¿El fin de la fiebre del oro? Cuando la IA empieza a costar más que los empleados que debía reemplazar

Durante los dos últimos años, la inteligencia artificial generativa se vendió como la herramienta definitiva para reducir costes operativos, automatizar tareas complejas y multiplicar la productividad. Grandes consultoras y ejecutentes tecnológicos auguraron un futuro donde los ingenieros, analistas e incluso creativos serían progresivamente sustituidos por algoritmos capaces de trabajar 24/7 por una fracción del salario humano. Sin embargo, los primeros balances reales del despliegue masivo de IA en empresas de primer nivel están mostrando una realidad incómoda; en muchos casos, operar estos sistemas está resultando más caro que mantener a los empleados a los que pretendían reemplazar.

Casos concretos han comenzado a salpicar los titulares financieros. Uber desplegó asistentes de IA entre 5.000 ingenieros y quemó todo su presupuesto anual en solo cuatro meses. Microsoft empezó a retirar licencias de IA a sus propios desarrolladores para contener los costes. Starbucks eliminó su sistema de inventario con IA después de nueve meses al comprobar que funcionaba peor que un empleado humano. Incluso un vicepresidente de NVIDIA, la empresa que fabrica los chips más codiciados del sector, admitió abiertamente que en su equipo la IA está costando más que los trabajadores humanos. Estos no son casos aislados, sino la punta de un iceberg de ineficiencia económica.

El problema de fondo es estructural. La IA no funciona como un empleado al que se paga un sueldo fijo mensual, sino como un servicio que cobra por cada operación. A esto se añade el coste de los chips especializados, el consumo energético de los centros de datos y, quizá lo más irónico, la necesidad de contratar supervisores humanos para corregir los errores que la propia IA comete. Un estudio reciente de Freshworks sobre más de 9.000 responsables de TI reveló que el 86% de los encuestados afirma que la IA ha aumentado su carga de trabajo en lugar de reducirla, introduciendo ruido y necesidad de rehacer tareas mal automatizadas.

Frente a esta evidencia, los analistas se dividen en dos grandes corrientes. Por un lado, los que alertan sobre una burbuja insostenible. Moody's Analytics ha asignado una probabilidad del 25% a un escenario de estallido similar al de las punto com, que podría destruir 20 billones de dólares en riqueza. Por otro lado, inversores como Wells Fargo reconocen la burbuja pero recomiendan seguir apostando por ella, argumentando que el gasto de capital en infraestructura de IA es demasiado masivo para ignorarlo y que, como ocurrió con el ferrocarril en el siglo XIX, dejará una base tecnológica fundamental.

La realidad es que las empresas están empezando a ajustar sus expectativas. Los directores financieros ya no aceptan cheques en blanco para proyectos de IA que no demuestren un retorno de la inversión claro y medible en menos de seis meses. El eslogan implícito del sector está cambiando de "¿Puede la IA hacer esto?" a una pregunta mucho más sensata: "¿Debería la IA hacer esto?". La experimentación sin control está dando paso a una fase de pragmatismo, donde la eficiencia específica y la integración real con los flujos de trabajo existentes priman sobre la novedad tecnológica.

Las grandes tecnológicas también están reaccionando. Microsoft ha comenzado a sustituir licencias externas por su propia solución Copilot, integrada y más económica. Empresas de software como Dataiku predicen que 2026 será el año de la "caza de tokens desperdiciados", donde las organizaciones reducirán drásticamente su dependencia de APIs externas costosas y migrarán hacia modelos open-source autoalojados. En paralelo, se consolida el modelo de trabajo híbrido; empleados humanos supervisando y coordinando múltiples agentes de IA especializados, en lugar de ser reemplazados por un único sistema todopoderoso.

¿Estamos entonces ante el principio del fin de la burbuja de la IA? La respuesta matizada es que sí para las aplicaciones genéricas, caras y de baja precisión que prometían reemplazar trabajadores sin un análisis riguroso de costes. Pero no para la tecnología en sí misma. El gasto en infraestructura de IA sigue creciendo (los cinco grandes tecnológicos han comprometido 680,000 millones de dólares para 2026) y los problemas que resuelve son reales. La diferencia es que el mercado ha dejado de premiar la promesa y ha empezado a exigir resultados. La fiebre del oro ha terminado; comienza la era de la extracción cuidadosa y rentable.

El desplazamiento silencioso de proyectos de IA que observamos no anuncia la muerte de la inteligencia artificial, sino su madurez forzosa. Las empresas que sobrevivan a esta transición serán aquellas que integren la IA como una herramienta más en el cajón del trabajador cualificado, no como un sustituto milagroso. La verdadera pregunta ya no es si la IA cambiará el mundo —eso ya está ocurriendo—, sino quién pagará la factura mientras aprendemos a hacerlo de manera eficiente. Y por ahora, el saldo apunta a que la factura está siendo más alta de lo que nos contaron.