La IA se devora a sí misma

INTRODUCTION

Aquí va un dato que debería hacer que dejes de hacer scroll. En 2025, los fondos de capital riesgo invirtieron 258.700 millones de dólares en empresas de inteligencia artificial, según la OCDE. Eso representó el 61 por ciento de todo el capital riesgo mundial. Pero el gasto empresarial real en productos de IA generativa ese mismo año fue de unos 37.000 millones de dólares, según Menlo Ventures. Por cada dólar que estas empresas ingresaron, los inversores apostaron casi siete esperando un retorno. Algo no cuadra.

Y ahora viene el giro que nadie esperaba. Mientras los titulares gritan sobre despidos masivos y robots que sustituyen personas, el Foro Económico Mundial proyecta una ganancia neta de 78 millones de puestos de trabajo en todo el mundo para 2030 gracias a la IA y tecnologías relacionadas. Alemania tiene actualmente 109.000 puestos de TI sin cubrir, según Bitkom. India enfrenta un déficit de cientos de miles de especialistas en IA, de acuerdo con un informe conjunto de Deloitte y NASSCOM.

Pero si la IA está creando empleo y atrayendo capital récord al mismo tiempo, ¿por qué los investigadores más brillantes del campo empiezan a preocuparse? Porque la IA ha desarrollado un problema que suena a ciencia ficción pero que fue documentado en Nature en 2024. Está empezando a devorarse a sí misma. Y eso cambia toda la ecuación.

Los empleos que iban a desaparecer

En noviembre de 2016, Geoffrey Hinton se presentó ante el público del Creative Destruction Lab en Toronto y formuló una predicción que se hizo célebre. Dijo que había que dejar de formar radiólogos porque el aprendizaje profundo los superaría en cinco años. Esa predicción no envejeció bien. El departamento de radiología de Mayo Clinic ha crecido un 55 por ciento desde entonces, superando los 400 médicos, tal como su director de radiología confirmó al New York Times. En 2025, el propio Hinton reconoció que se había equivocado en los plazos.

Esto no es un error aislado. Es un patrón. Sam Altman escribió en su publicación Reflections de enero de 2025 que los agentes de IA podrían cambiar sustancialmente la producción de las empresas ese año. Para diciembre, los analistas dijeron que eso no había ocurrido a escala. Mustafa Suleyman publicó en X en junio de 2023 que las alucinaciones de los LLM estarían mayormente eliminadas para 2025. Siguen siendo un problema grave sin resolver. Y la afirmación tan difundida de que la IA reemplazaría al 80 por ciento de los desarrolladores de software para 2025 resultó ser una distorsión de una predicción de Gartner sobre necesidades de reciclaje profesional, no de sustitución. La Oficina de Estadísticas Laborales de EE.UU. proyecta un crecimiento del 15 por ciento en empleos de desarrollo de software hasta 2034. Bastante más rápido que la media.

Los datos reales pintan un panorama muy distinto al de los titulares alarmistas. El Barómetro Global de Empleo e IA 2025 de PwC estudió cerca de mil millones de ofertas de trabajo en seis continentes y descubrió que las ocupaciones con mayor exposición a la IA crecieron un 38 por ciento entre 2019 y 2024. Los datos del Economic Graph de LinkedIn, presentados en Davos 2026, muestran que la IA ya ha creado aproximadamente 1,3 millones de nuevos puestos a nivel global en solo dos años. Y la Information Technology and Innovation Foundation calculó que en 2024, la IA creó unos 119.900 empleos directos en Estados Unidos y desplazó solamente 12.700. Una proporción de casi diez a uno.

Nuevos empleos que nadie predijo

La IA no se limitó a proteger puestos existentes. Inventó otros completamente nuevos. El cargo de "prompt engineer" no existía hace cinco años. Tampoco los de AI ethics officer, MLOps engineer, AI red teamer, especialista en fine-tuning de LLM ni Chief AI Officer. Son roles reales en empresas reales con salarios reales. Según datos de Glassdoor, la retribución total mediana de un prompt engineer ronda los 126.000 dólares. En Google, esa cifra sube a unos 245.000.

La prima salarial cuenta una historia aún más clara. El barómetro de PwC reveló que los empleos que requieren competencias en IA ofrecen una prima salarial del 56 por ciento frente a puestos comparables sin esas competencias. Eso supone un aumento desde el 25 por ciento del año anterior. El Work Trend Index 2024 de Microsoft y LinkedIn informó de que los usuarios que añadieron competencias en IA a sus perfiles se multiplicaron por 142 entre finales de 2023 y principios de 2024. No un 142 por ciento. 142 veces.

Pero mientras estos nuevos empleos se multiplican en los márgenes del mercado laboral, algo diferente está sucediendo en el centro corporativo. Y se conecta directamente con el motivo por el que la IA podría estar consumiendo sus propios cimientos.

La desaparición del centro

Algo extraño está tomando forma en el mundo empresarial. Las grandes corporaciones se adelgazan. Pequeñas startups de IA alcanzan valoraciones extraordinarias. Y la capa intermedia se está estrechando a gran velocidad.

Veamos los extremos. Safe Superintelligence, una startup con unos 20 empleados y cero ingresos, alcanzó una valoración de 32.000 millones de dólares. Cursor, una herramienta de programación con IA, alcanzó 500 millones en ingresos recurrentes anuales con un equipo reducido. Mistral AI en Francia llegó a una valoración de 6.200 millones con solo 55 personas en sus inicios. Gumloop recaudó 17 millones de dólares con apenas dos fundadores a tiempo completo.

Mientras tanto, Intel está reduciendo su plantilla de 125.000 a un objetivo de 75.000 empleados. Dell pasó de 133.000 a 120.000 personas en un solo ejercicio fiscal, según sus presentaciones ante la SEC. Microsoft despidió a más de 15.000 personas en 2025 y al mismo tiempo registró unos ingresos trimestrales récord de 70.100 millones de dólares. Fortune informó de que los despidos de 2025 se dirigieron sobre todo a los mandos intermedios, utilizando la expresión "estrategia de vaciado". Datos de Korn Ferry mostraron que el número de directivos descendió un 6,1 por ciento entre mayo de 2022 y mayo de 2025.

En Alemania, el AppliedAI Institute contabilizó 935 startups de IA en 2025, un aumento del 36 por ciento respecto al año anterior. Solo hasta julio de 2025 se invirtieron más de dos mil millones de euros en startups alemanas de IA. Pero aquí viene el detalle decisivo. Un análisis de PitchBook reveló que, sin las operaciones de IA, el valor de las transacciones de capital riesgo en Europa en realidad cayó de 45.300 a 42.700 millones de euros. La IA ya no es un sector más. Se está convirtiendo en el único sector que atrae dinero serio.

Sam Altman ha predicho el auge de empresas de diez personas valoradas en miles de millones. El CEO de Anthropic, Dario Amodei, dijo ante una audiencia en mayo de 2025 que una empresa unipersonal de mil millones podría existir para 2026, con una confianza del 70 al 80 por ciento. Si la IA permite que las empresas funcionen con menos personas, y si las startups de IA casi no necesitan plantilla, ¿quién compra exactamente todos estos productos de IA?

La serpiente que se muerde la cola

Ahora llegamos al núcleo de esta historia. La parte que no fue publicada en un blog tecnológico ni en una columna de opinión, sino en Nature, una de las revistas científicas más prestigiosas del mundo.

En julio de 2024, un equipo de investigadores dirigido por Ilia Shumailov en la Universidad de Oxford publicó un estudio sobre lo que ocurre cuando los modelos de IA se entrenan con datos generados por otros modelos de IA. El resultado es algo que denominaron colapso del modelo. Tras varias rondas de entrenamiento recursivo, su modelo lingüístico producía sinsentidos absolutos. Una pregunta sobre arquitectura eclesiástica medieval generaba palabras aleatorias y sin significado. Los investigadores demostraron que esta degradación es irreversible. Una vez que las colas de la distribución original de datos desaparecen, el modelo no puede recuperarlas.

Esto no es un fallo técnico menor. Es un límite fundamental. Y ya es visible en el mundo real. El análisis de Graphite sobre 65.000 artículos en inglés de Common Crawl reveló que, en mayo de 2025, aproximadamente el 52 por ciento de los artículos nuevos estaban generados por IA. Ahrefs examinó 900.000 páginas web recién creadas y encontró que el 74,2 por ciento contenía algún tipo de contenido generado por IA. Europol ha advertido de que hasta el 90 por ciento del contenido en línea podría ser sintético para 2026.

Piénsalo un momento. La IA aprende de datos de internet. Internet está cada vez más lleno de contenido generado por IA. Es decir, la IA está aprendiendo de sí misma. Como una serpiente que se muerde la cola.

Ilya Sutskever, cofundador de OpenAI, declaró ante el público de la conferencia NeurIPS en diciembre de 2024 que la industria había alcanzado el pico de datos. Comparó los datos con los combustibles fósiles. Se generaron durante décadas de actividad humana, los modelos los consumieron, y ahora las reservas útiles se están agotando. Investigadores de Epoch AI publicaron un análisis revisado por pares en la ICML 2024 estimando que los datos textuales públicos de calidad — unos 300 billones de tokens — se agotarán entre 2026 y 2032.

El problema de Stack Overflow

Aquí hay un ejemplo concreto de cómo la IA se devora su propia fuente de alimento. Stack Overflow era la mayor fuente de conocimiento de programación escrito por humanos en internet. Los desarrolladores hacían preguntas, otros desarrolladores las respondían, y los modelos de IA aprendían de esos intercambios. En su punto máximo alrededor de 2014, la plataforma recibía unas 200.000 preguntas nuevas al mes, según datos del Stack Exchange Data Explorer.

Entonces llegaron los asistentes de programación con IA. Los desarrolladores dejaron de preguntar en Stack Overflow porque podían consultar a ChatGPT o GitHub Copilot. Para diciembre de 2025, las nuevas preguntas se habían desplomado. Futurism informó de que el recuento mensual cayó a unas 3.600. De un máximo de 200.000 a menos de 4.000 representa una caída de aproximadamente el 98 por ciento en una década.

La ironía es difícil de ignorar. Las herramientas de programación con IA se entrenaron con respuestas de Stack Overflow escritas por humanos. Esos humanos dejaron de escribir porque se pasaron a la IA. Cuando estas herramientas necesitan código fresco escrito por personas para mejorar, encuentran sobre todo sus propias respuestas anteriores. El fuego intenta quemar fuego.

La encuesta de desarrolladores de Stack Overflow 2025, con más de 49.000 respuestas de 177 países, reveló un problema creciente de confianza. Aunque el 84 por ciento de los desarrolladores usa o planea usar herramientas de IA, solo el 33 por ciento confía en su precisión. Esa cifra de confianza era del 43 por ciento apenas un año antes. La queja más habitual: soluciones que casi están bien. Lo bastante parecidas a lo correcto como para parecer válidas. Lo bastante erróneas como para romper el código en producción.

Un ensayo controlado aleatorizado realizado por investigadores de METR, una organización sin ánimo de lucro dedicada a la evaluación de IA, arrojó resultados aún más inquietantes. Estudiaron a 16 desarrolladores experimentados de código abierto y descubrieron que, mientras los desarrolladores creían que la IA los hacía un 20 por ciento más rápidos, en realidad tardaban un 19 por ciento más de media. La percepción de velocidad era real. La velocidad en sí no lo era. Un estudio separado de Microsoft con unos 200 ingenieros que usaron GitHub Copilot durante tres semanas no encontró cambios estadísticamente significativos en el tiempo de programación ni en la actividad de pull requests.

La pregunta de los 259.000 millones

Ahora sigamos el rastro del dinero. Porque el panorama financiero revela algo que debería hacer reflexionar a cualquiera que esté prestando atención.

OpenAI ingresó unos 3.700 millones de dólares en 2024 mientras perdía aproximadamente 5.000 millones. Su valoración escaló hasta los 500.000 millones de dólares en octubre de 2025. Analistas de Deutsche Bank estimaron que OpenAI acumularía unos 143.000 millones de dólares en flujo de caja negativo acumulado entre 2024 y 2029 antes de alcanzar potencialmente la rentabilidad. Ninguna startup en la historia ha operado con pérdidas de semejante magnitud.

Anthropic comunicó una tasa anualizada de ingresos de 14.000 millones de dólares a principios de 2026 con una valoración post-inversión de 380.000 millones. Eso supone un múltiplo de 27 veces sobre los ingresos. Su margen bruto se situaba en torno al 40 por ciento, rebajado desde una proyección previa del 50 por ciento — muy por debajo del 77 por ciento aproximado que los analistas suelen exigir para justificar tales valoraciones.

El caso más extremo quizá sea xAI, la empresa de IA de Elon Musk. Bloomberg informó de que quemaba aproximadamente mil millones de dólares al mes con una valoración entre 230.000 y 250.000 millones, frente a unos 500 millones de ingresos anualizados. Eso implica un múltiplo de aproximadamente 460 veces los ingresos.

He aquí la verdad incómoda. Ninguna empresa de IA a nivel de modelo fundacional es rentable. Ni OpenAI. Ni Anthropic. Ni xAI. Ni Mistral. Ni Cohere. Ni Stability AI. Las únicas empresas claramente rentables en el ecosistema de la IA son las que venden infraestructura a los constructores de IA, principalmente NVIDIA con 130.500 millones de dólares en ingresos y márgenes sólidos. Los buscadores de oro pierden dinero. Los vendedores de palas se hacen ricos.

David Cahn de Sequoia Capital identificó lo que denominó una brecha de ingresos de 600.000 millones de dólares entre lo que las empresas gastan en infraestructura de IA y lo que realmente obtienen de ella. Las cuatro mayores empresas tecnológicas — Amazon, Microsoft, Google y Meta — comprometieron entre 380.000 y 400.000 millones de dólares en inversión de capital en IA para 2025. El analista de Goldman Sachs Ryan Hammond descubrió que esas mismas empresas contrajeron 121.000 millones de dólares en deuda en un solo año, unas cuatro veces su media de los cinco años anteriores.

Una encuesta de Bank of America de octubre de 2025 reveló que un récord del 54 por ciento de los gestores de fondos globales consideraba que las acciones de IA estaban en territorio de burbuja. Ray Dalio declaró a CNBC que los mercados están al 80 por ciento de una burbuja según su indicador propietario, comparando la situación con 1929 y el estallido de las puntocom en 2000. El premio Nobel del MIT Daron Acemoglu publicó un análisis revisado por pares en Economic Policy argumentando que la IA contribuiría como máximo entre un 0,53 y un 0,66 por ciento al crecimiento de la productividad total de los factores en una década, muy por debajo de las proyecciones transformadoras que justifican las valoraciones actuales.

Por qué los CEOs siguen prometiendo la revolución

Si la IA no está sustituyendo trabajadores al ritmo prometido, ¿por qué los nombres más importantes de la tecnología siguen insistiendo en que lo hará? La respuesta tiene más que ver con la cotización bursátil que con la ciencia.

Cuando Oracle anunció una alianza de centros de datos de IA con OpenAI, su acción subió cerca del 40 por ciento. Michael Cembalest de J.P. Morgan calculó que las acciones relacionadas con la IA representaron el 75 por ciento de toda la rentabilidad del S&P 500 desde el lanzamiento de ChatGPT. Cada vez que un CEO anuncia un plan de transformación mediante IA, el mercado lo premia.

La Harvard Business Review publicó un estudio en enero de 2026 basado en una encuesta a más de 1.000 ejecutivos globales. Los hallazgos fueron contundentes. El sesenta por ciento de las empresas encuestadas había reducido plantilla anticipándose a lo que la IA podría hacer en el futuro. Solo el 2 por ciento había realizado despidos significativos vinculados a una implementación real y medible de IA. Las empresas están despidiendo personas por capacidades que aún no existen.

La SEC ha empezado a perseguir el llamado AI washing: empresas que exageran sus capacidades de IA para atraer inversores. En marzo de 2024, el organismo procesó a Delphia y Global Predictions en las primeras acciones de este tipo, imponiendo multas de 225.000 y 175.000 dólares respectivamente. DLA Piper informó de que las demandas colectivas de valores relacionadas con la IA se duplicaron, de 7 en 2023 a 14 en 2024, con 12 más presentadas hasta septiembre de 2025.

La 29.ª Encuesta Global de CEOs de PwC, publicada en enero de 2026 tras consultar a 4.454 directores ejecutivos de 95 países, encontró que solo el 12 por ciento reportaba beneficios tanto en costes como en ingresos gracias a la IA. El 56 por ciento no percibió ningún beneficio financiero significativo. La iniciativa MIT NANDA, cubierta por la Harvard Business Review en agosto de 2025, descubrió que el 95 por ciento de los proyectos piloto empresariales de IA no produjeron retornos medibles, pese a una inversión colectiva estimada de entre 30.000 y 40.000 millones de dólares.

¿Dónde nos deja todo esto?

Unamos las piezas. La IA ha creado realmente más empleos de los que ha destruido. No es una opinión. Son datos del Foro Económico Mundial, de PwC, de LinkedIn, de la Oficina de Estadísticas Laborales de EE.UU. y de Bitkom. Los puestos de TI sin cubrir en Alemania son reales. Los 1,3 millones de nuevos empleos de IA son reales. La prima salarial del 56 por ciento es real.

Pero la industria que construye esta tecnología enfrenta tres problemas interconectados. Primero, un muro científico. El colapso del modelo no es especulación. Está documentado en Nature. Los datos de entrenamiento son finitos. Más de la mitad del contenido de internet ya es generado por IA y retroalimenta los ciclos de entrenamiento. El análisis revisado por pares de Epoch AI proyecta el agotamiento de los datos textuales públicos de calidad dentro de esta década.

Segundo, una crisis financiera que parece cada vez más estructural. Casi 259.000 millones de dólares invertidos frente a unos 37.000 millones en ingresos empresariales. Cero empresas rentables a nivel de modelo fundacional. Pérdidas acumuladas proyectadas de 143.000 millones solo para OpenAI hasta 2029. Goldman Sachs documenta un aumento de deuda de 121.000 millones entre las mayores tecnológicas en un solo año.

Tercero, una brecha de credibilidad cada vez mayor. El 95 por ciento de los proyectos piloto empresariales de IA no produce valor medible. Las predicciones de los CEOs sobre los plazos de sustitución se demuestran erróneas una y otra vez. La confianza de los desarrolladores en la precisión de la IA cae del 43 al 33 por ciento en un año. Los estudios reales de velocidad de programación muestran resultados nulos o incluso ralentizaciones, a pesar de la percepción subjetiva de mejora.

La forma más honesta de describir la situación actual es esta. La IA es una tecnología real y útil que ha sido envuelta en una estructura financiera que le exige ser transformadora para justificar su precio. La tecnología realmente ayuda a las personas a trabajar mejor. No las sustituye realmente a gran escala. Y en el hueco entre esas dos realidades se amontonan cientos de miles de millones de dólares, esperando a ver qué versión de la historia sobrevive al contacto con la realidad.

CONCLUSION

La IA no va a desaparecer. Ya ha cambiado la forma en que las personas trabajan, estudian y crean empresas. Los empleos que genera están bien pagados y siguen multiplicándose. Las startups que impulsa son más pequeñas, más ágiles y en ocasiones alcanzan valoraciones de miles de millones con menos de 50 personas en nómina.

Pero la IA también se está devorando a sí misma. Los datos de entrenamiento son finitos. Los modelos aprenden cada vez más de sus propios resultados. Las empresas que construyen modelos fundacionales pierden miles de millones. Y las predicciones audaces de los líderes del sector siguen sin cumplir sus plazos.

El futuro probablemente se parezca a esto. La IA seguirá generando nuevos empleos. Las empresas de IA seguirán quemando efectivo hasta que la burbuja de inversión se corrija. Y quienes más se beneficiarán serán aquellos que traten la IA como una herramienta poderosa en lugar de un sustituto mágico del pensamiento humano. Porque, al final, el activo más valioso en un mundo saturado de IA sigue siendo una persona que sabe pensar con claridad. Herramientas como Mindomax, junto con otras plataformas impulsadas por IA, se construyen sobre ese mismo principio: usar la IA para ahorrar tiempo de modo que las personas puedan dedicarlo a aprender de verdad, en lugar de delegar su comprensión a una máquina.