Sobre la demanda inducida, los despidos y el costo real de una IA que no sabemos usar
Si has pasado algo de tiempo en el Twitter del transporte público, has visto el meme.
«Solo un carril más, hermano.»
Un ingeniero de autopistas dibujado con crayones está de pie junto a una autopista, señalando los nuevos carriles que quiere añadir porque el tráfico es malo. Su expresión es sincera. Esta vez lo va a arreglar. Un carril más y la congestión desaparecerá.
Rara vez desaparece por mucho tiempo.
Los nuevos carriles crean nuevos viajes. La nueva capacidad crea nueva demanda. Los economistas lo llaman demanda inducida. La autopista Katy en Texas se amplió hasta convertirse en una de las autopistas más anchas del mundo. La 405 en Los Ángeles recibió una ampliación de mil millones de dólares. El patrón es familiar a lo largo de décadas de expansión de autopistas: la capacidad aumenta, el uso crece hasta llenarla y la congestión regresa.
El ingeniero del meme sigue pidiendo un carril más de todos modos.
Ahora estamos en el mismo momento con los centros de datos de IA.
La propuesta para la infraestructura adecuada
Cada trimestre trae otro anuncio de un hiperescalador. Otro desarrollo de diez cifras. Otro campus. Otra subestación. Otro acuerdo de energía. Otra pelea por el agua. Otro condado rural al que se le dice que este es el precio del progreso.
La justificación es siempre la misma.
La demanda de IA está explotando. Necesitamos más cómputo. Si no construimos, Estados Unidos se quedará atrás de China. Las empresas no obtendrán la capacidad que necesitan. Los desarrolladores estarán restringidos. La innovación se ralentizará.
Solo un centro de datos más.
Solo un campus más de un gigavatio.
Solo un sitio más de 2.700 acres.
Solo una mejora más de la red.
Entonces tendremos suficiente.
Es el mismo ingeniero con un plano diferente.
Esta es una apuesta de infraestructura generacional, y una parte sustancial de ella ya está firmada.
Esto no es un argumento de que la IA no necesite infraestructura. Algo de nueva capacidad es necesaria.
La pregunta es si deberíamos seguir comprometiendo nueva capacidad a este ritmo antes de obligar a los compradores a demostrar que están usando la capacidad existente de forma inteligente.
Ahora mismo, parte de esa demanda explosiva es nueva productividad genuina. Parte es consumo evitable creado por configuraciones predeterminadas malas, reintentos descontrolados, credenciales caducadas, modelos sobredimensionados y cargas de trabajo a las que nadie ha obligado nunca a justificar su coste.
La demanda inducida
El cómputo no tiene una curva de demanda fija. Se inclina hacia toda la oferta disponible.
Si das a los desarrolladores acceso barato a modelos de frontera, muchas cargas de trabajo se predeterminan a modelos de frontera. Si das a los agentes grandes presupuestos, muchos agentes los gastan. Si das a los equipos claves de API sin restricciones, la factura crece hasta que alguien se da cuenta.
Para entonces, la carga de trabajo ya se ha enviado a producción.
Una persona fundadora ejecuta un modelo caro en cada paso de un flujo de soporte al cliente porque esa era la opción predeterminada cuando la ingeniera envió rápido. El flujo funciona. La factura se vuelve dolorosa. Más tarde alguien descubre que buena parte de la carga de trabajo podía haberse ejecutado en un modelo más barato con poca o ninguna pérdida de calidad medible.
Eso no es un caso raro y extremo. Así es como suele funcionar el desarrollo de IA de movimiento rápido.
Las opciones predeterminadas son erróneas. El despilfarro es invisible. La factura llega tarde.
Lo mismo ocurre en todas partes.
Un sistema de recuperación incorpora duplicados. Un agente de soporte entra en bucles de reintentos. Un agente de programación quema el modelo más caro en ediciones triviales. La clave de un contratista sobrevive al contrato. La clave de una exempleada sobrevive al proceso de salida. Una clave de producción acaba en el portátil de alguien.
No son necesariamente maliciosos. El sistema simplemente no está gestionado.
Cuando la industria de la IA dice que la demanda está explotando, parte de esa demanda es productividad real. Parte son malas opciones predeterminadas, credenciales caducadas, presupuestos ausentes y trabajo de máquina sin gobierno.
Añadir cómputo no arregla eso. Lo alimenta. Incluso empresas como Amazon están informando que este es el caso.
Eso es demanda inducida. Esa es la autopista.
La mentalidad de “menos gente, más IA”
Con la plantilla reducida y los presupuestos de IA al alza, a menudo ambas cosas están explícitamente conectadas. Microsoft ha dicho claramente que sus recortes no son simplemente sustitución por IA. Sam Altman ha admitido que parte de la atribución es lo que él llama AI washing: citar la IA para justificar recortes que la empresa habría hecho de todos modos. Encuestas de directores generales compartiendo que se ven obligados a planear cambios basados en la IA.
Lo que los datos muestran con claridad es una reasignación de prioridades. Challenger describe a las empresas tecnológicas como reestructurándose en torno a la IA, automatizando algunos roles y reasignando presupuestos hacia nuevas capacidades. La trabajadora específica y la GPU específica no tienen que emparejarse uno a uno para que el cambio de capital sea real.
Lo que hace que la pregunta incómoda sea más aguda, no más suave.
Si el intercambio no es personas por productividad de la IA, y no es enteramente personas por nada, ¿entonces qué es exactamente el lado de la máquina en el libro mayor? Nadie puede ofrecer una respuesta firme, porque el gasto en IA se está convirtiendo en nómina sin ser gestionado con nada parecido a la disciplina de nómina.
Las personas trabajadoras tienen jefes, presupuestos, permisos, tarjetas corporativas, credenciales de acceso, procesos de salida, evaluaciones de desempeño y trazas de auditoría.
Las máquinas trabajadoras a menudo tienen una clave de API.
Estamos moviendo nuestros presupuestos de nómina humana a nómina de máquinas, y luego gestionando la nómina de máquinas como un montón de contraseñas. Sin propietario. Sin responsable. Sin caducidad. Sin política de gasto. Sin recibo. Sin coste por resultado útil. Sin prueba de que el trabajo de la máquina mereció el coste de la máquina.
La clave de API es la nueva tarjeta corporativa
Una empresa nunca diría: «una exempleada conservó su tarjeta corporativa, nadie sabe qué está cargando y nos enteramos meses después». Eso se consideraría un fallo operativo obvio. Pero la versión de API ocurre constantemente.
Una clave de proveedor de modelos puede generar gasto. Una clave de nube puede crear infraestructura. Una clave de Stripe puede mover dinero. Una clave de GitHub puede enviar código. Una clave de proveedor de datos puede acceder a conjuntos de datos de pago. Una clave de una plataforma de anuncios puede quemar presupuesto de campaña. Una clave de un exchange puede negociar activos.
No son solo secretos. Son autoridad económica.
Demasiadas claves de API siguen tratándose como contraseñas. Deben tratarse como tarjetas corporativas para máquinas.
Contratistas, consultoras de desarrollo, agencias de marketing, auditoras, equipos fraccionales, empleados y agentes necesitan acceso a recursos que suben y bajan. Hoy, las empresas o bien conceden demasiado acceso o ralentizan todo. El proyecto termina, el acceso permanece y el gasto sigue moviéndose.
Eso no es solo un problema de seguridad. Es un problema contable. Un problema de gobernanza y un problema de infraestructura.
La gente local lo sabe
La reacción pública contra los centros de datos no es solo NIMBYismo. La gente puede sentir la contradicción. Una encuesta de Gallup reciente descubrió que siete de cada diez estadounidenses se opondrían a la construcción de centros de datos para IA en sus ciudades.
Los centros de datos consumen enormes cantidades de electricidad. Dependiendo del diseño de refrigeración y la ubicación, también pueden consumir cantidades importantes de agua y tierra. Crean calor real, ruido, disputas por líneas de transmisión y presión política local. Los beneficios a menudo se sienten lejanos, privados o especulativos. Los costes son locales.
La carga de infraestructura se concentra en condados rurales. El beneficio económico se difunde y a menudo se captura en otro lugar. Los beneficios se prometen para más adelante. Los costes llegan ahora.
Eso es políticamente inestable. En 2026 dejó de ser una predicción.
La industria no debería sorprenderse de que los centros de datos se hayan convertido en una pelea política nacional. Si la infraestructura de IA pide a las comunidades tierra, energía, agua y paciencia, la industria debería poder demostrar que el cómputo se está usando bien.
Ahora mismo, muchos compradores no pueden.
El intercambio de personas por máquinas no medidas está mal
Junta las capas.
Una directora financiera lee la tesis de inversión en IA, aprueba el desarrollo, recorta plantilla para financiarlo y le dice al consejo que los números salen. El cómputo se aprovisiona. Las cargas de trabajo se envían. Las opciones predeterminadas están mal. Las claves no están gestionadas. Los modelos caros se sobreutilizan. Los agentes reintentan demasiado. Las credenciales antiguas siguen funcionando. La factura crece más rápido de lo proyectado.
El consejo pregunta por qué. La respuesta vuelve: la demanda de IA está explotando. Necesitamos más capacidad. Así que la directora financiera firma el siguiente contrato. El ciclo se repite.
Mientras tanto, la persona desplazada ve cómo la empresa gasta agresivamente en sistemas de IA que pueden o no producir realmente la productividad prometida. Una comisionada de condado atiende llamadas furiosas sobre energía, agua, tierra y ruido. Una operadora de red intenta cuadrar los números. A una residente local se le dice que este es el futuro.
Demasiado a menudo, el intercambio no fue personas por productividad. Fue personas por trabajo de máquina no medido.
Personas por malas opciones predeterminadas. Personas por dejadez. Y cuando la dejadez se volvió cara, la respuesta de la industria no fue disciplina. Fue un centro de datos más. Solo uno más, hermano.
La respuesta real
La respuesta real no es simplemente construir más centros de datos.
La respuesta real es usar de forma inteligente los centros de datos que ya tenemos.
Eso es algo incómodo de decir para la industria, porque los incentivos no están perfectamente alineados. Los proveedores generalmente cobran cuando el consumo sube. Las personas compradoras ganan cuando suben los resultados útiles. Esas dos curvas no son lo mismo.
El interés de la parte compradora es específico.
La persona compradora quiere el modelo más pequeño que haga el trabajo. Las menos llamadas que resuelvan el problema. La clave que caduque cuando el proyecto termine. La credencial que solo funcione desde el dispositivo correcto. El agente que se corta cuando sale de la política. La excepción que se aprueba solo cuando el caso de negocio es real.
Nada de eso requiere un centro de datos nuevo. Requiere aprovisionar de manera inteligente el cómputo que ya tenemos.
El camino hacia una solución es aburrido
Ajustar el tamaño de la carga de trabajo al modelo. Lote lo que se pueda agrupar. Cachear lo que se pueda cachear. Restringir lo que deba estar restringido. Autorizar lo que necesite excederse. Rechazar lo que se esté ejecutando en el modelo equivocado. credencial, desde el dispositivo equivocado, por el titular equivocado, para el trabajo equivocado. Mide el coste por resultado útil. Haz que el acceso caduque automáticamente. Mata los bucles desbocados. Envía el trabajo de bajo riesgo a modelos de bajo coste. Escala solo cuando la calidad lo requiera. Produce recibos.
El mercado ha empezado a darse cuenta. Este verano, los CFO y los consejos de administración comenzaron a recortar las facturas de IA que se salían del presupuesto. El ruteo de modelos pasó de ser un artículo de investigación a formar parte del vocabulario de la sala de juntas, mientras los equipos buscaban formas de enviar el trabajo rutinario a modelos más baratos sin sacrificar la calidad. Los propios proveedores de modelos empezaron a lanzar límites de gasto de administración porque los clientes exigían una forma de controlar las facturas.
Bien. Esa ola es real y llega con retraso. Los proveedores ahora ofrecen topes de gasto estrictos que realmente hacen fallar las llamadas cuando se alcanza el límite, límites por usuario y vías de aprobación.
Pero fíjate en el límite de la ola actual. Esos controles rigen el consumo dentro de un solo proveedor, un solo proyecto o una sola aplicación. El ruteo elige un modelo más barato. Un tope detiene una factura desbocada. Ninguno responde a la cuestión más amplia de la autoridad: qué máquina está actuando, desde qué runtime, en nombre de quién, con qué propósito, contra qué recursos externos, y qué prueba portable existe después. El control de costes no es lo mismo que autoridad programable y verificable.
La IA necesita toda la disciplina, no solo la mitad de costes. No porque la IA sea mala. Porque la IA se está convirtiendo en trabajo. Y el trabajo necesita gestión.
La capa que les falta a los agentes de IA
Esta es la capa que creemos que le falta a la IA, y es deliberadamente más estrecha que todo el stack de FinOps.
La autoridad económica debería regirse antes de la ejecución: quién y qué puede gastar, desde qué dispositivo y runtime, para qué carga de trabajo y bajo qué límites. Todo con un recibo al final que una persona real pueda verificar.
Parte de la construcción de centros de datos es necesaria. La IA es real, y las cosas reales necesitan infraestructura. Pero la demanda no gestionada hace que la construcción necesaria sea más grande, más rápida y más difícil de justificar de lo que necesita ser. El camino correcto no es un panel más bonito después de que llegue la factura. La solución es la capa de control en la credencial, antes de que se produzca el gasto.
Conducir en la dirección correcta
Solo un centro de datos más, hermano.
Prometemos que esta vez funcionará. El cómputo está a punto de ponerse en línea. La tasa de despilfarro está a punto de caer. Los márgenes están a punto de materializarse. Las cargas de trabajo están a punto de volverse eficientes. La gente local está a punto de aceptar la idea. La red eléctrica está a punto de soportarlo. El billón de dólares en contratos de arrendamiento firmados está a punto de parecer conservador. El consejo está a punto de ver la ganancia de productividad.
Solo uno más.
Quizá parte de esa capacidad sea necesaria. Pero antes de que la industria pida a las comunidades más tierra, más agua, más energía y más paciencia, los compradores deberían poder responder a una pregunta más sencilla.
¿Estamos usando bien el cómputo que ya tenemos? No en una diapositiva ni en una nota de política.
En recibos. Qué modelo se usó. Qué carga de trabajo lo necesitaba. Qué clave lo autorizó. Esa es la próxima batalla de la infraestructura de IA. No cómputo versus no cómputo. Cómputo gobernado versus despilfarro.
Construir con menos ceguera. Usar lo que ya tenemos.