LA IA SALIÓ CARA….

Durante las últimas décadas, el imaginario corporativo global ha estado dominado por una promesa seductora: la automatización total del trabajo reduciría los costos, eliminaría la ineficiencia humana y liberaría a las empresas de las «molestias» de la nómina. Intentamos describir un escenario aparentemente coherente con esa promesa: decenas de miles de despidos en gigantes tecnológicos y financieros, justificados por la adopción acelerada de inteligencia artificial.

Sin embargo, el mismo texto revela una paradoja inesperada: esas mismas empresas ahora enfrentan facturas millonarias por el uso intensivo de la IA que las iba a hacer más eficientes.

Desde una perspectiva sociológica y antropológica, este fenómeno no es un simple error de cálculo financiero. Es, más bien, la manifestación de una profunda incomprensión de lo que el trabajo humano realmente es y de cómo las tecnologías se insertan —y transforman— los ecosistemas sociales y simbólicos del trabajo. Este ensayo sostiene que el reemplazo masivo de empleados por IA fracasa económicamente porque se basa en un mito: el mito de que el trabajo es un costo linealmente sustituible por cómputo.

1. La miopía economicista: el error de reducir al trabajador a un «gasto»

La sociología económica ha mostrado que las empresas no toman decisiones puramente racionales, sino que actúan dentro de «marcos de sentido» que definen qué es un costo y qué es una inversión. El texto describe despidos masivos en empresas como Amazon, Meta, Oracle y Dell, así como en firmas locales como Mercado Libre y Santander. ¿Qué marco operaba allí? La reducción del salario a un costo fijo y visible en el balance, mientras que el cómputo, los tokens y la infraestructura de IA eran vistos como inversiones tecnológicas de futuro.

La antropología del trabajo nos recuerda que el salario no es solo un costo: es también un mecanismo de reproducción social, un vínculo de lealtad, una fuente de conocimiento tácito y una red de aprendizaje intergeneracional dentro de la empresa. Cuando ese vínculo se rompe masivamente, no desaparece solo el gasto; desaparece también la memoria operativa, la capacidad de resolver problemas no previstos y el andamiaje informal que permite que los sistemas complejos funcionen. La IA, al llegar, encuentra un terreno descarnado: sin trabajadores que hayan absorbido las «decisiones históricas» y las «dependencias» del código, el contexto que debe procesar se vuelve enorme, costoso y frágil.

2. La falacia de la sustitución: lo implícito no se programa

El texto señala que el problema crece cuando las empresas conectan grandes bases de código a modelos de IA.

«Lo caro aparece cuando el contexto es muy grande», explica el especialista citado.

Desde la antropología cognitiva, esto tiene una explicación profunda: el trabajo humano en sistemas complejos (como una base de código de millones de líneas) no consiste solo en ejecutar tareas explícitas. Consiste en navegar un mundo de conocimientos implícitos, de «esto no está escrito pero todo el mundo sabe que se hace así», de decisiones que en su momento fueron racionales y hoy son solo sedimentos históricos.

El trabajo de investigadores como Jean Lave o Etienne Wenger sobre «comunidades de práctica» muestra que el aprendizaje laboral es situado, corporal y relacional. Un programador novato no aprende solo leyendo documentación: aprende viendo cómo el senior resuelve un error extraño, escuchando una anécdota en el almuerzo, internalizando un criterio estético que nunca se formaliza. Cuando se automatiza «la formación de nuevos trabajadores» mediante IA —como advierte el texto que ya está ocurriendo— se rompe ese circuito. La IA entrega respuestas, pero no transmite oficio. Y sin oficio, el contexto se vuelve opaco y caro de procesar incluso para la máquina más potente.

3. Costos ocultos y rituales rotos: más allá de la factura

El texto menciona varios riesgos adicionales: el agotamiento de tokens que paraliza la operación, la exposición de información sensible en plataformas de terceros, y la debilitación de la formación de nuevos trabajadores. Sociológicamente, estos no son «riesgos técnicos» sino síntomas de una des-institucionalización del trabajo.

· El agotamiento de tokens es análogo a lo que los antropólogos llaman «escasez ritual»: cuando un sistema social depende de un recurso simbólico o material limitado (en este caso, capacidad de cómputo por unidad de tiempo), y ese recurso se agota, el sistema colapsa. Antes, el límite lo imponía la fatiga humana, que además tenía la virtud de forzar pausas reflexivas. Ahora el límite es un contador de tokens: más rápido, más anónimo, más caro.

· La fuga de datos sensibles no es solo un problema de ciberseguridad. Es una transformación de la relación de confianza. En el trabajo humano, la información sensible se protegía mediante contratos, lealtades y códigos de ética internalizados. En la IA externa, esa información pasa a ser procesada por una entidad sin lealtad, sin memoria de confianza, sin consecuencia social. El texto sugiere que algunas empresas podrían migrar a IA local y modelos de pesos abiertos para recuperar control. Eso es, desde la antropología, una búsqueda de re-localización simbólica de la inteligencia.

4. La crisis formativa como fractura generacional

«El corte que está produciendo la IA en la formación es brutal», advierte el texto. Esta es quizás la observación más aguda. La sociología de las profesiones ha estudiado cómo los oficios se transmiten a través de la realización gradual de tareas: primero las más simples (las que ahora la IA automatiza), luego las más complejas. Cuando ese primer escalón desaparece, la carrera se vuelve inaccesible. No hay manera de llegar a resolver problemas complejos si nunca se aprendió a resolver los simples, porque esos simples contenían los patrones básicos.

El resultado es una fractura generacional: los trabajadores con más experiencia —que ya adquirieron el oficio antes de la IA— siguen siendo valiosísimos, pero cada vez hay menos espacio para formar a los nuevos. Las empresas, atrapadas en la lógica del reemplazo, no han previsto que la IA no es un sustituto del trabajador sino una tecnología que consume trabajadores formados como insumo invisible. Sin nuevos trabajadores formados, el conocimiento implícito se agota. Y cuando se agota, el contexto se vuelve más costoso de procesar para la IA, cerrando un círculo vicioso.

Hacia un uso racional, no intensivo

El texto sugiere, hacia el final, que el mercado podría avanzar hacia un uso más racional de la IA: modelos locales, pesos abiertos, control de costos y protección de información sensible. Esta es una conclusión razonable, pero el análisis sociológico y antropológico permite ir más allá: la racionalidad no es solo técnica, sino también social. Un uso racional de la IA sería aquel que no intente reemplazar el trabajo humano, sino recomponer el vínculo entre trabajadores seniors, juniors y máquinas, donde la IA haga las tareas más pesadas pero deje intactos los circuitos de aprendizaje, la memoria implícita y la confianza.

El fracaso económico del reemplazo masivo no es un accidente: es la prueba de que el trabajo humano no es un conjunto de tareas sustituibles por tokens. Es un ecosistema de conocimiento situado, cuerpos entrenados, rituales de aprendizaje y confianzas acumuladas.

Las empresas que aprendan esto sobrevivirán. Las que sigan despidiendo para «optimizar» seguirán pagando facturas millonarias —y, lo que es peor, formando profesionales que nunca llegarán a serlo.

(*) Fernando Silvestre