La Inteligencia Artificial se ha convertido en un estándar de facto en 2025. Casi cualquier empresa puede decir que “ya usa IA” en algún proceso. Pero detrás del brillo de los titulares y de las demos espectaculares hay una pregunta incómoda que cada vez resuena más fuerte:
¿Quién va a pagar la factura de la infraestructura que está levantando la industria?
En los últimos meses, tres piezas encajan como un rompecabezas inquietante:
- IBM pone números sobre la mesa: la nueva infraestructura de IA a hiperescala podría costar hasta 8 billones de dólares (trillions) a nivel global.
- Geoffrey Hinton, el llamado “padrino de la IA”, advierte que el modelo de negocio que justifica esa inversión no es la productividad, sino el reemplazo masivo de trabajo humano.
- McKinsey constata que, mientras tanto, la mayoría de empresas vive en un “purgatorio de pilotos”: prueban IA… pero solo un 39 % ve impacto real en sus beneficios.
Juntas, estas tres perspectivas dibujan una trampa: se está construyendo una infraestructura casi impagable, sosteniendo el relato de que la IA lo arreglará todo, mientras la mayoría de organizaciones aún no sabe cómo generar valor consistente con ella.
El elefante de los 8 billones
En una reciente entrevista, el CEO de IBM, Arvind Krishna, puso cifras a algo que hasta ahora sonaba abstracto: un único centro de datos de IA de 1 gigavatio puede costar del orden de 80.000 millones de dólares. Si los grandes actores acaban levantando 100 infraestructuras de ese nivel, la factura agregada podría rondar los 8 billones de dólares.
Incluso sin entrar al detalle financiero, los órdenes de magnitud son claros:
- Esas inversiones exigen beneficios anuales descomunales solo para pagar intereses.
- El hardware tiene una vida útil de unos 5 años antes de quedar obsoleto.
- Cada nueva generación de modelos empuja a más gasto en chips, redes, almacenamiento y energía.
El mensaje de IBM no es “paremos la IA”, sino algo más prosaico: los números, tal y como se están planteando hoy, no cuadran si se parte del supuesto de “ayudar” al trabajo humano sin tocar en serio la estructura de costes.
El “plan B” que nadie quería oír: sustituir, no solo ayudar
Ahí entra en escena Geoffrey Hinton. El científico, premio Nobel y figura clave en el desarrollo de redes neuronales profundas, ha sido tajante en varias entrevistas recientes: las grandes tecnológicas están apostando por un escenario de reemplazo masivo de empleo como forma de hacer viable esta infraestructura.
Según su análisis, mejorar un 10 % la productividad humana no paga una factura de billones. Lo que sí la hace “matemáticamente justificable” es reducir drásticamente el peso de los salarios en la cuenta de resultados. Eso explica por qué, a pesar de sus propias preocupaciones sobre riesgos y seguridad, el sector sigue pisando el acelerador:
- Se prioriza el beneficio sobre la seguridad.
- Se empuja la narrativa de que la automatización total es inevitable.
- Se minimizan los debates sobre el impacto laboral real a medio plazo.
El resultado es una tensión profunda: la misma tecnología que se vende como herramienta para “empoderar” a los trabajadores se financia, en parte, sobre la hipótesis de que acabará sustituyéndolos.
El purgatorio de los pilotos: 90 % usa IA, pocos la hacen rentable
Mientras en la cúspide se sueñan centros de datos de gigavatios, en el terreno la realidad es mucho más modesta. El último informe “State of AI” de McKinsey recoge que:
- Cerca del 90 % de las organizaciones dice usar IA en algún grado.
- Un 64 % afirma que les ayuda a innovar.
- Pero solo un 39 % declara impacto concreto en su resultado operativo (EBIT), y la mayoría por debajo del 5 %.
La foto es clara:
- Hay muchas pruebas de concepto, demos y pilotos vistosos.
- Muy pocas iniciativas realmente escaladas que cambien el negocio.
- Abunda lo que algunos ya llaman el “Purgatorio de los Pilotos”: proyectos eternamente en fase beta, que consumen tiempo y presupuesto sin llegar a producción seria.
En paralelo, se acumulan incidentes por alucinaciones de modelos, decisiones erróneas basadas en datos sintéticos o falta de supervisión humana, lo que mina la confianza interna y hace que muchas empresas pisen el freno justo cuando deberían estar consolidando aprendizajes.
El 6 % que sí gana dinero: de chatbot a agente
En este paisaje, hay una minoría —alrededor del 5–6 % de las organizaciones— que sí está consiguiendo retornos claros y medibles. Los patrones que comparten empiezan a estar bastante bien descritos en la literatura y en los casos reales:
- Pasar del chatbot al agente
No se quedan en “hazme un resumen” o “escribe este email”, sino que construyen agentes de IA capaces de interactuar con sistemas, ejecutar tareas, cerrar procesos y no solo conversar. La diferencia es pasar de una calculadora sofisticada a un “colega digital” que realmente hace trabajo operativo. - Mentalidad de crecimiento, no solo de recorte
No miran la IA como una tijera para despedir personas, sino como un motor para crear nuevos productos, servicios o líneas de negocio. Reducir costes ayuda, pero el verdadero cambio viene de generar ingresos nuevos. - Inversión decidida, no residual
Dedican porcentajes relevantes (más del 20 % de su inversión digital en algunos casos) a rediseñar procesos con IA, no solo a “ponerle IA” a lo que ya había.
Son precisamente estos casos los que demuestran que hay un camino viable entre la euforia de la burbuja y el inmovilismo.
Cómo evitar la trampa: rediseñar procesos y mantener al humano en el bucle
Frente a la “trampa de los 8 billones”, empiezan a consolidarse algunas recomendaciones prácticas para empresas que no quieren ser arrastradas por la ola, pero tampoco quedarse fuera del juego:
- Dejar de automatizar lo viejo y empezar a rediseñar
Encajar IA en procesos heredados suele amplificar sus defectos. La pregunta clave no es “¿dónde pongo un modelo?”, sino: “Si hoy diseñáramos este proceso desde cero sabiendo que existe la IA, ¿cómo sería?” - Human-in-the-loop como estándar, no como excepción
Al menos en esta fase, la autonomía total es un riesgo. Los proyectos más serios incorporan validación humana sistemática en puntos críticos:- revisión de decisiones de alto impacto;
- controles de calidad sobre salidas generadas;
- auditoría continua de sesgos y errores.
- Liderazgo que se “mancha las manos”
Allí donde la dirección se implica personalmente en usar y entender la IA, las probabilidades de éxito se multiplican. Cuando el tema se delega “a TI” o a innovación, la IA se queda en juguete de laboratorio. - Cambiar los KPIs
Medir solo horas ahorradas conduce a una visión miope. Los indicadores empiezan a moverse hacia:- ingresos adicionales generados por IA;
- reducción de errores o reclamaciones;
- tiempos de ciclo reducidos en procesos clave;
- satisfacción de cliente y de empleado.
IA sí, pero con cuentas claras y pies en la tierra
La IA en 2025 ya no es opcional: es una tecnología transversal que afecta a casi todas las industrias. Pero la economía que la sostiene está lejos de ser trivial. Mientras unos levantan infraestructuras de miles de millones esperando que el futuro las justifique, la mayoría de organizaciones sigue sin pasar de pilotos dispersos.
Entre el entusiasmo tecnófilo y el catastrofismo hay un punto medio:
- asumir que la IA tiene un coste muy real en energía, hardware y complejidad;
- diseñar proyectos que generen valor tangible hoy, no solo promesas a 10 años;
- y mantener al humano en el centro del bucle, tanto en la decisión técnica como en la ética.
No se trata de renunciar a la IA, sino de evitar convertirse en pasajero de un tren financiero que quizá no llegue nunca a destino. La alternativa es más humilde, pero también más sostenible: construir sistemas donde la IA trabaje para las personas, y no al revés.
