En la era moderna, la inteligencia artificial (IA) se ha consolidado como uno de los avances tecnológicos más prometedores y, al mismo tiempo, más controvertidos. Con el auge de modelos como ChatGPT de OpenAI, la preocupación por la sustitución de empleos humanos por máquinas ha resurgido con vigor. Sin embargo, un estudio reciente del Instituto Tecnológico de Massachusetts (MIT) pone en perspectiva la viabilidad económica de esta tecnología en el reemplazo laboral.

El análisis del MIT examinó la efectividad de costos de la IA en mil tareas asistidas visualmente, repartidas en ochocientas ocupaciones. Los resultados son reveladores: sólo 23% de los salarios de los trabajadores podrían ser reemplazados de manera rentable por la IA. Esta estadística refleja una realidad crucial; la IA, en su estado actual y pese a su avanzada tecnología, aún representa un costo significativo que excede el valor de la automatización en la mayoría de los trabajos.

Es evidente que llevará décadas antes de que el reemplazo de múltiples tareas por agentes de IA sea económicamente viables para las empresas. Esto sugiere que la adopción generalizada de la IA para reemplazar empleos humanos no solo es prematura, sino potencialmente imprudente desde una perspectiva financiera.

Por otro lado, las afirmaciones como las de Sam Altman, CEO de OpenAI, durante el foro de Davos, subrayan un escepticismo similar respecto al impacto inmediato de la inteligencia general artificial (AGI), una forma hipotética de IA que podría realizar tareas al nivel humano. Altman sugiere que el cambio que la AGI traerá al mundo y al mercado laboral será mucho menor de lo que se anticipa.

Este escenario nos lleva a cuestionar la prisa por adoptar tecnologías que aún no han demostrado ser económicamente sostenibles o superiores al trabajo humano en términos de costo-beneficio. Si bien la innovación no debe detenerse, es fundamental que las empresas y los legisladores evalúen cuidadosamente los costos verdaderos y los beneficios tangibles de la automatización mediante IA.

Además de los costos directos de implementación y operación de la IA en los lugares de trabajo, es esencial considerar los recursos significativos necesarios para entrenar modelos de lenguaje de gran tamaño o LLM (Large Language Models) como GPT-3. El entrenamiento de estos modelos implica un consumo considerable de computación y energía, representando inversiones millonarias.

Por ejemplo, entrenar un modelo avanzado puede requerir la ejecución de miles de procesadores durante semanas, lo que conlleva un alto costo energético y económico. Este gasto se extiende también al uso diario de la IA, donde responder consultas básicas incurre en costos continuos de energía y procesamiento. Este factor aumenta el costo total de propiedad de las soluciones de IA y plantea preguntas sobre su sostenibilidad ambiental y económica a largo plazo, especialmente en escenarios donde la eficiencia de costos es crítica.

La transformación digital impulsada por la inteligencia artificial es indudablemente un horizonte lleno de posibilidades. Sin embargo, es importante proceder con cautela, asegurando que la tecnología que adoptamos no solo es avanzada, sino también adecuada y económicamente viable para el entorno laboral actual.

Este enfoque equilibrado es esencial para garantizar que el progreso tecnológico beneficie a todos los sectores de la sociedad sin precipitar decisiones que podrían tener consecuencias económicas adversas a largo plazo.