IA bajo la lupa: costos millonarios, alto consumo energético y resultados que aún generan dudas

Durante los últimos años, la inteligencia artificial fue presentada como la tecnología capaz de transformar industrias enteras, automatizar tareas y reducir costos operativos. Sin embargo, a medida que las empresas avanzan en su adopción masiva, comienza a emerger una realidad menos optimista: el costo de implementar y mantener sistemas de IA es mucho más alto de lo esperado y, en algunos casos, los resultados todavía no justifican la inversión ni el alto consumo energético que esta tiene.

El fenómeno ya no se limita a pequeñas compañías o startups. Grandes corporaciones tecnológicas y multinacionales de distintos sectores comenzaron a reconocer públicamente que el retorno económico de la inteligencia artificial está siendo más difícil de alcanzar de lo que prometían las proyecciones iniciales.

Uno de los casos más resonantes es el de Uber. La compañía desplegó herramientas de inteligencia artificial para miles de ingenieros con el objetivo de acelerar procesos y mejorar la productividad. Sin embargo, el gasto asociado creció rápidamente.

En ese contexto, el director de operaciones de Uber reconoció que “el gasto masivo en IA se está volviendo más difícil de justificar, ya que un mayor uso de tokens no muestra un beneficio claro en las funciones para los consumidores”.

La declaración refleja una preocupación que comienza a extenderse en el mundo corporativo: aunque la capacidad de los modelos continúa creciendo, no siempre existe una relación directa entre el aumento del gasto y una mejora tangible para los usuarios o para los resultados del negocio.

Costos de IA: por qué las empresas empiezan a revisar sus estrategias

La infraestructura necesaria para operar sistemas avanzados de inteligencia artificial demanda inversiones extraordinarias en centros de datos, procesamiento gráfico, almacenamiento y consumo energético. A esto se suman las licencias de software, la integración de herramientas y la capacitación de los equipos.

Incluso compañías líderes en tecnología están tomando medidas para controlar esos gastos. Según distintos reportes del sector, Microsoft habría reducido el acceso a determinadas licencias de IA para desarrolladores internos como parte de una estrategia orientada a optimizar costos y priorizar recursos.

En otros sectores, la experiencia tampoco ha sido siempre positiva. Starbucks, por ejemplo, decidió discontinuar un sistema de gestión de inventario basado en inteligencia artificial después de varios meses de pruebas. La herramienta no logró ofrecer resultados superiores a los obtenidos mediante procesos humanos tradicionales, lo que llevó a la empresa a reconsiderar su utilización.

Estos episodios no significan necesariamente un abandono de la IA, pero sí evidencian una etapa más pragmática. Tras el entusiasmo inicial, las compañías parecen enfocarse ahora en medir con mayor precisión qué proyectos generan valor real y cuáles representan simplemente un gasto difícil de sostener no solo desde lo económico, sino también desde lo ambiental por la cantidad de agua que consume la IA y lo difícil que se torna mantener en una temperatura estable a los servidores.

Burbuja de la inteligencia artificial: ¿ajuste temporal o cambio de tendencia?

Las dudas sobre la rentabilidad de la IA también comenzaron a aparecer dentro de la propia industria tecnológica. Un comentario que generó repercusión en los últimos meses fue atribuido a un vicepresidente de NVIDIA, quien sostuvo que, en determinados escenarios, los costos asociados a la inteligencia artificial pueden superar los de los trabajadores humanos que buscan reemplazar.

La observación toca uno de los argumentos centrales que impulsaron la adopción masiva de estas herramientas: la promesa de reducir gastos laborales mediante automatización. Si los costos de procesamiento, entrenamiento y mantenimiento terminan siendo mayores que los beneficios obtenidos, la ecuación económica cambia radicalmente.

Sin embargo, varios especialistas sostienen que todavía es prematuro hablar del estallido de una burbuja. Argumentan que muchas tecnologías disruptivas atravesaron ciclos similares de expectativas exageradas seguidos por períodos de ajuste antes de consolidarse como herramientas indispensables.

Lo que sí parece estar ocurriendo es un cambio de enfoque. Las empresas ya no buscan implementar inteligencia artificial por moda o por presión competitiva. Cada vez más organizaciones exigen evidencia concreta de productividad, eficiencia o generación de ingresos antes de ampliar sus inversiones.

En ese escenario, la discusión dejó de ser si la inteligencia artificial cambiará el mundo y pasó a centrarse en una pregunta mucho más práctica: cuánto cuesta realmente hacerlo y quién está dispuesto a pagar esa cuenta. Mientras los gigantes tecnológicos continúan invirtiendo miles de millones de dólares en la carrera por la IA, el mercado empieza a exigir algo que hasta ahora escasea: resultados medibles que justifiquen semejante desembolso.

Casos de IA en Argentina: empresas locales aceleran inversiones millonarias mientras crecen las dudas sobre la rentabilidad

En Argentina, la apuesta por la inteligencia artificial también está movilizando cifras cada vez más grandes. El fenómeno no solo involucra a empresas tecnológicas, sino también a sectores como energía, comercio electrónico, fintech e infraestructura digital.

Uno de los casos más visibles es el de Globant. La compañía fundada por Martín Migoya profundizó durante los últimos meses su estrategia basada en inteligencia artificial con el lanzamiento de los llamados “AI Pods”, un modelo que combina agentes de IA supervisados por especialistas humanos para tareas de desarrollo, diseño y testing. La empresa sostiene que el sistema busca reducir costos y aumentar productividad, aunque reconoce que la industria todavía atraviesa una etapa de transformación y experimentación.

En junio de 2025, Globant presentó oficialmente este esquema y explicó que cada suscripción funciona mediante consumo de tokens, una lógica similar a la utilizada por los grandes modelos de lenguaje. La compañía afirmó que el objetivo es ofrecer “mayor productividad y eficiencia”, en un contexto donde el costo operativo de la IA se convirtió en uno de los principales desafíos para las empresas.

La expansión de estas tecnologías también llegó a YPF. La petrolera estatal firmó acuerdos con Globant para incorporar soluciones de inteligencia artificial en áreas de abastecimiento, inventarios y logística. El proyecto contempla 46 agentes de IA especializados para automatizar procesos de la cadena de suministro. Según el presidente y CEO de YPF, Horacio Marín, la iniciativa apunta a mejorar la competitividad y eficiencia operativa de la compañía.

“Confiamos en que la experiencia de Globant nos ayudará a implementar nuevas herramientas para gestionar mejor toda la cadena de valor de YPF”, señaló Marín al anunciar el acuerdo.

El costo de la IA ya mueve miles de millones de dólares

Las inversiones necesarias para sostener esta carrera tecnológica son cada vez más elevadas. Según estimaciones difundidas por las propias empresas del sector, el mercado global de inteligencia artificial demandará desembolsos récord durante los próximos años.

Globant informó a inversores que el gasto anual global en inteligencia artificial generativa podría alcanzar los US$151.000 millones para 2027.

A nivel regional, uno de los proyectos más ambiciosos vinculados con Argentina es la iniciativa conocida como “Stargate Argentina”. El plan, impulsado por OpenAI junto con socios de infraestructura energética, contempla inversiones estimadas entre US$20.000 millones y US$25.000 millones para desarrollar capacidad de procesamiento destinada a inteligencia artificial en la Patagonia.

Al mismo tiempo, el Gobierno nacional impulsa un nuevo esquema de incentivos para atraer proyectos vinculados con inteligencia artificial, centros de datos y semiconductores, con requisitos mínimos de inversión superiores a US$1.000 millones.

Sin embargo, mientras las inversiones crecen, también aparecen señales de cautela. Uber reconoció recientemente que los costos asociados al uso intensivo de IA son cada vez más difíciles de justificar. Su director de operaciones sostuvo que **”el gasto masivo en IA se está volviendo más difícil de justificar, ya que un mayor uso de tokens no muestra un beneficio claro en las funciones para los consumidores”.

La frase resume una inquietud que empieza a recorrer distintos sectores empresariales: si la inteligencia artificial requiere inversiones multimillonarias, infraestructura cada vez más costosa y un consumo creciente de recursos, la pregunta ya no es solamente qué puede hacer la tecnología, sino cuánto valor económico genera realmente.

Durante años, la narrativa dominante sostuvo que la inteligencia artificial reduciría costos laborales y multiplicaría la productividad. Sin embargo, mientras compañías de todo el mundo destinan miles de millones de dólares a infraestructura, centros de datos y procesamiento, los resultados todavía son desiguales. Algunas empresas muestran mejoras concretas, pero otras comienzan a preguntarse si el retorno económico llegará a tiempo para justificar una de las mayores apuestas tecnológicas de la historia reciente.