La eliminación de empleados debido a la implementación de IA resulta económicamente inviable, ya que cuesta más.

Resumen de la situación

Las corporaciones modernas están obligando cada vez más a sus empleados a usar IA para mejorar la eficiencia laboral. Sin embargo, los costos de estas tecnologías crecen más rápido que su retorno económico, y muchas empresas ya enfrentan dificultades financieras.

1. Microsoft: transición de Claude Code a GitHub Copilot CLI
- Qué ocurrió
- En medio año Microsoft incorporó el programador IA Anthropic Claude Code en sus proyectos, animando a los desarrolladores a experimentar con él.
- Ahora la compañía cancela la mayoría de las licencias laborales de Claude Code y dirige a los ingenieros hacia su propia herramienta GitHub Copilot CLI.
- Por qué es importante
- A pesar de abandonar las licencias, Microsoft sigue invirtiendo en Anthropic: $5 mil millones en inversiones y el compromiso de comprar capacidad computacional Azure por $30 mil millones.

2. Uber: flujo presupuestario de IA
- Situación
- En cuatro meses los ingenieros de Uber agotaron todo el presupuesto asignado a IA hasta 2026.
- Anteriormente la dirección fomentaba la adopción de IA, incluso creando clasificaciones departamentales por uso de tecnología.
- Conclusiones
- El costo de implementar IA se convierte en un serio obstáculo: el vicepresidente de aprendizaje profundo de Nvidia, Brian Catanza, señaló que los gastos en recursos computacionales superan los salarios del personal.

3. Otros grandes actores
Empresa | Medida de estímulo | Problema
Meta ✴ Tabla de líderes “Claudeonomía” (en honor a Anthropic Claude) | Aumento del costo de tokens con pago por consumo | Recomendación “usar al máximo los tokens IA” | Incremento de gastos en cómputo

4. Pronósticos y análisis
- Goldman Sachs
- Para 2030, el consumo de tokens IA podría crecer 24 veces, alcanzando 120 cuatrillones de tokens por mes.
- Incluso con la caída del precio por token, los costos totales de IA seguirán aumentando.
- Gartner
- Desplegar modelos de un billón de parámetros para 2030 podría ser un 90 % más barato que en 2025.
- Sin embargo, los modelos dirigidos por agentes IA consumen más tokens que las soluciones estándar, por lo que la reducción de costos no siempre compensa el aumento del gasto.

5. Consecuencias para el negocio
- Riesgo financiero: las empresas pueden enfrentar gastos inesperados en cómputo si el consumo de tokens supera la caída esperada de precios.
- Planificación de estrategias IA: los líderes deben revisar presupuestos y modelos de monetización para evitar inversiones “perdidas” en IA.

6. Conclusión
La adopción de inteligencia artificial sigue siendo una prioridad para los grandes gigantes tecnológicos, pero el creciente gasto en cómputo y tokens crea nuevos desafíos. Las empresas se ven obligadas a equilibrar el deseo de aumentar la productividad del personal con las limitaciones financieras reales.