Hubo un momento en que el argumento parecía irrefutable: la inteligencia artificial iba a reducir costos, escalar sin límites y liberar a las organizaciones de la “ineficiencia humana”. Ese momento ya pasó. Y las facturas llegaron.
En abril de 2026, un ejecutivo de Nvidia lo confirmó en público: el costo de infraestructura de IA ya supera al de la nómina en las grandes empresas tecnológicas. Meta, Google y Microsoft tienen comprometidos alrededor de 700.000 millones de dólares en infraestructura de IA solo este año. Uber agotó su presupuesto anual de IA en cuatro meses.
Sin embargo, el experimento salió mal: Klarna lo intentó antes que nadie y lo celebró en voz alta. La fintech sueca despidió a cientos de empleados del área de atención al cliente y los reemplazó con un sistema de inteligencia artificial que, según sus propios reportes, hacía el trabajo de 700 agentes y obtenía puntuaciones similares en satisfacción del cliente. Lo presentaron como una revolución. Era una promesa de ahorro de 40 millones de dólares anuales.
Para mayo de 2025, Klarna tuvo que dar marcha atrás y volver a contratar profesionales, reconociendo la clara preferencia de los clientes por el toque humano en la resolución de incidencias. El CEO lo dijo sin rodeos: “nos centramos demasiado en ahorrar costes.”
Y no fue un caso aislado. IBM despidió a más de 8000 personas para automatizar con IA y terminó recontratando en áreas críticas. Una encuesta de Verint reveló que los chatbots mal diseñados se convirtieron en una de las principales causas de molestia entre los usuarios.
Si lo ponemos en perspectiva: una sola GPU Nvidia H100 operada en la nube puede costar hasta 4000 dólares mensuales. Un cluster de 100 unidades equivale a diez veces el salario anual de un ingeniero senior. Eso, antes de sumar infraestructura adicional, equipos de monitoreo, corrección de errores y el costo de los modelos que no funcionaron.
A la vez, el MIT publicó un análisis en 2024 que pocas empresas quisieron citar: solo el 23% de los trabajadores expuestos a la IA representan tareas económicamente rentables de automatizar, dados los elevados costos de entrada de los sistemas de IA. El 77% restante sigue siendo más barato con trabajo humano. Y el 67% de las empresas que implementaron IA no redujeron su planta de personal.
Hay costos que no aparecen en ninguna factura: la confianza que se pierde cuando un cliente no puede hablar con una persona en un momento crítico; el conocimiento institucional que se va con cada despido; la capacidad de resolver lo inesperado que una persona construye en años y un modelo no puede replicar en tokens.
El Nobel de Economía Daron Acemoglu ofrece una lectura precisa del problema: la IA puede elevar la productividad automatizando tareas o complementando al trabajador, pero una ocupación es un conjunto de tareas, y que una tarea sea automatizable no implica que toda la ocupación lo sea. Esa distinción es la que muchas organizaciones ignoraron al apresurarse.
La narrativa de “la IA reemplaza humanos” fue siempre más una estrategia de comunicación que un análisis económico riguroso. Lo que estamos viendo en 2026 es la corrección: empresas que apostaron por la sustitución masiva están recontratando en silencio, absorbiendo los costos de la marcha atrás y aprendiendo lo que tendría que haber sido obvio desde el principio.
Los humanos no somos más caros por ser lentos. Somos más baratos cuando traemos lo que ningún modelo puede aprender todavía: criterio construido en contexto, empatía funcional, memoria institucional y la capacidad de saber cuándo salirse del guión y anotar tres goles.
La pregunta que vale hacerse hoy, antes de tomar cualquier decisión sobre automatización, es simple: ¿estamos calculando el costo total, o solo el que aparece en la factura del proveedor?
