La IA está desacelerándose

Reacción al artículo y tono

• Muchos lectores encuentran el texto emocionalmente cargado, polémico y “predicando a los conversos”, lo que hace que desconfíen de los argumentos o los descarten incluso cuando las cifras parecen interesantes.
• Otros defienden el estilo agresivo como un contrapeso necesario al incesante bombo de la IA y al PR corporativo, aunque algunos creen que esto ha derivado en contenido ideológicamente impulsado “anti‑IA” más que en análisis.
• Varios señalan un historial de predicciones dramáticas de colapso con plazos definidos que no se han materializado, lo que para ellos socava la credibilidad del autor, especialmente en cualquier cosa orientada al futuro.

Sostenibilidad financiera y riesgo de burbuja

• La afirmación central que se discute: el capex actual, los compromisos en chips y centros de datos implican que la IA necesita cientos de miles de millones a billones en ingresos anuales para ~2030; muchos sostienen que eso es inverosímil y señala una burbuja.
• Algunos coinciden en que las matemáticas se ven alarmantes y ven paralelismos con las puntocom, las hipotecas subprime o el mercado inmobiliario chino: acuerdos circulares, sobreconstrucción y FOMO de los inversores.
• Otros responden que el crecimiento actual de ARR en los principales laboratorios, la fuerte demanda empresarial y el precedente histórico (ferrocarriles, internet) muestran que las grandes burbujas pueden coexistir con tecnología genuinamente transformadora.
• Hay debate sobre si “la IA es insosteniblemente cara” frente a “la IA es valiosa pero actualmente se vende por debajo de su costo”; varios señalan que incluso si la tecnología triunfa a largo plazo, los laboratorios líderes de hoy y algunos actores de nube/infraestructura todavía podrían quedar barridos o ser rescatados.

Productividad, valor e impacto organizacional

• Hay un fuerte desacuerdo sobre las “ganancias masivas e innegables de productividad”.
  • Los comentaristas pro‑IA informan enormes aceleraciones en programación y otros trabajos del conocimiento, una adopción generalizada dentro de las empresas, y dicen que el escepticismo ahora ignora la experiencia vivida.
  • Los escépticos citan estudios de miles de equipos que muestran más rotación de código y más bugs sin mejoras en el throughput, experiencias personales sin mejora neta de velocidad, y el hecho de que el código rara vez es el verdadero cuello de botella (la coordinación, la dirección del producto y la integración lo son).
• Un tema recurrente: “yo voy más rápido” a nivel individual ≠ “en la organización entregamos más funciones valiosas”. Las mejoras en LOC/PRs pueden verse compensadas por retrabajo, deuda técnica y pérdida de comprensión profunda.

Progreso técnico: ¿desacelerando o no?

• Un bando argumenta que el progreso claramente se está desacelerando: los modelos frontera recientes se sienten como mejoras incrementales; los modelos pequeños/de código abierto y los modelos chinos son “suficientemente buenos” y van cerca detrás; se avecinan la comoditización y la reducción de fosos competitivos.
• Otros insisten en que la capacidad sigue aumentando rápidamente, especialmente con la programación agentiva y las herramientas de seguridad (por ejemplo, descubrimiento de vulnerabilidades impulsado por IA), y dicen que los de fuera no vemos los modelos de punta.
• Varios distinguen entre “la ganancia de inteligencia puede ser logarítmica” y “la utilidad puede dispararse cuando la fiabilidad cruza umbrales”.

Inferencia, infraestructura y alternativas

• Fuerte debate sobre los costos de inferencia y los márgenes:
  • Algunos se apoyan en finanzas filtradas o secundarias para argumentar que los márgenes son estrechos y que el gasto en tokens ya está “rompiendo presupuestos”, lo que lleva a topes por empleado y recortes de herramientas.
  • Otros señalan informes de márgenes brutos altos y la existencia de hosts rentables de pesos abiertos de terceros como evidencia de que la inferencia puede ser económicamente viable a medida que mejoran el hardware y el software.
• Preocupa que la expansión de la nube se exceda justo cuando:
  • los modelos locales en hardware de consumo se vuelven “suficientemente buenos” para muchas tareas, y
  • modelos abiertos o chinos más baratos socavan a los laboratorios frontera por factores grandes.
• Varios predicen un futuro en el que los laboratorios frontera estén presionados, pero la IA siga existiendo mediante modelos en el dispositivo, abiertos o regionales más baratos.

Preocupaciones sociales, laborales y ambientales

• Algunos comentaristas son explícitamente “anti‑IA” por razones sociales (cultura, desinformación, democracia, vaciamiento del talento junior) incluso mientras conceden utilidad personal.
• Otros argumentan que los despidos a gran escala y el contagio financiero de un colapso de la IA podrían dañar a muchas personas cuya jubilación y empleo están indirectamente ligados a la burbuja.
• Las preocupaciones ambientales se centran en el uso de energía y agua de los centros de datos, aunque algunos señalan que las consultas de IA pueden ser más eficientes que la búsqueda tradicional o las alternativas sin conexión; varios trazan analogías con los automóviles y el petróleo barato: útiles individualmente, distorsionadores a nivel sistémico.