La sustitución del trabajo humano por la IA ha sido un tema candente y audaz, con dos personas específicas implicadas en ello afirmando que también podría estar volviéndose demasiado exagerado. En los últimos meses, dos importantes inversores tecnológicos que realmente respaldan sus decisiones con capital se preguntan ahora qué sucede si una IA genera más gastos de los que supondría la persona que originalmente iba a ser reemplazada.
Esta no es simplemente una pregunta; está sucediendo ahora mismo.
El baño de realidad de los 300 dólares al día
En una grabación reciente del podcast All-In, Jason Calacanis —inversor de capital de riesgo y copresentador del programa— afirmó que paga 300 dólares al día por ejecutar un agente de IA Claude de Anthropic para gestionar sus negocios. Esto equivale a aproximadamente 9,000 dólares al mes, pero aquí está el detalle clave: el rendimiento del agente está solo entre el 10% y el 20% de su capacidad máxima, según Calacanis.
Así que, cuando se hacen los cálculos del coste por tarea útil a 300 dólares por día para un rendimiento parcial, comienza a parecer menos una tecnología disruptiva y más un experimento costoso.
Calacanis también describió el problema de forma sencilla: "¿Cuándo se vuelven los tokens más caros que pagar a un empleado?". Los tokens son las unidades de uso que cobran todos los modelos de IA y, a medida que un agente de IA continúa realizando tareas durante el día, los tokens se acumulan rápidamente. Cuantas más tareas realice el agente, más cara será la factura. A diferencia de un empleado con salario, no hay límite en la cantidad de tokens que se te cobran siempre que el agente esté usando tokens activamente sin que tú establezcas límites de uso.
La regla del doble de Chamath
Chamath Palihapitiya, CEO de Social Capital y copresentador del podcast All-In, compartió que se enfrentó a un problema similar en Social Capital, el cual parafraseó así: "Los agentes de IA solo pueden justificar sus costes ante mí si me proporcionan un mínimo de dos veces el rendimiento de un empleado humano en el mismo puesto".
Utilizar ese factor de dos veces como base nos permite analizar la eficacia de la IA frente a un empleado humano, ya que existen varios factores que contribuyen a su coste operativo total. Algunos de estos factores incluyen:
- Coste de ejecución (aproximadamente entre 70,000 y 150,000 dólares al año, dependiendo de si es en la nube o local)
- Coste de gestión y creación de instrucciones o prompting (aproximadamente entre 20,000 y 50,000 dólares al año, dependiendo de la frecuencia de uso)
- Tiempo dedicado a corregir errores debidos a fallos o datos de mala calidad
- Pérdida de productividad durante los periodos en los que la IA tiene un rendimiento inferior
Cuando se suman los costes operativos totales de una empresa con humanos frente a una con IA, si una empresa puede contratar a un humano para hacer un trabajo por 70,000 dólares o más de 150,000 dólares, la empresa va a encontrar el mismo coste de contratación independientemente de si es IA o humano. Resulta obvio que la empresa preferirá contratar a la persona, ya que puede contratar fácilmente a alguien que haya trabajado con ellos durante años, que esté capacitado y que conozca su negocio para hacer un trabajo similar al de una nueva IA.
Aconsejó que algunas empresas probablemente implementarán algún tipo de límite presupuestario estricto para restringir la cantidad de IA utilizada (algo sorprendente de escuchar de alguien que ha pasado años apostando por la capacidad transformadora de la tecnología), lo que indica que incluso los recursos dedicados a la IA acabarán siendo tratados como cualquier otra partida en el presupuesto de una empresa y, por tanto, deberán justificar el gasto.
Por el Autor
El problema de los tokens del que nadie te advirtió
Calacanis señala que existe un problema más crítico en los artículos sobre IA, los cuales se centran mayoritariamente en métricas de rendimiento e información de vídeos de demostración en lugar de en los costes de los tokens. La mayor parte de la IA utilizada por las empresas implica una gran cantidad de entradas, salidas y transacciones que conllevan la interacción de un agente con un sistema. En algunos casos, estos se acumularán a un nivel razonable para trabajos pequeños, pero cuando se empieza a sumar un agente haciendo su trabajo durante 8 horas al día en todos los departamentos de una empresa, el número de tokens utilizados alcanzará cantidades significativas en muy poco tiempo.
El modelo de negocio para un agente de IA que opera bajo un modelo basado en tokens es drásticamente diferente al de contratar un recurso humano para realizar un trabajo. Un empleado que trabaja para una empresa con un salario anual tendrá un coste fijo, sin importar lo productivo que sea en un día determinado. Una IA que trabaje bajo un modelo basado en tokens tendrá un coste que aumenta cuanto más productiva sea o, en otras palabras, cuanto más valor cree para una empresa.
El umbral de productividad requerido para que un agente de IA devuelva un ROI positivo a la empresa que lo adquirió cambia continuamente, ya que los proveedores de modelos de IA se verán obligados a competir entre sí con bajadas de precios a lo largo del tiempo. Sin embargo, a principios de 2026, existe suficiente diferencia en términos de coste monetario entre lo que cuestan los agentes y lo que las empresas que los poseen pueden esperar que generen, como para provocar una conversación pública entre dos personas que han invertido cantidades significativas en ellos.
Esto no significa que los agentes de IA sean un callejón sin salida
Seamos muy claros: ni Calacanis ni Palihapitiya han descartado a los agentes de IA; ambos están muy comprometidos con este sector desde el punto de vista de la inversión (tanto financiera como intelectualmente). Adoptan un enfoque más centrado y, por tanto, pragmático en su argumento contra la hipótesis de que los agentes de IA sean sustitutos directos. Ejemplos de esto incluyen cómo, a nivel macroeconómico, la economía debe funcionar para que ocurra una sustitución; sin embargo, actualmente la macroeconomía de los agentes de IA es bastante caótica.
En el futuro, a medida que los modelos sean más eficientes y los proveedores sigan compitiendo por la cuota de mercado, la complejidad de los agentes de IA disminuirá y, por lo tanto, costarán menos. Los esfuerzos de OpenAI, Anthropic, Google y las diversas alternativas de código abierto (Open Source) presionan para obtener modelos más eficientes. Una vez que los costes por token disminuyan y la fiabilidad aumente, la economía empezaría a favorecer el cambio a los agentes de IA. Sin embargo, utilizar el argumento de "en el futuro" para respaldar la hipótesis actual de que los agentes de IA son sustitutos es muy engañoso, y los usuarios que utilizan activamente estas herramientas a diario pueden proporcionar datos del mundo real sobre cómo son las cosas en realidad.
Por el Autor
Qué observar a continuación
El aspecto principal es el precio. Si tanto OpenAI como Anthropic, junto con sus competidores, proceden a disminuir el coste por token (y las tendencias muestran que esto está ocurriendo), entonces el punto de equilibrio descrito se alterará. Las empresas que desarrollen procesos relativos a agentes ahora (a pesar de los márgenes negativos) podrían estar preparándose para una estructura de costes diferente en los próximos 12 a 24 meses.
Sin embargo, cualquier individuo que utilice la IA para definir acuerdos de fuerza laboral en el presente debido a la creencia de que la IA tiene un coste menor que los trabajadores humanos, deberá reconsiderarlo basándose en las experiencias históricas de los inversores involucrados en las redes de operadores.
