El auge de la inteligencia artificial en el entorno laboral no deja de crecer: en Estados Unidos, su uso ha pasado del 21% de los trabajadores en 2023 al 50% en 2026, reflejando una adopción acelerada. Sin embargo, este avance convive con una creciente preocupación por el empleo, ya que muchas empresas han planteado sustituir personal por sistemas automatizados. En este contexto, voces dentro del propio sector tecnológico están cuestionando la lógica económica detrás de esa decisión.
Desde NVIDIA, uno de sus principales responsables en inteligencia artificial, Bryan Catanzaro, vicepresidente de Deep Learning, ha señalado que la IA puede resultar más cara que contratar trabajadores, especialmente cuando se consideran todos los costes asociados. El problema, según explica, es que muchas empresas simplifican el cálculo comparando una suscripción mensual con un salario, sin tener en cuenta el gasto real derivado del uso intensivo de modelos basados en tokens.
Este factor es clave: el precio de los tokens —la unidad de consumo en muchos sistemas de IA— varía según el modelo, la complejidad de las tareas y la frecuencia de uso. Lo que parece una solución barata puede escalar rápidamente a cifras elevadas. De hecho, Praveen Naga, director de tecnología de Uber, reconoce que en su experiencia los costes se dispararon más de lo previsto, pese a que actualmente el 11% de las actualizaciones de código en tiempo real en su empresa ya están en manos de agentes de IA.
Casos concretos ilustran mejor esta situación. Amos Bar-Joseph, de Swan AI, reveló en LinkedIn que su equipo de solo cuatro personas llegó a gastar 113.000 dólares en Anthropic Claude, lo que equivale a unos 28.000 dólares mensuales por empleado. Este tipo de cifras está lejos de servicios más conocidos como ChatGPT Pro, con un coste aproximado de 20 euros al mes, y se acerca más a herramientas profesionales como Claude Code o GitHub Copilot, donde el modelo de pago depende directamente del consumo.
Además, ciertas funciones avanzadas pueden incrementar aún más el gasto. Ejemplo de ello es Bugcrawl, una herramienta diseñada para analizar repositorios completos en busca de errores utilizando IA, cuyo elevado consumo de tokens eleva significativamente la factura, aunque ofrezca resultados más completos.
Incluso dentro de compañías líderes como NVIDIA, el uso de tokens es tan relevante que forman parte de los incentivos internos, integrándose como una especie de compensación adicional para empleados. Esto subraya hasta qué punto el coste de la IA es un factor estructural que va más allá de una simple suscripción.
El contraste es evidente: mientras muchas empresas buscan beneficios inmediatos mediante la automatización, la realidad muestra que la IA requiere inversiones sostenidas y una visión a largo plazo. Ignorar estos costes puede llevar a decisiones precipitadas, donde el supuesto ahorro termina convirtiéndose en un gasto mayor, evidenciando que la eficiencia de la IA no siempre se traduce en rentabilidad inmediata.
Podría interesarte
No es solo una disputa entre multimillonarios: un fallo judicial podría poner en jaque a OpenAI y al mercado de la IA
Amazon y Anthropic fortalecen su alianza en IA: Claude se expande en AWS y Trainium afronta su prueba clave
