Pagar IA resulta más caro que pagar empleados, y la confesión viene desde adentro de Nvidia. En mayo de 2026, Bryan Catanzaro, vicepresidente de Investigación de Deep Learning Aplicado en Nvidia, lo dijo sin filtros: el costo de la computación supera con creces el costo de las y los empleados. Si trabajas en tecnología o lideras un equipo, esa frase cambia tu plan a 12 meses.
Ophelia Pastrana lo desempacó en PlatziLIVE y la conclusión es incómoda para quienes vendieron la automatización como ganga: la matemática del reemplazo todavía no cierra.
¿Por qué dice Nvidia que pagar IA es más caro que pagar empleados?
La frase original de Catanzaro es directa: “el coste de la computación supera con creces el costo de las y los empleados”. Lo dijo desde Nvidia, la empresa que más vende infraestructura para IA en el mundo, así que el dato pega doble.
Nos vendieron la automatización con una promesa clara: reemplaza talento humano y reduce los costos operativos casi a cero. La realidad de 2026 es otra. Casi nadie ha logrado operar un agent de IA en producción sin supervisión humana, y mantener centros de datos a máxima capacidad terminó siendo carísimo.
¿Por qué la IA cuesta más que un salario humano? Porque los modelos de lenguaje requieren cómputo dinámico que escala con cada consulta, mientras que un salario es un costo fijo y predecible. La nube cobra por uso real, los empleados no.
Hay un detalle que muchos olvidan: las inteligencias artificiales no cuestan lo que nos cobran. Las grandes tecnológicas están subsidiando el precio de sus servicios para ganar cuota de mercado. Es la misma jugada de Uber o Netflix en sus primeros años: hoy queman dinero, mañana suben precios.
¿Por qué es tan cara la computación frente a un salario humano?
El problema está en la escalabilidad, no en el hardware existente. Un servidor ya existe, sí, pero para “pensar” más necesita más servidores, más RAM y más almacenamiento. Una tarea simple repetida millones de veces dispara la factura.
Compara con un empleado. La empresa paga un salario fijo, beneficios de ley, impuestos y un espacio de trabajo. Si hay más trabajo un mes, el costo sigue siendo predecible. En el cloud computing pasa lo contrario: la demanda sube y la factura sube en tiempo real.
Y luego está la termodinámica. El cerebro humano funciona con apenas 20 vatios de energía. Con un plato de comida y un café, una persona resuelve problemas nuevos durante ocho horas seguidas. ¿Qué hace una IA equivalente?
- Consume cerca de medio litro de agua dulce por cada 20 a 50 consultas, solo para refrigeración.
- Requiere megavatios de potencia constante para sostener inferencia a escala.
- Cada nuevo razonamiento exige más hardware físico; no escala lateralmente.
¿Cuánta agua consume una consulta a una IA? Cerca de medio litro de agua dulce por cada 20 a 50 prompts, según estudios recientes citados por Ophelia, casi todo para enfriar los servidores que procesan tu pregunta.
Con la arquitectura actual, reemplazar humanos por IA todavía no cuadra en ningún Excel.
¿Qué pasa con tu trabajo si la IA igual termina abaratándose?
El subsidio actual no es eterno. Cuando los precios reales aparezcan en la factura de cada empresa, muchas van a revisar el cálculo. Pero antes del precio, Ophelia mete sobre la mesa otra variable que casi nadie discute: la responsabilidad legal.
Si un modelo redacta un contrato millonario y mete la pata, la demanda no le cae al algoritmo. Le cae al CEO o al equipo que firmó. Alguien con un sueldo tiene que poner su nombre y su cédula.
¿Mi trabajo es automatizable? Si tu día a día consiste en seguir un framework al pie de la letra, sin desviarte nunca, ya lo es. Las computadoras son perfectas para reglas lógicas cerradas, no se cansan ni se aburren.
La ironía es que la IA generativa no es una calculadora de la verdad, es un motor predictivo de texto. Es ese pasante entusiasta que te inventa una librería de código con seguridad absoluta. Muy buena para lenguaje, frágil para precisión.
¿Cómo blindar tu carrera ante la automatización en 2026?
La empleabilidad real depende de algo que Ophelia llama gestión de la ambigüedad: la capacidad de auditar el trabajo masivo de las máquinas, conectar disciplinas que parecen no hablar entre sí y pensar lateralmente cuando el manual de instrucciones falla.
Hay un concepto económico que conviene tener en el radar y que rara vez aparece en estas conversaciones.
¿Qué es la Paradoja de Jevons aplicada a la IA? Cuando una tecnología se vuelve más eficiente y barata, no la usamos menos; la usamos mucho más. La eficiencia, por sí sola, no destruye empleo.
Si la IA te permite programar diez veces más rápido, las empresas no van a despedir al 90% del equipo. Van a pedir diez veces más aplicaciones y mejor diseño.
Así se ve un perfil que la IA no toca:
- Sabe operar fuera del framework cuando este choca con la realidad.
- Audita el output de la IA con criterio técnico y ético, no a ojo.
- Cruza dominios: sociología, diseño de interfaces y lógica de programación a la vez.
- Toma decisiones bajo ambigüedad sin esperar instrucciones perfectas.
Y no olvides al ejército invisible detrás de la magia: miles de personas en países en desarrollo etiquetando datos a mano para que el modelo “parezca” automático. Por mucho que digamos que contratamos a un robot, muchas veces lo que hubo fue subcontratación con pasos extra.
¿Tu rol diario está más cerca de seguir recetas o de resolver caos? Cuéntanos en los comentarios qué parte de tu trabajo crees que aguanta la siguiente ola de IA.
Si te interesa entender de raíz por qué la IA no es magia y blindar tu carrera frente a esta ola, el Curso de Introducción a la Inteligencia Artificial en Platzi es por donde te recomiendo arrancar.
Curso Gratis de Introducción a la Inteligencia Artificial
COMPARTE ESTE ARTÍCULO Y MUESTRA LO QUE APRENDISTE
