Vista desde la clase trabajadora, la discusión sobre la Inteligencia Artificial no se limita a la viabilidad financiera del negocio. La IA descansa sobre infraestructura física, recursos públicos, conocimiento colectivo y una enorme cantidad de trabajo humano, mientras las ganancias y el control quedan concentrados en unas pocas corporaciones. Así lo analiza Kostzer en este artículo tomado de la revista Mestiza, de la Universidad Nacional Arturo Jauretche.
La inteligencia artificial es una tecnología real y potencialmente transformadora. El problema no es que sea fraudulenta o inútil, sino que el ciclo actual de inversión exhibe rasgos típicos de una burbuja especulativa: expectativas desbordadas, valorizaciones por encima de los beneficios comprobados, gasto de capital acelerado, monetización incierta, relaciones financieras circulares, concentración del poder de mercado y promesas exageradas sobre la sustitución de trabajo y el aumento de la productividad.
La IA suele presentarse como inmaterial, pero descansa sobre una infraestructura física enorme: centros de datos, semiconductores, redes eléctricas, refrigeración, fibra óptica, minerales críticos y, sobre todo, mucho trabajo humano.
Los centros de datos consumieron alrededor de 415 teravatios hora —TWh— de electricidad en 2024 y podrían acercarse a 945 TWh en 2030. En Estados Unidos podrían representar entre el 6,7 y el 12 por ciento del consumo nacional. Desde la economía política, esto importa porque los costos —energía, agua, suelo, redes y externalidades ambientales— recaen sobre comunidades e infraestructuras públicas o cuasi públicas, mientras los beneficios se concentran en pocas corporaciones.
La pregunta de los 600.000 millones de dólares
La evidencia más fuerte de una posible burbuja es la escala del gasto de capital. Las grandes tecnológicas invierten cientos de miles de millones de dólares anuales en chips, servicios en la nube y centros de datos. El gasto en infraestructura de IA de los principales hiperescaladores podría superar los 650.000 millones de dólares en 2026.
La pregunta central es si los ingresos futuros justificarán esa inversión. Sequoia Capital, un fondo de inversión global, lo denominó “la pregunta de los 600.000 millones de dólares”: ¿puede el ecosistema generar suficiente demanda final e ingresos para sostener la infraestructura construida?
Si la monetización no llega al ritmo esperado, puede producirse una situación de sobrecapacidad y una corrección de las valoraciones.
Una segunda señal de alerta es la circularidad financiera. Las mismas empresas aparecen como inversoras, proveedoras, clientas y dueñas de la infraestructura. Nvidia puede invertir en empresas de IA que luego compran sus chips; los proveedores de servicios en la nube financian laboratorios de IA y, al mismo tiempo, les venden capacidad computacional; Oracle vende infraestructura construida con hardware de Nvidia a empresas como OpenAI.
Como muestra el diagrama incorporado en la segunda página del informe, inversores, proveedores y clientes pueden formar parte del mismo circuito financiero autorreforzado. Estos acuerdos no son necesariamente ilegales, pero difuminan la frontera entre demanda real y demanda sostenida por flujos de inversión.
Productividad de tareas y valor social
También debe distinguirse entre productividad de tareas y valor social. Investigaciones recientes del MIT y del NBER sobre herramientas de programación con IA muestran aumentos importantes en la actividad —más código, archivos editados y tareas realizadas—, pero efectos mucho menores sobre los productos finales, los lanzamientos y la adopción por parte de los usuarios.
Producir más documentos, informes o líneas de código no equivale automáticamente a generar mayor valor económico, bienestar o productividad agregada.
Gran parte de la IA generativa opera mediante el reconocimiento de patrones y la recombinación probabilística del conocimiento humano existente. Puede imitar estilos, generar textos plausibles y automatizar tareas cognitivas rutinarias, pero depende de enormes volúmenes de producción humana previa.
Los empleadores pueden utilizar esa capacidad de imitación para sustituir trabajadores profesionales y técnicos, aunque muchas ocupaciones requieren juicio, responsabilidad, conocimiento tácito, contexto e interacción social. El riesgo no es solamente el desempleo, sino también la descualificación, la intensificación laboral y la aparición de un nuevo taylorismo cognitivo.
La IA se presenta como automatización, pero depende de trabajo humano oculto: anotación de datos, moderación de contenidos, aprendizaje por refuerzo, evaluación de modelos y tareas de entrenamiento, muchas veces realizadas por trabajadores precarios del Sur Global.
Además, millones de usuarios aportan datos, contenidos y retroalimentación sin compensación directa. Desde una perspectiva de clase, la IA implica un nuevo cercamiento digital: la cultura, el conocimiento público, el trabajo creativo y la interacción social son incorporados a modelos propietarios y monetizados mediante suscripciones, API y servicios en la nube. Así, la IA convierte conocimiento colectivo en rentas privadas.
Quién se apropia de las ganancias
Incluso si la IA elevara la productividad, no existe ningún mecanismo automático que garantice que los trabajadores se beneficien. Las últimas décadas muestran que la productividad puede crecer junto con el estancamiento salarial, la caída de la participación del trabajo en el ingreso y una mayor desigualdad.
Sin negociación colectiva y regulación, las ganancias serán captadas por los accionistas y las empresas dominantes. Como la implementación masiva exige cada vez más capital, el resultado probable a corto plazo es una reducción adicional de la participación laboral en el producto social.
Los centros de datos consumen electricidad, agua y tierra, mientras las comunidades absorben los costos y las empresas globales capturan los beneficios.
La dinámica actual puede leerse a partir de Hyman Minsky: los auges financieros se vuelven inestables cuando la inversión depende de expectativas sobre ingresos futuros. Aunque las grandes empresas tecnológicas tradicionales siguen siendo rentables, muchos laboratorios privados, intermediarios de la nube, fondos de infraestructura y empresas de IA descansan sobre hipótesis de monetización futura.
Una corrección no destruiría la inteligencia artificial. Permanecerían las infraestructuras y las aplicaciones útiles. El problema es que la sobreinversión, las expectativas infladas y la especulación pueden provocar una perturbación económica importante antes de que los beneficios reales se consoliden.
Las señales de burbuja son visibles: gasto de capital que crece más rápido que los ingresos comprobados; valoraciones basadas en expectativas; inversión impulsada por el miedo a quedar afuera; dependencia de flujos de caja futuros; infraestructura que se expande antes de que exista una demanda final demostrada; circularidad entre proveedor, cliente e inversor; concentración del control de chips, nube, modelos y datos; ausencia de una aceleración macroeconómica transformadora; privatización de beneficios y socialización de costos; apropiación de conocimiento colectivo; utilización de la IA para justificar despidos, contención salarial e intensificación del trabajo; y una mayor demanda de energía, agua y suelo.
Ningún indicador aislado prueba la existencia de una burbuja. Pero, en conjunto, revelan optimismo excesivo, movilización extraordinaria de capital, monetización incierta, validación débil por parte de la demanda final, relaciones circulares, rentas concentradas y una brecha entre las expectativas y los rendimientos sociales.
La IA debe entenderse como un avance tecnológico real y como un sector con rasgos de burbuja. La cuestión no es si sobrevivirá a una corrección, sino si las valoraciones, la infraestructura y las perturbaciones laborales se justifican por el valor social generado.
Una agenda sindical para la inteligencia artificial
La agenda sindical debe rechazar tanto el optimismo acrítico como el pesimismo paralizante. Debe exigir negociación colectiva sobre el despliegue de la IA y la gestión algorítmica; evaluaciones obligatorias de impacto sobre empleo, salud, seguridad y derechos; y un reparto de las ganancias mediante mejores salarios, reducción de la jornada laboral y fortalecimiento de los servicios públicos.
También debe reclamar regulación de los centros de datos; políticas de competencia contra los monopolios y las rentas extraordinarias; protección para los trabajadores ocultos que sostienen los sistemas; reforma de la propiedad intelectual y de la gobernanza de datos; y el desarrollo de alternativas públicas y democráticas.
El objetivo es que la inteligencia artificial responda a necesidades sociales y no se convierta en otro mecanismo de concentración de riqueza, poder y control. Para los sindicatos, la disputa no es tecnológica, sino distributiva y democrática.
Daniel Enrique Kostzer es un economista argentino especializado en economía laboral, políticas de empleo y arquitectura financiera internacional. Cuenta con una extensa trayectoria en organismos multilaterales. Actualmente se desempeña como economista jefe de la Confederación Sindical Internacional.