La discusión sobre si la inteligencia artificial está reemplazando trabajadores volvió a encenderse tras nuevos recortes en el sector tecnológico. Sin embargo, los números muestran una brecha entre la narrativa del reemplazo masivo y la realidad económica de la IA.

Bryan Catanzaro, vicepresidente de deep learning aplicado en Nvidia, fue directo: “el costo de cómputo es muy superior al costo de los empleados”. Su planteo contradice la idea de que la IA ya es una alternativa más barata que el trabajo humano.

El contexto parece sugerir lo contrario. Meta redujo un 10% su plantilla —unos 8.000 empleados— y Microsoft lanzó su mayor programa de retiros voluntarios. Según Layoffs.fyi, el sector acumula más de 92.000 despidos en 2026, superando el ritmo del año anterior. Pero los recortes responden a múltiples factores: reestructuraciones internas, presión por rentabilidad y la necesidad de financiar inversiones crecientes en IA.

Un estudio del MIT de 2024 analizó tareas donde la visión artificial podría reemplazar trabajo humano y concluyó que la automatización solo era económicamente viable en el 23% de los casos. En la mayoría, implementar y operar IA sigue siendo más caro que mantener empleados.

El principal obstáculo es la estructura de costos: centros de datos especializados, chips de alto rendimiento y un consumo energético elevado. McKinsey estima que el gasto global en IA podría superar los 5 billones de dólares hacia 2030, impulsado por infraestructura y hardware. A esto se suma el aumento del precio de herramientas de IA —entre 20% y 37% en un año— y tensiones internas en empresas como Uber, donde los costos superaron lo previsto.

También persisten límites técnicos: los modelos requieren supervisión humana, pueden cometer errores y, en algunos casos, generar fallas operativas que elevan los costos de control y recuperación.

Expertos coinciden en que existe un desajuste temporal entre inversión y retorno. Hoy la IA funciona más como complemento que como sustituto directo. Proyecciones de Gartner anticipan que el costo de ejecutar modelos podría caer más del 90% en cuatro años, lo que podría cambiar la ecuación.

El punto de inflexión llegará cuando confluyan dos factores: una baja sustancial de costos y una mejora clara en la confiabilidad. Hasta entonces, la paradoja se mantiene: mientras las empresas ajustan plantillas y multiplican inversiones en IA, la tecnología que impulsan sigue siendo, en muchos casos, más cara que los trabajadores que supuestamente viene a reemplazar.