Despidieron a miles de empleados para reemplazarlos con IA: ahora enfrentan una factura millonaria y límites técnicos

El entusiasmo corporativo por la Inteligencia Artificial (IA) generativa como la panacea de la eficiencia y la reducción de costos empieza a chocar contra una realidad económica e infraestructural insospechada. En el último año, colosos globales de la tecnología como Amazon, Meta, Oracle y Dell avanzaron fuertemente en planes de reestructuración que dejaron un saldo conjunto de 65.000 empleados despedidos, en sintonía con un agresivo proceso de adopción tecnológica.

Esta tendencia no fue ajena al mercado corporativo regional. Firmas con fuerte pisada local como Mercado Libre, Santander y PwC también profundizaron la integración de herramientas automatizadas y modelos de IA en sus operaciones diarias. Sin embargo, el masivo reemplazo de programadores y personal técnico por agentes de IA comenzó a exhibir límites operativos complejos y, fundamentalmente, un gasto millonario en tokens y capacidad de cómputo que amenaza con licuar los ahorros iniciales de las planillas salariales.

Presupuestos anuales agotados en meses

La ilusión de que el software es más barato que el capital humano empieza a resquebrajarse en las altas esferas del sector. De acuerdo con reportes publicados por la revista Fortune, empresas de vanguardia ya están recalculando de urgencia. Microsoft, por caso, comenzó a dar de baja la mayoría de sus licencias internas directas de Claude Code (la herramienta de programación de la firma Anthropic). El caso de Uber fue aún más drástico: consumió en apenas cuatro meses la totalidad del presupuesto anual que había asignado para herramientas de programación asistida por IA.

La ecuación económica detrás de este fenómeno fue sintetizada de manera contundente por Bryan Catanzaro, vicepresidente de Deep Learning Aplicado en Nvidia —la compañía que fabrica los microchips esenciales para sostener esta tecnología—: “Para mi equipo, el costo de cómputo está muy por encima del costo de los empleados”. Una definición que expone que el verdadero negocio y el cuello de botella se trasladaron de los salarios a la infraestructura energética y de procesamiento.

El problema del contexto: por qué es tan caro programar con IA

El principal factor de este incremento exponencial de costos radica en la naturaleza misma del desarrollo de software a gran escala y lo que en la jerga se conoce como la "ventana de contexto".

Cuando un programador humano trabaja en una empresa, no analiza una línea de código aislada; debe entender cómo interactúa esa orden con un ecosistema complejo que tiene millones de líneas, dependencias cruzadas y decisiones de diseño tomadas hace años. Para que una IA pueda realizar una tarea similar con eficacia, necesita "leer" y cargar en su memoria inmediata toda esa base de información cada vez que se le hace una consulta.

“Lo caro aparece cuando el contexto es muy grande”, explica el Dr. Nicolás Wolovick, especialista en Ciencias de la Computación de la Universidad Nacional de Córdoba (UNC). Al conectar grandes bases de código propietario a los modelos comerciales, el consumo de tokens (las unidades de medida de texto que procesan y facturan las empresas de IA) se dispara a niveles astronómicos, volviendo la operación financieramente insostenible para tareas continuas y complejas.

Riesgos colaterales: de la seguridad al apagón operativo

Más allá del impacto directo en la facturación, los expertos identifican tres riesgos críticos que las corporaciones no evaluaron del todo al momento de acelerar los despidos:

• Vulnerabilidad operativa: Los modelos comerciales funcionan bajo límites estrictos de consumo. Cuando una empresa agota los tokens contratados o su presupuesto mensual de API, la IA simplemente deja de operar, lo que puede paralizar líneas enteras de producción tecnológica.
  
  
• Filtración de propiedad intelectual: Alimentar plataformas de terceros (como OpenAI, Google o Anthropic) con código fuente e información interna de las compañías abre una ventana peligrosa de exposición de datos sensibles y secretos comerciales.
  
  
• El quiebre en la formación de talento: Al automatizar las tareas iniciales o "júnior", el mercado laboral destruye el puente de aprendizaje para los nuevos profesionales. “El corte que está produciendo la IA en la formación es brutal”, advierte Wolovick. Sin juniors hoy, no habrá desarrolladores seniors capaces de auditar a la propia IA en el futuro.

Hacia un uso racional: la alternativa local

Frente a este escenario de facturas impagables y dependencias corporativas peligrosas, analistas del sector tecnológico prevén un cambio de estrategia a corto plazo.

Para especialistas como Maximiliano Firtman, el mercado global y regional se encamina hacia un uso mucho más racional y medido de la tecnología. La alternativa que empieza a ganar fuerza es el despliegue de IA local y modelos de pesos abiertos (código abierto) montados sobre servidores propios de las empresas.

Aunque requiere una inversión inicial en hardware, esta alternativa asoma como la única vía sustentable para aquellas organizaciones que necesitan con urgencia poner un freno a los costos variables de las licencias de terceros, proteger rigurosamente la confidencialidad de sus datos y recuperar la estabilidad en sus flujos de trabajo.

SudOeste B.A. con información de Clarín