Vivimos en plena fiebre del oro de los agentes de Inteligencia Artificial, y las mesas directivas están atrapadas en una carrera tecnológica sin precedentes. Sin embargo, en los últimos meses ha empezado a emerger una realidad incómoda en los estados de resultados (P&L) de las empresas: la IA en producción es ridículamente cara.

Mantener agentes autónomos corriendo flujos de trabajo avanzados está consumiendo una porción gigantesca del capital operativo. Para financiar este apetito voraz por el cómputo, muchas compañías han tomado decisiones drásticas: congelar contrataciones o reestructurar equipos experimentados de producto, diseño e ingeniería. Pero lo que parecía una jugada contable inteligente para «automatizar la productividad» está chocando de frente con la economía del consumo basado en tokens.

El fenómeno ha escalado tanto que incluso los gigantes que dominan el sector han tenido que recalibrar su estrategia. Como reveló recientemente un informe de The Verge, Microsoft decidió suspender la mayoría de sus licencias internas de Claude Code (la herramienta de su rival Anthropic) en la división que desarrolla Windows y Microsoft 365. ¿El motivo? La herramienta se volvió tan masivamente popular entre sus ingenieros que los costos variables se volvieron impredecibles, forzando una «unificación de herramientas» hacia su propio ecosistema de GitHub Copilot para detener la sangría presupuestaria.

Cuando el software se vuelve más caro que el humano

Casi en paralelo a la decisión de Microsoft, el caso de Uber le puso números fríos a este problema de escala. Su equipo de tecnología desplegó la misma herramienta para unos 5,000 ingenieros. La adopción fue un éxito rotundo (superior al 84%), pero al cabo de unas semanas descubrieron la trampa del modelo de precios: el gasto en API por cada ingeniero saltó a un rango de entre USD 500 y USD 2,000 al mes. En apenas cuatro meses, Uber evaporó la totalidad de su presupuesto anual asignado a herramientas de programación con IA.

Este es un punto de inflexión histórico en el desarrollo de productos digitales. Históricamente, en el software tradicional (SaaS), un aumento en el uso por parte de los empleados era una métrica de éxito porque el costo de la licencia por asiento se mantenía fijo. Con la IA generativa, la regla se invierte: a mayor utilidad, mayor uso; a mayor uso, mayor gasto variable.

Cuando el costo operativo de un asistente tecnológico empieza a competir directamente con el costo de mantener talento senior en el equipo, la narrativa de la «automatización total» se desmorona. Como bien señala la firma de análisis global Gartner, el Costo Total de Propiedad (TCO) de la IA está obligando a los líderes de producto a auditar con mirada fría si la velocidad de ejecución ganada justifica el retorno de inversión real del negocio.

El peligro de cambiar Contexto por Automatización

Como profesionales que lideramos equipos ágiles y funnels de conversión en la trinchera corporativa, sabemos que el cuello de botella de un producto exitoso casi nunca es la velocidad pura a la que se escribe código o se diseñan pantallas (Output). El verdadero reto es el Product Discovery: entender el dolor del usuario, negociar la viabilidad técnica en sesiones de «Tres Amigos», simplificar la complejidad de un modelo de suscripción y mitigar riesgos antes de construir.

Un agente de IA puede procesar millones de datos del pasado y acelerar tareas repetitivas de maquetación de manera brillante. Pero carece por completo de contexto político, empatía humana y visión estratégica de negocio.

Al debilitar las estructuras de profesionales senior para balancear los presupuestos que exigen las facturas de la nube, las organizaciones están incurriendo en una peligrosa de deuda de conocimiento. Sin el ojo crítico de un PM o un Diseñador Senior que valide las hipótesis en el mundo real, los copilotos automatizados solo sirven para construir el producto equivocado a una velocidad récord.

Conclusión

La Inteligencia Artificial es una tecnología de aumentación extraordinaria; es un copiloto fantástico para potenciar las capacidades humanas, pero nunca su reemplazo estratégico.

Los casos de Microsoft y Uber son una cura de humildad para el ecosistema Tech. Nos demuestran que las empresas que intentan canibalizar su talento humano para pagar la infraestructura tecnológica terminan pagando el doble: primero en facturas de tokens imprevistas, y segundo en la pérdida de innovación y calidad de sus productos. Los mercados y las suscripciones no se conquistan optimizando líneas de código en un servidor; se conquistan resolviendo problemas humanos complejos de la mano de equipos altamente estratégicos.