Al final no era una buena idea cambiar personas por IA

Entre 2022 y 2024, la fintech sueca Klarna redujo su plantilla en 3.100 puestos (más de la mitad de la empresa) y viró su sistema de atención al cliente en gran medida hacia un asistente de IA desarrollado con OpenAI. El bot gestionaba dos tercios de las consultas, un volumen equivalente al trabajo de 700 agentes humanos y en ese momento le atribuyó una mejora de 40 millones de dólares en los resultados de 2024. Su facturación por empleado pasó de US$ 175.000 a US$ 1.200.000. Pero en 2025 la cosa se complicó. El director ejecutivo de Klarna, Sebastian Siemiatkowski, tuvo que reconocer una estrepitosa caída de calidad y anunció el regreso a un modelo híbrido, con la recontratación de agentes humanos.

Si Klarna fuera un caso aislado no habría columna, pero está lejos de serlo. Según datos citados por Reworked, 55% de las empresas que llevaron adelante despidos vinculados a la Inteligencia Artificial declararon que estaban arrepentidos. El medio de referencia Fast Company estimó que cerca de la mitad terminó recontratando a un costo superior al que habría implicado conservar al equipo original. Es que volver a llenar una posición exige reclutamiento, formación y bonos que rara vez figuran en el cálculo inicial.

Pero el problema no fue solo ese, sino que siete de cada diez despliegues de IA generativa no están alcanzando el objetivo de retorno que habían prometido. Por eso, más de 42% de las empresas descartó la mayor parte de sus proyectos de IA durante el último año, y Gartner proyecta que más de 40% de los proyectos de IA agéntica serán cancelados antes de finales de 2027.
A los costos de personal se suman los errores. Para ejemplo de lo que puede pasar, en 2024 un tribunal canadiense responsabilizó a Air Canada por la información equivocada que su chatbot entregó sobre una política de reembolsos y la obligó a compensar al pasajero.

El segundo costo, tal vez para algunos menos visible, es el de los tokens, la unidad con la que se factura el uso de estos modelos. Aunque el precio unitario bajó con fuerza (según un relevamiento de la plataforma Ramp el promedio por millón de tokens entre los principales proveedores cayó de unos US$ 10 a US$ 2,50 en un año, igual las facturas de las empresas crecieron. Es que la explicación está en el volumen y no en el precio.

Un chatbot tradicional resuelve una consulta con una sola llamada al modelo pero los llamados sistemas agénticos que se generalizaron entre 2025 y 2026 razonan por pasos. Dividen la tarea, usan herramientas, verifican resultados y reintentan ante cada error. Cada uno de esos pasos, es una línea de factura. Según Gartner, un sistema de este tipo consume entre 5 y 30 veces más tokens por tarea que un chatbot, pero puede ser peor: un estudio de Microsoft y el Digital Economy Lab de Stanford dice que para algunas tareas podría costar nada más y nada menos que 1.000 veces más. La consultora EY midió que una interacción de atención al cliente pasó de costar US$ 0,04 en 2023 a US$ 1,20 en 2026, mientras que Goldman Sachs proyecta que podría multiplicarse 24 veces llegando a 2030.

Si al lector le quedan dudas de la entidad del problema, tal vez pueda ser útil contarle lo que pasó en Uber. Entre diciembre de 2025 y marzo de 2026, una herramienta de programación asistida por IA pasó de ser usada por 32% a 84% de los 5.000 ingenieros de la multinacional. ¿La consecuencia? En abril, se había acabado el presupuesto anual de IA. Es que solito, cada ingeniero había gastado entre US$ 500 y US$ 2.000 mensuales.

El patrón común es un error de estimación. Los presupuestos se calcularon sobre pilotos de consultas simples y no sobre la producción real, donde los flujos agénticos se ejecutan miles de veces por día. Por eso hacía sentido prescindir de los humanos, eliminar costos fijos y variabilizarlos. El problema es que esa estimación se dio de frente con lo que pasó en la realidad.
Si pensamos esto para un país con la escala de Uruguay, un error así puede tener un costo enorme. Si esto tuvo un impacto importante para empresas como Uber, puede ser un golpe enorme en una economía pequeña, porque el precio por token es internacional pero el presupuesto es acotado. Sí habrá que pensar en serio para qué y cómo vamos a usar la IA.