La crisis de asequibilidad de la IA

Costos, precios y márgenes de la IA

• Hay un fuerte desacuerdo sobre si “la IA es demasiado cara”.
  • Algunos dicen que los precios de las API por capacidad han caído ~50 veces en unos pocos años; otros señalan que los precios por token van al alza y que los costos de hardware y refrigeración se disparan.
  • Se debate si la inferencia tiene márgenes altos (75%+ sobre precios de API) o si sigue subsidiada una vez que se incluyen la depreciación y el reentrenamiento constante.
• La aritmética de suscripción frente a pago por token está en disputa:
  • Los planes de tarifa plana parecen enormemente subsidiados si se usan al máximo; los críticos sostienen que esto ignora el subuso típico y el almacenamiento en caché.
  • Otros argumentan que los precios de las API pueden ya estar “absorbiendo” costes, lo que hace engañosas las comparaciones con suscripciones.

Comportamiento empresarial y “pánico de tokens”

• Múltiples anécdotas de un “todo vale con la IA” seguidas de recortes bruscos una vez que llegaron las facturas de tokens.
  • Se restringió el acceso a modelos de frontera, se añadieron aprobaciones y monitoreo, y algunas herramientas se apagaron por completo.
  • Las empresas ahora enfatizan el ROI y los “modelos baratos por defecto”, especialmente para programación.
• La demanda de tokens caros parece muy elástica: el uso cae cuando entran en juego presupuestos y monitoreo.

Competencia: modelos chinos, abiertos y locales

• Muchos señalan a los modelos chinos y de pesos abiertos (p. ej., DeepSeek, Qwen, GLM) como mucho más baratos y cada vez lo bastante “buenos”, especialmente para programación.
• Algunos equipos informan un gasto mensual de apenas unos cientos de dólares para equipos completos combinando modelos locales, APIs chinas baratas y un pequeño número de suscripciones occidentales.
• Preocupa que las prohibiciones de exportación de EE. UU. y las políticas de seguridad empujen a algunos usuarios lejos de los modelos estadounidenses o los obliguen a entrenamientos domésticos “rebautizados” sobre pesos extranjeros.

Rentabilidad, capex y riesgo de burbuja

• El enorme capex en GPUs y centros de datos (~cientos de miles de millones al año) se considera potencialmente insostenible.
  • Se hacen comparaciones con la economía de las puntocom/fibra y la energía nuclear; el entrenamiento se compara con reconstruir constantemente una planta eléctrica.
• Debate sobre la rentabilidad reportada:
  • Algunos apuntan a “trimestres rentables” e ingresos crecientes.
  • Otros argumentan que la contabilidad (cargos únicos, EBITDA excluyendo depreciación, compensación en acciones, recompras) oculta la verdadera economía.
• Muchos esperan una criba o “corrección” a medida que las empresas descubran un ROI limitado y desigual.

Productividad de desarrolladores y casos de uso

• Muchos desarrolladores individuales informan ganancias masivas de productividad: incorporación más rápida, generación de código, revisiones y análisis de datos.
• Otros sostienen que, más allá de cierto punto, los humanos aún deben entender profundamente el código, erosionando las ganancias netas, especialmente en sistemas de larga vida útil.
• Preocupa que los “vibe coders” y los estudiantes que dependen demasiado de la IA carezcan de fundamentos para revisar o depurar código escrito por IA.

Bloqueo, regulación y estructura futura del mercado

• Escepticismo sobre un bloqueo duradero del proveedor: los “harnesses” son delgados, los modelos son en cierta medida fungibles y cambiar resulta relativamente fácil.
• Contrapunto: el bloqueo real puede darse a nivel empresarial mediante contratos, cumplimiento normativo y plataformas propietarias de agentes.
• Algunos prevén que los LLM terminen como servicios de nube de mercancía (como las bases de datos), con la eficiencia de hardware/inferencia como principal ventaja competitiva.

Preocupaciones sociales, culturales y de “enshittification”

• Temores de una enshittification impulsada por la IA: anuncios omnipresentes, basura generada por IA inundando foros y manipulación sutil en interfaces de “asistente”.
• Ansiedad de que la supervivencia de los laboratorios de frontera dependa de reemplazar grandes porciones del trabajo de cuello blanco, especialmente ingenieros de software.
• Otros sostienen que la demanda de “inteligencia” es efectivamente infinita y que, pese a la turbulencia financiera, los LLM han llegado para quedarse y seguirán mejorando.