El Problema de Rentabilidad de la IA: Altos Costos, Bajos Retornos
A pesar del ascenso estratosférico de empresas líderes en IA como OpenAI, Microsoft y Nvidia en el mercado de valores, un examen más profundo revela una verdad más compleja e inconveniente: la industria de la inteligencia artificial está actualmente lejos de ser rentable, y su camino hacia la viabilidad financiera sigue siendo profundamente incierto. Incluso los proponentes más acérrimos de la IA, en entrevistas recientes con The New York Times, han tenido dificultades para articular una ruta clara hacia la rentabilidad para la tecnología y su ecosistema circundante.
Andrew McAfee, científico investigador del MIT y fundador de una consultora de IA, destacó esta desconexión, lamentando que si bien la “potencia tecnológica bruta de la IA es formidable”, por sí sola no dictará el ritmo de la transformación económica de la IA. Un impedimento principal para que la IA se convierta en la inversión lucrativa que muchos esperaban es su asombroso costo operativo, que se proyecta que aumente aún más a medida que las operaciones se expandan.
Un informe de McKinsey a principios de este año subrayó este desafío financiero, estimando que para 2030, los centros de datos de IA necesitarán gastar la asombrosa cifra de 6.7 billones de dólares en potencia informática para satisfacer la creciente demanda. Cuando se contrasta con las estimaciones de la empresa de software Hartinger, que sitúan el tamaño total del mercado de la industria de la IA en aproximadamente 305.9 mil millones de dólares para finales de 2025, la escala de la inversión requerida se hace patente. Es difícil imaginar billones de dólares fluyendo hacia la industria en los próximos cinco años, y mucho menos más allá. Como observó el periodista tecnológico Ed Zitron a principios de este año, OpenAI, por ejemplo, supuestamente gastó la totalidad de sus 4 mil millones de dólares de ingresos en la ejecución y entrenamiento de sus modelos.
Mientras que los implacables ciclos de bombo de la IA a menudo prometen modelos innovadores que impulsarán al mundo más cerca de la inteligencia artificial general (AGI) o la inteligencia a nivel humano, las empresas de IA han fallado consistentemente en alcanzar estos ambiciosos objetivos. Un ejemplo notable de estos rendimientos decrecientes fue el tan esperado lanzamiento de GPT-5 de OpenAI, que finalmente resultó ser una decepción. Con cada modelo sucesivo que no logra un salto significativo, un coro creciente de críticos sugiere que el progreso de la IA puede haber alcanzado una meseta.
Esta sobria realidad ha comenzado a extenderse por las suites ejecutivas de las empresas que invirtieron con entusiasmo en IA. Un informe publicado en mayo por la empresa de software de gestión del trabajo Asana, basado en una encuesta a casi 4,000 profesionales de TI, encontró que el 29 por ciento —o aproximadamente una de cada tres— de las empresas que adoptaron IA en 2024 ahora lamentan su decisión. Como el informe lo expresó sucintamente, “la prisa de 2024 por implementar la IA ha dado lugar a una realidad aleccionadora”.
Tales arrepentimientos ya se están traduciendo en acciones concretas. Una encuesta similar realizada en marzo por S&P Global Market Intelligence, que encuestó a 1,000 empresas que habían invertido en IA, reveló que un sorprendente 42 por ciento ya había abandonado sus esfuerzos en IA. Esto marca un aumento significativo del 17 por ciento que detuvo sus proyectos de IA en 2024. Lori Beer, Directora de Información de JPMorgan, le dijo a The New York Times que, tras la decisión del banco de restringir el uso de ChatGPT por parte del personal, desde entonces ha reducido cientos de otros proyectos de IA. “Estamos absolutamente cerrando cosas”, afirmó Beer, enfatizando: “No tenemos miedo de cerrar cosas. No creemos que sea algo malo. Creo que es algo inteligente”.
Si bien los proponentes de la IA como McAfee podrían enmarcar estos fracasos de inversión como parte del proceso innovador, argumentando que “la innovación es un proceso de fallar con bastante regularidad”, la creciente evidencia de costos colosales y retornos tangibles limitados hace que sea cada vez más difícil ver la industria de la IA como algo más que una burbuja masivamente inflada lista para una corrección.