Llevamos años escuchando el mismo argumento: la inteligencia artificial es más barata, más eficiente y más productiva que un empleado humano. Con esa lógica, muchas empresas han acelerado despidos masivos, restructuraciones y apuestas millonarias en automatización. El problema es que los datos empiezan a contar una historia diferente.
Lo que estamos viendo en el mercado actual es que la mayoría de empresas están intentando despedir bajo el paraguas de la inteligencia artificial, pero esos despidos no están aguantando el escrutinio legal ni social. Los gobiernos se están oponiendo. Los sindicatos y las organizaciones civiles también. Y la razón es clara: no existe una justificación económica real, no hay pérdida de facturación ni bajada de ingresos que ampare un ERE. Lo que hay es una reestructuración de productividad, que jurídicamente es otra cosa.
«Hay escenarios en los que mantener sistemas de IA termina siendo más caro que pagar salarios. Y lo digo por experiencia propia en NVIDIA.» Bryan Catanzaro · VP Deep Learning, NVIDIA
El coste oculto del pago por token
Aquí está el núcleo del problema, y es algo que muchas empresas están subestimando gravemente. La mayoría de herramientas de IA avanzadas no funcionan con suscripción plana mensual como si fuera un Netflix. Funcionan por tokens: cada consulta, cada generación, cada interacción tiene un coste directo. Y ese coste escala.
El caso más ilustrativo es el de Swan AI: un equipo de cuatro personas gastó 113.000 dólares en un solo mes utilizando modelos de IA, lo que supone unos 28.000 dólares por persona al mes. Es muy probable que esa cifra supere con creces lo que cobran esas mismas personas. Y no estamos hablando de una empresa pequeña con mala gestión, sino de un caso que su propio responsable publicó en LinkedIn sin tapujos.-
- Aproximadamente 80.000 despidos en el sector tecnológico solo en el Q1 de 2026
- El 47,9% de esos despidos, atribuidos directamente a la IA y automatización
- $113k es el gasto mensual en IA de un equipo de 4 personas (Swan AI)
- 50% de trabajadores en EE.UU. ya usa IA en su trabajo (vs. 21% en 2023)
El CTO de Uber, Praveen Naga, también lo reconoció públicamente: el gasto en IA puede crecer mucho más de lo esperado. En su empresa, el 11% de las actualizaciones de código en tiempo real ya las realizan agentes de IA. Eso tiene un coste que antes no existía en el presupuesto.
¿Llegará el punto de apalancamiento inverso?
Esta es quizás la pregunta más relevante para los próximos meses. Si las grandes empresas que gestionan la infraestructura de IA (OpenAI, Anthropic, Google) siguen subiendo precios y consolidando el modelo de pago por uso, puede llegar un punto de apalancamiento en el que sea más barato contratar personas que paguen agentes trabajando sobre lo mismo.
Dicho de otra manera: si la IA sigue encareciendo su acceso, el trabajo humano —más «artesanal», más predecible en costes— puede recuperar rentabilidad relativa. No es ciencia ficción. Es aritmética.
«Las empresas están intentando sustituir capital humano por suscripciones y tokens, sin justificar que haya pérdida de ingresos. Eso no soporta un despido.» Reflexión propia sobre el artículo.
China ya ha puesto el primer límite legal
Mientras el debate sigue abierto en Europa y Estados Unidos, China actuó. El pasado 1 de mayo aprobó la primera ley que prohíbe expresamente a las empresas despedir a empleados alegando que una IA puede hacer su trabajo de forma más eficiente. Es una señal clara de hacia dónde puede ir la regulación global.
Lo que estamos viendo con estos datos no es solo una anomalía de costes. Es una señal de que la narrativa de «la IA siempre es más barata y eficiente» está siendo cuestionada desde dentro del propio sector. Los casos de Nvidia, Uber y Swan AI no son excepciones anecdóticas; son el principio de una conversación que muchas empresas van a tener que tener antes de lo que creen.
La pregunta ya no es solo si la IA reemplazará empleos. La pregunta es si a las empresas les saldrá rentable que lo haga.
Nota de contexto (IA vs trabajadores humanos )
Los datos citados en este artículo proceden de declaraciones públicas de directivos de Nvidia y Uber, del caso documentado de Swan AI publicado en LinkedIn, y de datos de despidos del sector tecnológico recogidos por Nikkei Asia para el Q1 de 2026.