Un ejecutivo de Nvidia admite que la IA sale más cara que contratar personas

Llevan años diciéndonos que la IA abarata todo. Un ejecutivo de Nvidia —empresa que fabrica el hardware sobre el que corre buena parte de esa IA— acaba de matizar públicamente esa narrativa: en determinados escenarios, desplegar inteligencia artificial resulta más caro que pagar a los trabajadores humanos que sustituye. La declaración, recogida por Fortune el 28 de abril, es notable precisamente por quién la hace.

No es un economista escéptico ni un sindicato con intereses obvios. Es alguien cuyo negocio depende directamente de que las empresas sigan comprando GPUs. Que salga a decir esto en voz alta merece atención.

Qué dijo exactamente

El artículo de Fortune no atribuye la declaración a un nombre concreto, sino a un «ejecutivo de Nvidia». El argumento central es sencillo: cuando se suman los costes de infraestructura (cómputo, energía, refrigeración), los de mantenimiento de modelos, los de ingeniería para integrarlos y los de supervisión continua, la factura puede superar con creces el coste salarial del equipo humano que realizaba la misma tarea.

No es una afirmación universal —el ejecutivo no dice que la IA sea siempre más cara— sino contextual. Depende del caso de uso, del volumen de operaciones, del nivel de fiabilidad exigido y, sobre todo, de qué se cuenta realmente como coste.

Por qué importa este matiz

El problema de fondo es de contabilidad, no de tecnología. Muchas empresas calculan el ROI de sus proyectos de IA comparando el coste de las licencias de API con el salario bruto de los empleados afectados. Eso ignora varios factores:

• Costes de infraestructura propia: si una organización despliega modelos en sus propios servidores o en nube privada, el hardware, la energía y el personal técnico que lo gestiona son costes reales.
• Ingeniería de integración: conectar un modelo a sistemas legacy, construir pipelines de datos, desarrollar y mantener MCP servers o agentes especializados tiene un coste de desarrollo que rara vez aparece en las hojas de cálculo iniciales.
• Supervisión y corrección de errores: los modelos actuales cometen errores. Alguien tiene que revisarlos, especialmente en tareas de alto riesgo. Ese «alguien» es, de nuevo, coste humano.
• Actualizaciones y deriva de modelos: un modelo que funciona bien hoy puede degradarse con cambios en los datos de entrada o quedar obsoleto cuando el proveedor actualiza su API. Adaptarse tiene coste.

Nada de esto es nuevo para quienes trabajan en el sector. Pero que salga de Nvidia —que tiene un interés comercial evidente en que las empresas compren más cómputo, no menos— le da una credibilidad particular. No es un argumento en contra de la IA; es un argumento a favor de calcular bien antes de comprometerse.

Para quién es relevante esto

El aviso es especialmente útil para equipos de dirección y responsables de tecnología que están evaluando proyectos de automatización basados en IA generativa. También para equipos de ingeniería que reciben presión para desplegar soluciones rápido, sin tiempo para modelar los costes operativos reales a medio plazo.

En el ecosistema de herramientas como Claude Code, donde los equipos pueden construir flujos complejos con subagentes, hooks y MCP servers, la tentación de escalar sin medir es alta. Un pipeline de agentes que funciona en pruebas puede volverse caro en producción si el volumen de llamadas, la latencia aceptable o los requisitos de fiabilidad no estaban bien definidos desde el principio.

Para las pymes y agencias —el perfil habitual de quien lee ClaudeWave— el mensaje práctico es claro: antes de sustituir un proceso humano con IA, conviene hacer el cálculo completo, no solo comparar el precio de la API con el salario.

El contexto más amplio

Esta declaración llega en un momento en que varios analistas e investigadores vienen señalando que los retornos de la inversión en IA son más difíciles de medir de lo que las demos sugieren. No porque la tecnología no funcione, sino porque la función de producción real —con todos sus costes asociados— es más compleja que el precio por token.

Que Nvidia lo diga en voz alta probablemente responde a una lógica: mejor gestionar expectativas ahora que lidiar con desilusiones masivas después. Una empresa que sobredimensiona su apuesta en IA y no ve el retorno esperado recorta presupuesto; una que calibra bien, invierte de forma sostenida. Para quien vende hardware de cómputo, el segundo escenario es claramente preferible.

---

La honestidad del argumento es refrescante, aunque conviene recordar que viene de alguien a quien le interesa que las empresas compren más GPUs, no menos. Tomar nota del aviso, sí; pero hacer el cálculo propio siempre.