La idea de que los agentes de inteligencia artificial asumirían las tareas más monótonas para liberar el potencial creativo y estratégico de los trabajadores ha sido una promesa ampliamente aceptada. Pero la realidad está siendo muy distinta: la brecha entre lo que las grandes empresas prometieron y el impacto real de estas tecnologías en el tejido social y laboral se está ensanchando. Esto trae consigo una factura que va mucho más allá del impacto económico.
Este desajuste parece ser el síntoma de un modelo de desarrollo tecnológico estructuralmente insostenible: mantener la infraestructura de la automatización es extremadamente caro. Según analiza la revista Wired, estos sistemas autónomos superan con creces los presupuestos destinados a los salarios de los empleados.
Un escenario que ilustran compañías como Uber, cuyo director de tecnología admitió haber agotado en apenas cuatro meses todo su presupuesto anual de 2026 para herramientas de IA. El fenómeno plantea dudas sistémicas, alineadas con el demoledor informe de Goldman Sachs titulado Gen AI: Too Much Spend, Too Little Benefit? («IA generativa: ¿demasiado gasto para tan poco beneficio?»), que cuestiona si esta inversión billonaria generará algún beneficio real para la sociedad.
Bucles infinitos y opacidad
Uno de los puntos más críticos y, paradójicamente, menos discutidos, es la alarmante falta de transparencia operativa cuando estos sistemas se enfrentan a problemas complejos. Como recoge un artículo en el que participaron investigadores del Massachussets Institute of Technology, la Universidad de Míchigan y la Universidad de Stanford, entre otros, cuando los agentes de IA se enfrentan a errores en tareas técnicas o de programación entran en bucles de prueba y error.
Al intentar corregirse a sí mismos sin supervisión humana, estos sistemas:
- Consumen volúmenes ingentes de datos de forma innecesaria.
- Desperdician potencia de cálculo en procesos que a menudo no llegan a ninguna solución.
- Disparan el consumo de recursos de forma invisible para el usuario.
Esta opacidad se ve agravada por dinámicas corporativas descontroladas. Según revela Wired, gigantes como Meta o Amazon han generado una competencia interna basada en el consumo masivo de unidades de información (conocidos como tokens), llegando a acuñar términos como Claudeonomics o tokenmaxx para evaluar a sus empleados según su nivel de gasto en software. Detrás de una interfaz limpia y minimalista se esconde un motor saturado de datos y energía que choca con cualquier principio de sostenibilidad digital, traduciéndose en facturas que superan con creces las tarifas iniciales estimadas.
El espejismo de la productividad y la precarización del rol humano
La realidad del día a día laboral demuestra que la supuesta división entre una máquina ejecutora y un humano creativo se ha quebrado. Aunque las corporaciones insisten en que la IA generativa multiplica la eficiencia, las pruebas empíricas empiezan a desmantelar este mito. Como recoge un estudio de la Universidad Estatal de Oregón titulado The Fast and Spurious: Developer Productivity with GenAI («Rápido y engañoso: la productividad del desarrollador con IA generativa»), esas supuestas ventajas en velocidad son una ilusión. Las máquinas producen contenido o líneas de código a un ritmo vertiginoso, pero el tiempo que los profesionales deben dedicar después a revisar, corregir y pulir sus resultados anula gran parte de la ventaja inicial.
Esto plantea un dilema ético y económico: la IA no está liberando el potencial humano para que este sea más creativo, está transformando a los trabajadores en supervisores de un software a veces defectuoso que, además, es más caro que el personal de carne y hueso. De acuerdo con Wired, voces de la industria, como la vicepresidencia de Nvidia, han reconocido que los costes de sus equipos ya son más altos en licencias de IA que en salarios humanos. Como se recoge en Gen AI: Too Much Spend, Too Little Benefit?, esta falsa apariencia de productividad constituye un riesgo para la economía: se están destinando sumas grandísimas de capital a una tecnología que parece no estar resolviendo problemas reales. En lugar de fomentar la innovación, el modelo actual ofrece una saturación de resultados mediocres que requieren una revisión humana constante y agotadora.
Un precio muy alto para tan poco valor
La inquietud ante esta deriva tecnológica ha dejado de ser una crítica social para convertirse en una advertencia de los propios mercados financieros. Como recoge el informe de Goldman Sachs, Gen AI: Too Much Spend, Too Little Benefit?, el escepticismo sobre si la inversión masiva en centros de datos y redes eléctricas llegará a compensarse algún día está aumentando. La construcción descontrolada de estas infraestructuras amenaza con generar tensión en los recursos energéticos globales sin ofrecer a cambio soluciones claras a los problemas estructurales de la sociedad, moviéndose más por una inercia especulativa que por una utilidad demostrada.
La tecnología no puede tener un sentido transformador y ético si se sostiene sobre la política del derroche. La sostenibilidad del sector depende de reconocer que los agentes de IA no son trabajadores gratuitos, sino sistemas de costoso mantenimiento.