Agentes de IA disparan costes: Uber agota presupuesto anual en 4 meses

La promesa incumplida de los agentes de IA

La promesa era clara: los agentes de inteligencia artificial asumirían las tareas más monótonas para liberar el potencial creativo y estratégico de los trabajadores. Sin embargo, la realidad está siendo muy distinta. La brecha entre lo que las grandes empresas prometieron y el impacto real de estas tecnologías en el tejido social y laboral se está ensanchando, y esta factura va mucho más allá del impacto económico.

Este desajuste parece ser el síntoma de un modelo de desarrollo tecnológico estructuralmente insostenible: mantener la infraestructura de la automatización es extremadamente caro. Según analiza la revista Wired, estos sistemas autónomos superan con creces los presupuestos destinados a los salarios de los empleados.

Casos concretos: cuando el presupuesto se agota en meses

Un escenario que ilustra esta realidad lo viven compañías como Uber, cuyo director de tecnología admitió haber agotado en apenas cuatro meses todo su presupuesto anual de 2026 para herramientas de IA. Este fenómeno plantea dudas sistémicas, alineadas con el demoledor informe de Goldman Sachs titulado Gen AI: Too Much Spend, Too Little Benefit? («IA generativa: ¿demasiado gasto para tan poco beneficio?»), que cuestiona si esta inversión billonaria generará algún beneficio real para la sociedad.

Bucles infinitos y opacidad operativa

Uno de los puntos más críticos y, paradójicamente, menos discutidos, es la alarmante falta de transparencia operativa cuando estos sistemas se enfrentan a problemas complejos. Como recoge un artículo en el que participaron investigadores del Massachussets Institute of Technology, la Universidad de Míchigan y la Universidad de Stanford, entre otros, cuando los agentes de IA se enfrentan a errores en tareas técnicas o de programación entran en bucles de prueba y error.

Al intentar corregirse a sí mismos sin supervisión humana, estos sistemas:

• Consumen volúmenes ingentes de datos de forma innecesaria
• Desperdician potencia de cálculo en procesos que a menudo no llegan a ninguna solución
• Disparan el consumo de recursos de forma invisible para el usuario

Esta opacidad se ve agravada por dinámicas corporativas descontroladas. Según revela Wired, gigantes como Meta o Amazon han generado una competencia interna basada en el consumo masivo de unidades de información (conocidos como tokens), llegando a acuñar términos como Claudeonomics o tokenmaxx para evaluar a sus empleados según su nivel de gasto en software. Detrás de una interfaz limpia y minimalista se esconde un motor saturado de datos y energía que choca con cualquier principio de sostenibilidad digital, traduciéndose en facturas que superan con creces las tarifas iniciales estimadas.

El espejismo de la productividad y la precarización del rol humano

La realidad del día a día laboral demuestra que la supuesta división entre una máquina ejecutora y un humano creativo se ha quebrado. Aunque las corporaciones insisten en que la IA generativa multiplica la eficiencia, las pruebas empíricas empiezan a desmantelar este mito. Como recoge un estudio de la Universidad Estatal de Oregón titulado The Fast and Spurious: Developer Productivity with GenAI («Rápido y engañoso: la productividad del desarrollador con IA generativa»), esas supuestas ventajas en velocidad son una ilusión.

Las máquinas producen contenido o líneas de código a un ritmo vertiginoso, pero el tiempo que los profesionales deben dedicar después a revisar, corregir y pulir sus resultados anula gran parte de la ventaja inicial.

Esto plantea un dilema ético y económico: la IA no está liberando el potencial humano para que este sea más creativo, está transformando a los trabajadores en supervisores de un software a veces defectuoso que, además, es más caro que el personal de carne y hueso. De acuerdo con Wired, voces de la industria, como la vicepresidencia de Nvidia, han reconocido que los costes de sus equipos ya son más altos en licencias de IA que en salarios humanos.

¿Qué significa esto para tu startup?

Como founder, esta realidad tiene implicaciones directas en cómo abordas la implementación de IA en tu empresa. El informe de Goldman Sachs señala que el escepticismo sobre si la inversión masiva en centros de datos y redes eléctricas llegará a compensarse algún día está aumentando. La construcción descontrolada de estas infraestructuras amenaza con generar tensión en los recursos energéticos globales sin ofrecer a cambio soluciones claras a los problemas estructurales de la sociedad.

Acciones concretas que puedes tomar:

1. Audita tus costos de IA con precisión: No te quedes solo con las tarifas iniciales. Monitorea el consumo real de tokens, el tiempo de procesamiento y los recursos humanos necesarios para supervisar y corregir los resultados. El caso de Uber muestra que un presupuesto anual puede agotarse en solo cuatro meses si no se gestiona adecuadamente.

2. Prioriza implementaciones con ROI claro: En lugar de adoptar IA por moda, identifica áreas donde la automatización realmente reduzca costos operativos a largo plazo, no solo acelere procesos que luego requieran revisión exhaustiva. La tecnología no puede tener un sentido transformador y ético si se sostiene sobre la política del derroche.

3. Establece mecanismos de transparencia: Implementa sistemas que te permitan entender qué está haciendo realmente la IA en cada momento, evitando los bucles infinitos de prueba y error que consumen recursos sin aportar valor. La sostenibilidad del sector depende de reconocer que los agentes de IA no son trabajadores gratuitos, sino sistemas de costoso mantenimiento.

Conclusión

La inquietud ante esta deriva tecnológica ha dejado de ser una crítica social para convertirse en una advertencia de los propios mercados financieros. Como recoge el informe de Goldman Sachs, Gen AI: Too Much Spend, Too Little Benefit?, la inversión masiva en IA generativa está generando más preguntas que respuestas sobre su verdadero valor económico y social.

Para los founders, el mensaje es claro: la implementación de IA debe ser estratégica, medida y transparente. No se trata de evitar la tecnología, sino de adoptarla con los ojos abiertos, entendiendo que cada agente de IA implementado representa un costo operativo que debe justificarse con beneficios reales para el negocio y no solo con promesas de productividad.

Fuentes

• Los agentes de IA disparan los costes de las grandes tecnológicas