IA vs. trabajadores: en Nvidia admiten que “el costo de la computación supera con creces los costos de los empleados”

La idea de que la inteligencia artificial ya está reemplazando masivamente a los trabajadores gana espacio con cada anuncio de despidos en el sector tecnológico. Sin embargo, los números y la experiencia en las propias empresas muestran un panorama más complejo, con una brecha entre expectativa y realidad económica.

“Para mi equipo, el costo de cómputo es muy superior al costo de los empleados”, explicó Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia. Su planteo pone en duda una idea extendida: que la IA ya es, hoy, una alternativa más barata al trabajo humano.

El contexto parece ir en sentido contrario. Meta anunció recortes del 10% de su plantilla, unos 8.000 empleados, y congeló miles de posiciones abiertas. Microsoft, por su parte, lanzó el mayor programa de retiros voluntarios de su historia. En paralelo, el sector acumula más de 92.000 despidos en 2026, según Layoffs.fyi, con un ritmo que ya supera al del año anterior.

Esa combinación alimenta la narrativa de un reemplazo directo por IA. Pero al mirar en detalle, los recortes responden a múltiples factores: reestructuraciones internas, presión por rentabilidad tras años de crecimiento acelerado y, sobre todo, la necesidad de financiar inversiones cada vez más grandes en inteligencia artificial.

En los últimos meses, varias tecnológicas reorganizaron equipos mientras redirigen recursos hacia IA. Google redujo áreas no prioritarias mientras refuerza su estrategia en modelos generativos, y Amazon recortó14 mil posiciones en distintas unidades al mismo tiempo que acelera el desarrollo de servicios basados en IA para la nube.

Estos movimientos suelen leerse como un reemplazo directo de trabajadores por algoritmos. Los datos disponibles muestran otra dinámica.

Un estudio del Massachusetts Institute of Technology de 2024 analizó tareas donde la visión artificial podría sustituir trabajo humano y encontró que la automatización solo era económicamente viable en el 23% de los casos. En el resto, el costo de implementar y operar sistemas de IA superaba al de mantener trabajadores humanos.

El problema central está 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.

A esto se suma un factor menos visible: el costo de uso continuo. Firmas de gestión de gastos tecnológicos detectaron que el precio de herramientas de IA aumentó entre 20% y 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, reconoció que los costos asociados a herramientas de programación con IA superaron lo previsto y obligaron a replantear los planes financieros.

También hay límites técnicos que afectan la ecuación. Los modelos todavía requieren supervisión humana, pueden cometer errores y, en algunos casos, generan fallas operativas. Ingenieros reportaron incidentes donde agentes automatizados eliminaron bases de datos o afectaron redes por decisiones incorrectas, lo que suma costos de recuperación y control.

Expertos coinciden en que lo que se observa hoy es un desajuste temporal entre inversión y retorno. Las empresas están apostando fuerte a una tecnología que todavía no logra reemplazar de forma eficiente el trabajo humano en términos económicos.

El economista Keith Lee, del Instituto Suizo de Inteligencia Artificial, plantea que la IA funciona actualmente como una herramienta complementaria más que como un sustituto directo del trabajo. En esa lógica, su valor está en aumentar la productividad de equipos existentes, no en eliminarlos por completo.

Ese escenario podría modificarse en los próximos años. Proyecciones de Gartner indican que el costo de ejecutar modelos de gran escala podría caer más de 90% en los próximos cuatro años, a medida que mejoren los chips, la eficiencia de los modelos y la disponibilidad de infraestructura.

También se espera un cambio en el modelo de negocio. Muchas empresas hoy ofrecen IA con tarifas planas que no reflejan el costo real del uso intensivo. Una migración hacia esquemas 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 alucinaciones y adaptarse mejor a los sistemas internos de las compañías. Sin esa previsibilidad, el costo de supervisión humana sigue siendo un componente relevante.

Los datos de adopción muestran un crecimiento sostenido, aunque todavía parcial. Hacia fines de 2025, alrededor del 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 donde el impacto real aún está en evaluación.

El punto de inflexión llegará cuando dos variables converjan: una caída significativa en los costos y una mejora clara en la confiabilidad. Hasta entonces, el contraste se mantiene. Mientras las empresas ajustan plantillas y multiplican inversiones en inteligencia artificial, la tecnología que impulsan sigue siendo, en muchos casos, más cara que los trabajadores a los que supuestamente viene a reemplazar.