La idea de que la inteligencia artificial (IA) ya está reemplazando masivamente a los trabajadores cobra fuerza con cada anuncio de despidos en el sector tecnológico. Sin embargo, los datos y la experiencia dentro de las propias empresas muestran un panorama más complejo, con una marcada brecha entre las expectativas y la realidad económica.
“Para mi equipo, el costo de cómputo es muy superior al costo de los empleados”, afirmó Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia. Con esta declaración, cuestiona la creencia ampliamente difundida de que la IA es hoy una alternativa más económica que el trabajo humano.
El contexto parece contradecir esa idea. Meta anunció un recorte del 10% en su plantilla, unos 8.000 empleados, y congeló miles de vacantes. Por su parte, Microsoft lanzó el mayor programa de retiros voluntarios en su historia. En conjunto, el sector tecnológico acumula más de 92.000 despidos en 2026, según Layoffs.fyi, con un ritmo que ya supera al del año anterior.
Esta situación alimenta la narrativa de un reemplazo directo por IA, pero al analizar en detalle, los recortes responden a múltiples factores: reestructuraciones internas, presión por la rentabilidad tras años de crecimiento acelerado y, principalmente, la necesidad de financiar inversiones cada vez más grandes en inteligencia artificial.
En los últimos meses, varias empresas tecnológicas han reorganizado sus equipos para redirigir recursos hacia la IA. Google redujo áreas no prioritarias y fortaleció su estrategia en modelos generativos, mientras que Amazon recortó 14.000 posiciones en distintas unidades al tiempo que acelera el desarrollo de servicios basados en IA para la nube.
Estos movimientos suelen interpretarse como un reemplazo directo de trabajadores por algoritmos, pero los datos muestran otra realidad. Un estudio del Massachusetts Institute of Technology (MIT) de 2024 analizó tareas donde la visión artificial podría sustituir el trabajo humano y concluyó que la automatización solo es económicamente viable en el 23% de los casos; en el resto, el costo de implementar y operar sistemas de IA supera al de mantener empleados.
El problema central radica en la estructura de costos. Entrenar y ejecutar modelos avanzados requiere centros de datos especializados, chips de alto rendimiento y un consumo energético significativo. Según estimaciones de McKinsey & Company, el gasto total en IA podría superar los 5 billones de dólares hacia 2030, impulsado principalmente por infraestructura y hardware.
Además, existe un costo de uso continuo menos visible. Firmas de gestión de gastos tecnológicos detectaron que el precio de herramientas de IA aumentó entre un 20% y un 37% en el último año, en parte porque las suscripciones actuales no cubren el uso intensivo que hacen las empresas.
Incluso dentro de las compañías, el impacto presupuestario ya genera tensiones. El CTO de Uber, Praveen Neppalli Naga, admitió que los costos asociados a herramientas de programación con IA superaron lo previsto y obligaron a replantear los planes financieros.
También existen límites técnicos que afectan la ecuación. Los modelos aún requieren supervisión humana, pueden cometer errores y, en ocasiones, generan fallas operativas. Ingenieros han reportado incidentes donde agentes automatizados eliminaron bases de datos o afectaron redes debido a decisiones incorrectas, lo que suma costes de recuperación y control.
Expertos coinciden en que lo observado actualmente es un desajuste temporal entre inversión y retorno. Las empresas están apostando fuertemente a una tecnología que aún no logra reemplazar eficientemente el trabajo humano en términos económicos.
El economista Keith Lee, del Instituto Suizo de Inteligencia Artificial, sostiene que la IA funciona por ahora como una herramienta complementaria más que como un sustituto directo del trabajo, aumentando la productividad de los equipos existentes en lugar de eliminarlos.
Este escenario podría cambiar en los próximos años. Proyecciones de Gartner indican que el costo de ejecutar modelos a gran escala podría caer más de un 90% en los próximos cuatro años, gracias a mejoras en los chips, la eficiencia de los modelos y la infraestructura disponible.
También se anticipa un cambio en el modelo de negocio. Muchas empresas ofrecen IA con tarifas planas que no reflejan el costo real del uso intensivo. La migración hacia esquemas de pago por consumo podría ajustar precios y hacer más sostenible la operación.
Otro factor clave será la confiabilidad. Para desplazar tareas a gran escala, la IA necesita reducir errores, minimizar las falsas interpretaciones y adaptarse mejor a los sistemas internos. Sin esa previsibilidad, el costo de la supervisión humana seguirá siendo relevante.
Los datos de adopción muestran un crecimiento sostenido, aunque aún parcial. A fines de 2025, aproximadamente el 18% de las empresas ya utilizaban herramientas de IA, con un aumento acelerado en pocos meses. La tendencia indica expansión, pero también una etapa de experimentación en la que el impacto real aún está en evaluación.
El punto de inflexión llegará cuando converjan dos variables: una caída significativa en costos y una mejora sustancial en confiabilidad. Hasta entonces, el contraste persiste. Mientras las empresas ajustan plantillas y multiplican las inversiones en inteligencia artificial, la tecnología que impulsan sigue siendo, en muchos casos, más costosa que los trabajadores a quienes supuestamente viene a reemplazar.
