tiempo, alrededor del 11 % de las actualizaciones de código backend en producción ya estarían siendo escritas por agentes de IA. Es decir, la tecnología empieza a producir resultados reales, pero no necesariamente con el coste marginal casi cero que algunos asumían.
| Coste visible | Coste que muchas empresas subestiman |
|---|---|
| Suscripción mensual a una herramienta | Consumo real de tokens por usuario, agente o tarea |
| Licencia por asiento | Inferencia de modelos avanzados en flujos largos |
| “Automatizar una tarea” | Integración, supervisión, seguridad y corrección de errores |
| Ahorro de horas humanas | Coste de cómputo, auditoría y dependencia de proveedor |
| Menos plantilla | Más gasto cloud, más herramientas y más control operativo |
Entonces, ¿por qué despiden?
La primera razón es financiera. El coste laboral es visible, recurrente y fácil de recortar en una cuenta de resultados. Salarios, cotizaciones, beneficios, oficinas, gestión, capas intermedias y estructuras completas aparecen como gasto fijo. La IA, en cambio, muchas veces se presenta como inversión estratégica, presupuesto de innovación o coste variable que podrá bajar con el tiempo. Aunque hoy sea cara, muchos consejos de administración creen que su coste unitario caerá y que la productividad futura compensará.
La segunda razón es la presión del mercado. Desde 2023, los inversores han premiado a las empresas que prometen eficiencia, automatización y foco en IA. En ese contexto, anunciar recortes y reasignar capital hacia inteligencia artificial envía una señal: la compañía se está adaptando. No siempre significa que haya una sustitución directa entre una persona despedida y un agente desplegado al día siguiente. A veces significa que la empresa está reduciendo áreas consideradas maduras para financiar centros de datos, licencias, modelos, chips o equipos de IA.
La tercera razón es organizativa. La IA no sustituye todos los puestos por igual. Puede reducir demanda de perfiles junior, tareas de soporte, documentación básica, QA repetitivo, análisis inicial, atención de primer nivel o producción de contenido de bajo valor. Al mismo tiempo, aumenta la necesidad de perfiles senior, arquitectos, especialistas en datos, seguridad, infraestructura, gobierno de IA y revisión humana. El resultado no es siempre “menos trabajo”, sino otra composición del trabajo.
La cuarta razón es que muchas empresas están actuando por anticipación. Harvard Business Review ha descrito este fenómeno como despidos motivados por el potencial de la IA, no necesariamente por su rendimiento ya probado. Es una apuesta: recortar ahora esperando que las herramientas maduren rápido. Esa apuesta puede salir bien en tareas muy acotadas y mal en trabajos donde el conocimiento contextual, la relación con clientes o el criterio humano siguen pesando mucho.
Y hay una quinta razón menos elegante: el “AI-washing” de los despidos. Algunas compañías pueden usar la IA como explicación cómoda para decisiones que también responden a exceso de contratación previa, desaceleración económica, presión de márgenes, cambios de estrategia o simples recortes de costes. Culpar a la IA suena más moderno que admitir una mala planificación de plantilla.
El error está en comparar una persona con una herramienta
La pregunta “¿la IA es más barata que un empleado?” está mal planteada si se formula de forma genérica. Depende de la tarea, del volumen, del modelo, del coste de supervisión y del daño que puede causar un error. Para resumir correos internos puede ser barata. Para sustituir a un equipo que mantiene sistemas críticos, revisa código sensible o atiende clientes complejos, la cuenta cambia.
Además, la comparación debe hacerse con coste total. No basta con mirar tokens. Hay que añadir integración, seguridad, formación, gestión de permisos, auditoría, errores, alucinaciones, dependencia de proveedores, cumplimiento normativo y revisión humana. En muchas empresas, el primer año de adopción de IA puede ser más caro porque se paga dos veces: se mantiene plantilla y se añade infraestructura de IA. El ahorro, si llega, aparece después y no siempre donde se esperaba.
Esto explica por qué algunos directivos pueden decir a la vez que la IA es más cara que los trabajadores y que las empresas seguirán invirtiendo en ella. No compran solo ahorro inmediato. Compran opción estratégica. Quieren aprender antes que sus competidores, rediseñar procesos, capturar datos, reducir dependencia futura de personal en tareas repetibles y estar preparados si el coste de inferencia cae.
La paradoja es que esa carrera puede generar despidos antes de demostrar retornos claros. La empresa no espera a que la IA sea perfecta; reorganiza la plantilla para forzarse a trabajar de otra manera. En algunos casos, eso producirá compañías más eficientes. En otros, dejará equipos más pequeños, más presionados y con facturas de IA que no compensan la pérdida de conocimiento interno.
El debate serio no debería ser si la IA “quita empleos” o “crea empleos” en abstracto. Ya está cambiando el empleo. La cuestión es qué tareas elimina, qué capacidades aumenta, qué costes oculta y quién asume el riesgo cuando una empresa decide sustituir experiencia humana por automatización aún inmadura.
Lo que está quedando claro es que la IA no es una palanca mágica de ahorro. Es una tecnología potente, cara en usos intensivos y difícil de medir cuando entra en procesos reales. Las empresas que la traten como un simple recorte de personal pueden llevarse una sorpresa. Las que la entiendan como una inversión que exige rediseño, control de costes y supervisión humana tendrán más opciones de convertirla en productividad real.
Preguntas frecuentes
¿La IA puede ser más cara que un trabajador?
Sí, en usos intensivos con agentes, modelos avanzados, grandes volúmenes de tokens, revisión de código o tareas que requieren muchos ciclos de inferencia. No ocurre en todos los casos, pero ya hay empresas que lo están viendo.
¿Por qué las empresas despiden si la IA todavía es cara?
Porque buscan reducir costes fijos, reasignar presupuesto a IA, responder a presión de inversores y anticiparse a una productividad futura que aún no siempre está demostrada.
¿El coste de una IA es solo la suscripción mensual?
No. En empresas también cuentan tokens, integración, infraestructura cloud, seguridad, supervisión, auditoría, errores, formación y dependencia de proveedores.
¿Qué trabajos son más vulnerables?
Las tareas repetitivas, documentales, de soporte básico, análisis inicial, QA rutinario o generación de contenido de bajo valor son más fáciles de automatizar. Los puestos con criterio, responsabilidad, contexto y relación humana son más difíciles de sustituir por completo.
