El alto costo de los agentes de IA pone en duda la viabilidad económica de su uso en lugar de empleados humanos, una conclusión a la que han llegado varios inversores tecnológicos conocidos.
El inversor Jason Calacanis comentó en el pódcast All-In que gasta diariamente $300 en un agente de IA de Anthropic Claude para las necesidades de su negocio. Sin embargo, el bot opera solo al 10-20% de su capacidad potencial, lo que significa que los gastos anuales son del orden de $110,000 con un retorno bastante modesto. "¿Cuándo los tokens superarán en costo el salario de un empleado?" — se preguntó Calacanis, refiriéndose a las unidades de acceso de pago que deben adquirirse para trabajar con la mayoría de los modelos de IA.
El jefe de Social Capital, Chamath Palihapitiya, confirmó que enfrenta un problema similar. Según él, el costo de los modelos requiere que sean "al menos el doble de productivos que un empleado normal". También admitió que podría tener que establecer límites presupuestarios para el uso de IA en su negocio.
Las cuentas no cuadran
El inversor tecnológico Mark Cuban afirmó que este argumento es el contraargumento más fuerte contra la sustitución masiva de personas por IA que ha encontrado. Según sus cálculos, ocho agentes de IA Claude, realizando el trabajo de un empleado en un día, costarán $1,200 considerando el costo de los tokens y el mantenimiento. Cuban cuestionó no solo la economía de tal sustitución, sino también su aspecto cualitativo: "el espíritu moral, la ética, todo lo que no se puede digitalizar, pero que debe ser considerado al tomar decisiones."
La amenaza de la automatización de empleos sigue siendo objeto de acalorados debates. Varias empresas ya han realizado despidos, citando la implementación de IA. Un estudio de Microsoft de julio del año pasado mostró que los especialistas en trabajo intelectual, así como los trabajadores en el servicio al cliente y ventas, están en la mayor zona de riesgo. El asesor de la Casa Blanca sobre IA y criptomonedas, David Sacks, considera que estas preocupaciones son exageradas: en su opinión, la IA todavía requiere control y ajustes constantes por parte de los humanos. La consultora McKinsey & Co, por el contrario, subraya que el objetivo de los agentes de IA es precisamente la automatización completa de procesos sin la participación constante de humanos.
Stablecoins como moneda base de IA
Paralelamente, se desarrolla otro aspecto del tema: los agentes de IA se están integrando cada vez más en la infraestructura de criptomonedas. El CEO del emisor de stablecoins Circle, Jeremy Allaire, pronosticó el mes pasado que en cinco años miles de millones de agentes de IA realizarán pagos en stablecoins en nombre de los usuarios. El cofundador de Binance, Changpeng Zhao, se expresó en el mismo sentido en enero: en su opinión, la criptomoneda se convertirá en la moneda nativa para los agentes de IA, ya que la blockchain es el entorno tecnológico más orgánico para su funcionamiento.
En la práctica, los agentes de IA ya están funcionando en varias blockchains. Por ejemplo, en Virtuals, un protocolo de segunda capa en Ethereum, el agente AIXBT realiza micropagos y lleva a cabo transacciones en interés de los usuarios. ASI Alliance, basado en Fetch.ai, gestiona activos y coordina tareas económicas. Recientemente, OpenAI presentó un nuevo estándar para evaluar la capacidad de los modelos de IA para detectar, eliminar y explotar vulnerabilidades en contratos inteligentes, y la compañía calificó este estudio como un paso importante para evaluar el trabajo de la IA en "entornos económicamente significativos".
Los debates sobre el costo de los agentes de IA revelan la verdadera contradicción entre las capacidades tecnológicas y la eficiencia económica de su aplicación. Mientras los tokens cuesten más que las horas de trabajo, el argumento a favor de la sustitución total del trabajo humano sigue siendo vulnerable, al menos en el modelo actual de formación de precios de los servicios de IA.
La opinión de la IA
El contexto histórico sugiere un paralelismo curioso: el costo de la capacidad de cómputo ha caído constantemente de manera exponencial durante las últimas décadas, según la Ley de Moore. El costo de los tokens sigue una trayectoria similar: según los analistas, los precios de las API de los principales proveedores de IA han disminuido drásticamente en los últimos dos años. Esto significa que el umbral de viabilidad económica, del que hablan Kalani y Cuban, no es estático: se desplaza con cada nueva generación de modelos.
También hay un aspecto menos evidente: la comparación "agente contra empleado" es incorrecta en su propia formulación, si el agente trabaja al 10-20% de capacidad debido a limitaciones de prompting y no de la arquitectura del modelo. Este es un problema no de la tecnología, sino de su implementación. La pregunta que se debe hacer es: ¿qué tan eficazmente utilizan sus empleados las empresas que hacen conclusiones apresuradas sobre la IA?
#AImodel #AI #Stablecoins #BinanceSquare #Write2Earn
