El Costo Real de la IA: Productividad y Confianza de Desarrolladores en Riesgo
El atractivo de la inteligencia artificial para los líderes corporativos de todo el mundo a menudo se deriva de una promesa simple y poderosa: el potencial de reemplazar a los empleados humanos. Si bien las discusiones frecuentemente se centran en cómo la IA puede mejorar la eficiencia, la motivación subyacente para muchos ejecutivos y accionistas es la perspectiva de reducir el personal. Menos salarios se traducen directamente en mejores resultados finales, aumento de los precios de las acciones y ganancias personales sustanciales para los de arriba.
Las empresas, por supuesto, niegan en gran medida esta intención. Microsoft, por ejemplo, defiende herramientas de IA como GitHub Copilot, con el CEO Satya Nadella afirmando que ahora generan hasta el 30 por ciento del código de software de la compañía. Sin embargo, esta proclamación coincide con que Microsoft despidiera a más de 15,000 empleados, casi el 7 por ciento de su fuerza laboral. Los fondos ahorrados de estas reducciones sin duda están contribuyendo al significativo gasto de capital en IA de Microsoft, proyectado en 75-80 mil millones de dólares solo este año.
Sin embargo, este panorama optimista depende de dos suposiciones críticas: que la IA puede realizar el trabajo de manera efectiva y consistente, y que la IA seguirá siendo una solución económica. Si bien la IA ciertamente puede automatizar algunas tareas, como ciertas funciones de centros de llamadas, los ahorros financieros podrían no ser tan sustanciales como anticipan los ejecutivos. La deslocalización de los trabajos de centros de llamadas ha sido un patrón establecido desde hace mucho tiempo, lo que hace que la entrada de la IA aquí sea menos un ahorro de costos revolucionario y más un cambio incremental.
El objetivo más ambicioso es reemplazar a los trabajadores del conocimiento de alto valor: desarrolladores, ingenieros y diseñadores. Sin embargo, una vez que se eliminan las afirmaciones exageradas que rodean a la IA, el valor tangible que la IA ofrece se vuelve menos claro. Una reveladora visión proviene de la Encuesta de Desarrolladores de Stack Overflow de 2025, que revela que si bien el 84 por ciento de los programadores usan o planean usar herramientas de IA en sus flujos de trabajo, un significativo 46 por ciento de los desarrolladores que usan IA no confían en los resultados. Aún más preocupante, a medida que las herramientas de desarrollo de IA supuestamente han “mejorado”, la confianza de los programadores en ellas ha disminuido paradójicamente. Esta erosión de la confianza se debe a que los desarrolladores dedican una cantidad de tiempo desproporcionada —a menudo percibida como esfuerzo desperdiciado— a corregir errores de codificación generados por la IA, una tarea que apenas es apropiada para profesionales de nivel medio o superior.
El estado actual de las capacidades de la IA complica aún más las cosas. Sam Altman, CEO de OpenAI, aclamó a GPT-5 como “el mejor modelo del mundo”, sin embargo, el modelo produjo notoriamente imprecisiones fácticas, como afirmar con confianza que “Willian H. Brusen es un expresidente de EE. UU.”, una figura inexistente. Tales errores atroces llevaron a usuarios serios a exigir y recibir el retorno del modelo GPT-4o, más antiguo y confiable, una clara indicación de la insatisfacción del usuario con el rendimiento de GPT-5.
Algunos investigadores incluso sugieren que las metodologías actuales de mejora de la IA pueden estar llegando a sus límites. Estudios tanto de Apple como de la Universidad Estatal de Arizona indican que los enfoques existentes para mejorar los Grandes Modelos de Lenguaje (LLM) se han estancado. Como señala el artículo de la Universidad Estatal de Arizona, “el razonamiento CoT [Chain of Thought] es un espejismo frágil que se desvanece cuando se empuja más allá de las distribuciones de entrenamiento”, lo que implica una fragilidad fundamental en cómo estos modelos procesan información compleja.
A pesar de la retórica de marketing omnipresente de los líderes de la IA, The Economist destacó recientemente que solo el 10 por ciento de las empresas están integrando significativamente la IA en sus operaciones, lo que sugiere que el impacto de la IA no está tan extendido como podría implicar el frenético mercado de valores. Fundamentalmente, los clientes no están pagando actualmente el costo real de la IA. Cada empresa de IA está vendiendo eficazmente sus servicios a un precio de producto gancho. Como observó Ewa Szyszka para el blog Kilo Code, la suposición de que la caída de los costos de inferencia brutos se traduciría en costos de inferencia de aplicaciones proporcionalmente más bajos ha demostrado ser incorrecta. Los modelos modernos y avanzados pueden demandar más de 100 veces más poder computacional para consultas complejas en comparación con la inferencia tradicional de una sola pasada, lo que convierte los costos de computación en un factor significativo. En consecuencia, los editores de código habilitados para IA como Cursor y Claude Code están, según se informa, aumentando sus planes introductorios de $20 al mes a $200 al mes. Además, muchos planes tentadores de bajo precio vienen con limitaciones de tokens que restringen severamente su utilidad en comparación con las ofertas de nivel superior.
Aunque el CEO de OpenAI, Sam Altman, predice una reducción de diez veces en los costos de uso de IA cada 12 meses, este optimismo es recibido con escepticismo por muchos que señalan los modelos financieros insostenibles de los actuales gigantes de la IA. OpenAI, por ejemplo, opera con una tasa de consumo estimada de $8 mil millones al año, y Anthropic con $3 mil millones. Sus caminos hacia la rentabilidad siguen siendo “una cuestión abierta” para los analistas financieros.
Mientras tanto, empresas tecnológicas establecidas como Microsoft y Google están integrando sutilmente los cargos de IA en sus suscripciones de software como servicio (SaaS) existentes. Zylo, una empresa de gestión de SaaS, señaló que las herramientas de IA integradas en las plataformas actuales pueden ser “engañosamente caras”. Microsoft Copilot, por ejemplo, agrega hasta $30 por usuario al mes a las suscripciones de Microsoft 365, mientras que Google ha aumentado los precios de Workspace con características de IA incluidas. Esta fijación de precios opaca dificulta que las empresas comparen opciones o calculen con precisión el costo total de propiedad.
La firma de análisis de desarrolladores de IA DX ha descubierto que el costo real de implementar herramientas de IA en las organizaciones de ingeniería a menudo duplica o triplica las estimaciones iniciales, y a veces más. Laura Tacho, CTO de DX, enfatiza cómo el costo acumulativo de numerosas herramientas individuales de IA, cada una con un precio de alrededor de $20 al mes, se vuelve rápidamente sustancial cuando se escala a través de una organización. Justin Reock, CTO adjunto de DX, lo ilustra con un ingeniero que potencialmente usa GitHub Copilot, ChatGPT y Claude, lo que lleva a gastos superpuestos sin visibilidad centralizada.
En última instancia, a medida que las empresas de IA se vean obligadas a priorizar la rentabilidad, los precios de ganga actuales se evaporarán. Para 2026, las empresas deberían anticipar pagar al menos diez a quince veces más por el mismo trabajo impulsado por IA que realizan hoy. La promesa de la IA como una panacea para el ahorro de costos se está revelando rápidamente como una ilusión costosa.