La última trampa de la inteligencia artificial

 

Un alto ejecutivo de Facebook pidió a sus trabajadores que “no utilicen la IA solo por el hecho de utilizarla”; Uber limitó el uso de tokens de sus trabajadores a 1.500 USD mensuales, después de descubrir en abril que ya se habían gastado todo el presupuesto asignado de la compañía a IA de 2026. Estas y otras noticias similares han estado rebotando por los diferentes rincones del mundo tecnológico por meses, pero ahora, amplificado por varios medios internacionales, podemos decir que es oficial: la IA se ha revelado como cara, carísima. Es extraño, porque esperábamos muchas cosas (buenas y malas) de la IA, excepto esto. 

Para la industria de software y servicios informáticos de Argentina, una de las ramas industriales que mayor uso hace de herramientas de IA en el país, la noticia no hace más que desnudar el principal rasgo estructural del sector: su dependencia. 

Durante dos décadas -antes de Vaca Muerta, la minería y el litio-, la economía del conocimiento era una de las grandes promesas de la economía argentina. Se creaban nuevas empresas, crecía el empleo, los salarios y las exportaciones. Una industria que se caracterizaba tanto por su dinamismo en los negocios, como por su base tecnológica. La historia tenía, además, todos los ingredientes de una épica moderna; desde Sadosky fundando una nueva disciplina científica en el país, hasta los miles de jóvenes decididos a estudiar informática con la promesa de ascenso social. La ley de software completaba el panorama, dando un marco institucional que fomentaba a las empresas tecnológicas por su contribución a la transformación productiva del país. Pero esa historia tenía sus límites. 

Desde la salida de la pandemia, el sector fue perdiendo dinamismo. Esto se refleja en menor crecimiento, estancamiento de las exportaciones, y, la novedad: despidos masivos. El chivo expiatorio ha sido la IA, pero también se conoce que el deterioro del mercado interno y de la demanda estatal han hecho su parte. La unificación y apreciación cambiaria también afectó al negocio exportador, especialmente para el segmento del empresariado local acostumbrado a cobrar en dólares y pagar en pesos. Sin dudas, el verdadero talón de Aquiles del sector ha sido su especialización en la colocación de programadores, bajo una lógica extractiva, sin el desarrollo de productos tecnológicos propios o servicios sofisticados.

Nuestra hipótesis es que la inteligencia artificial generativa no inventó la crisis, pero sí modificó las reglas del juego. Si durante años Argentina se especializó en ofrecer programadores y ahora ya no son el factor escaso, ¿cuál va a ser nuestra fuente de competitividad? Y si además la industria es crecientemente dependiente de herramientas de IA que se pagan en dólares, la promesa de aportar divisas a la economía con un sector intensivo en conocimiento se hace cada vez más utópica.

Hasta hace muy poco, el principal problema de una empresa de software era conseguir buenos programadores. Formarlos llevaba años, retenerlos era caro. Esa escasez explicaba buena parte de la renta del sector. La inteligencia artificial modifica esa ecuación. Los grandes modelos de lenguaje encontraron uno de sus primeros campos de aplicación en el desarrollo de software. Herramientas como Copilot, Claude o Codex de ChatGPT ya forman parte de la rutina cotidiana de millones de desarrolladores en todo el mundo. Pero los modelos de lenguaje, antes que reemplazar a los programadores, trabajan con ellos. Un programador asistido por IA puede escribir código más rápido, automatizar tareas repetitivas, encontrar errores con mayor facilidad y aprender nuevas tecnologías en menos tiempo. En promedio, se necesitarán menos horas de programación para resolver los mismos problemas o, alternativamente, los mismos equipos podrán desarrollar más y mejores soluciones.

Los programadores, entonces, no dejaron de ser necesarios, pero ya no son el eslabón sensible de la cadena. En cambio, lo que empezó a manifestar su escasez es el servicio que ofrecen las grandes plataformas de inteligencia artificial. Los costos crecientes de la IA tienen fundamentos tecnológicos, económicos, ambientales y geopolíticos. Desarrollar un modelo de frontera exige inversiones gigantescas en investigación y desarrollo, entrenamiento e infraestructura. Pero, además, también tiene grandes costos la inferencia: cada vez que un usuario realiza una consulta, el modelo debe volver a ponerse en funcionamiento consumiendo energía y recursos. Esto marca una diferencia fundamental con software tradicional —donde desarrollar el producto es costoso pero distribuir una copia adicional cuesta prácticamente cero—.

Las gigantes tecnológicas y las nuevas empresas de IA (como Anthropic) todavía enfrentan enormes dificultades para monetizar plenamente sus modelos. En muchos casos continúan subsidiando el acceso para acelerar su adopción y ganar participación de mercado, una estrategia que difícilmente pueda sostenerse por mucho tiempo. Todo indica que, a medida que esos subsidios disminuyan, el acceso a los modelos de mayor capacidad tenderá a encarecerse.

La explicación es sencilla. Detrás de cada respuesta generada por un modelo de lenguaje hay centros de datos masivos que consumen cantidades extraordinarias de energía y agua, para la refrigeración.  La electricidad (y en particular su costo), pasa a ser una variable crítica del negocio de la IA, a tal punto que las gigantes tecnológicas prevén infraestructuras eléctricas dedicadas especialmente a abastecer a estos centros, al tiempo que evalúan la localización de centros en función del acceso a estos recursos junto con la infraestructura de comunicaciones.

En este contexto, el cuello de botella ya no es el talento humano, sino la capacidad de cómputo, la disponibilidad energética y la infraestructura necesaria para sostener esos servicios a escala global, desde  los modelos hasta los propios datos utilizados para el entrenamiento e inferencia. La inteligencia artificial no eliminó la escasez. Simplemente la trasladó. Y cuando cambia aquello que es escaso, también cambia quién está en condiciones de capturar la renta.

Si la inteligencia artificial vuelve más productivos a los programadores, parecería lógico pensar que las empresas de software simplemente ganarán más dinero al incorporarla. Bajo esta idea muchas empresas impulsaron el uso irrestricto de estas herramientas. En parte por entusiasmo tecnológico y en parte por miedo a quedarse atrás frente a la competencia. 

La consigna fue simple: usar toda la IA posible. Al punto que muchas empresas empezaron a incluir como indicador de desempeño y proxy de productividad de los equipos el uso de tokens. Pero los costos y la factura de la IA empezó a inflarse rápidamente sin un correlato claro por el lado de los resultados. En primer lugar, porque los trabajadores empezaron a maximizar el uso de tokens más allá de lo necesario. En segundo lugar, una mayor productividad no garantiza mayores ingresos. Que un desarrollador pueda escribir código más rápido no implica que aparezcan automáticamente más clientes o que las empresas puedan vender soluciones más caras. Como ocurre en cualquier mercado, la oferta no crea por sí sola su propia demanda. Y por último, esa mayor productividad del trabajo depende del acceso a un insumo cuya provisión está altamente concentrada y sus costos se revelan crecientes con el uso.

Ese es el cambio verdaderamente importante. Durante décadas, el principal costo de una empresa de software eran los salarios de sus trabajadores (representaba alrededor del 70% de sus costos totales). Hoy una parte creciente de ese costo empieza a orientarse al pago de servicios digitales, incluyendo servicios de la nube e inteligencia artificial. Lo que antes remuneraba casi exclusivamente trabajo altamente calificado realizado en la Argentina comienza, cada vez más, a compartirse con quienes controlan los modelos, la infraestructura de cómputo y las plataformas digitales.

En otras palabras, la inteligencia artificial no sólo reorganiza el trabajo dentro de las empresas de software. También reorganiza la geografía de la captura de renta. 

Estos cambios tienen implicancias especialmente profundas para países como la Argentina.

Durante las últimas dos décadas, una de las principales virtudes de la industria del software fue generar divisas. El conocimiento producido por miles de programadores se transformaba en ingresos que financiaban salarios, inversiones y nuevos proyectos dentro del país.

La inteligencia artificial empieza a alterar esa dinámica. Cada licencia corporativa, cada suscripción, cada consulta realizada mediante una API representa un pago hacia empresas que desarrollan y controlan los modelos fundacionales. Lo que antes era, principalmente, una masa salarial pagada en Argentina empieza a transformarse en pagos recurrentes por servicios digitales importados.

Hasta hace pocos años, la mayor parte del valor generado en el sector se distribuía entre salarios y ganancias de las empresas locales de software. Hoy una fracción creciente comienza a concentrarse en las empresas que controlan los modelos, los centros de datos, los chips y las plataformas tecnológicas.

Eso no significa que la industria argentina deje de exportar. Significa que necesita importar cada vez más para seguir siendo competitiva. Y esas importaciones pasan a formar parte de su estructura permanente de costos.

Todavía no existen estadísticas oficiales que permitan medir con precisión cuánto están gastando las empresas de software argentinas en inteligencia artificial. Sin embargo, estimaciones construidas a partir de consultas a especialistas y empresas del sector sugieren que el uso intensivo de modelos de frontera puede representar entre 100 y 500 dólares mensuales por desarrollador.

Si se toma un gasto de 500 dólares mensuales y se lo aplica a los aproximadamente 158.000 trabajadores del sector de software y servicios informáticos, la cuenta anual se acerca a los 1.000 millones de dólares.

No es una predicción. Es un orden de magnitud, que alcanza para poner en perspectiva el cambio que está ocurriendo. Una industria que durante años fue presentada como una fuente privilegiada de generación de divisas comienza, al mismo tiempo, a demandar crecientes cantidades de dólares para funcionar. Y ese puede ser el comienzo de una nueva forma de dependencia tecnológica.

La hipótesis que venimos planteando todavía es difícil de medir con precisión. Sin embargo, la balanza de pagos ya empieza a mostrar señales compatibles con esa transformación.

Durante años, la Argentina construyó una industria capaz de exportar conocimiento y generar divisas. Pero, al mismo tiempo que crecieron las exportaciones de software y servicios informáticos, comenzaron a expandirse también las importaciones de servicios digitales indispensables para sostener esa misma actividad.

Los datos muestran una aceleración llamativa. En 2024, las importaciones del rubro «servicios informáticos» alcanzaron los 2.086 millones de dólares. En 2025 ascendieron a 2.551 millones. Durante el primer trimestre de 2026 ya sumaban 777 millones de dólares, un 24% más que en igual período del año anterior. De mantenerse esa tendencia, el año cerraría con importaciones cercanas a los 3.000 millones de dólares, un máximo histórico. Para ponerlo en perspectiva, se estima que las exportaciones de litio serán 2.500 millones este año. Es decir, la extracción de litio récord, no alcanzará para pagar los servicios digitales.

Ese crecimiento no puede atribuirse exclusivamente a la inteligencia artificial. En este rubro también se registran pagos por servicios en la nube, plataformas digitales, videojuegos, publicidad en buscadores o streaming. Pero, justamente ahí reside el punto. La IA no crea una dependencia completamente nueva: profundiza una dinámica en la que la provisión de servicios digitales estratégicos se concentra cada vez más en un reducido número de empresas globales.

Mientras tanto, las exportaciones argentinas de software y servicios informáticos se ubican en torno a los 2.500 millones de dólares anuales. Dicho de otro modo, una proporción creciente de los dólares que el propio sector genera comienza a regresar al exterior para pagar los insumos digitales que necesita para seguir siendo competitivo.

Ingresos, egresos y saldo por el rubro de servicios informáticos en la cuenta de servicios de la balanza de pagos de Argentina (millones de dólares). Fuente: INDEC, Cuentas Internacionales y Balanza de Pagos.

Todavía es prematuro afirmar que estamos frente a un cambio estructural. Pero por primera vez desde la consolidación de la industria del software en el país aparece una pregunta incómoda. ¿Qué ocurre cuando uno de los principales sectores generadores de divisas empieza, al mismo tiempo, a transformarse en un demandante creciente de dólares?

Durante años, la industria del software argentina creció vendiendo capacidad para escribir código. Ese modelo permitió crear empleo de calidad, formar decenas de miles de trabajadores altamente calificados y construir uno de los sectores más dinámicos de la economía. Pero también dejó una deuda pendiente: desarrollar empresas capaces de crear productos propios y resolver algunos de los problemas tecnológicos más complejos de la industria, el Estado y el pueblo.

Durante esos años hubo una enorme inversión en formar programadores. Crecieron las carreras universitarias, aparecieron tecnicaturas, cursos intensivos y programas de capacitación impulsados tanto por el Estado como por las propias empresas. Miles de jóvenes eligieron estudiar informática porque encontraron allí una oportunidad de movilidad social.

Lo que nunca conseguimos con la misma intensidad fue construir una demanda capaz de desafiarlos. La mayor parte de las empresas terminó desarrollando soluciones definidas por clientes externos o participando en proyectos donde las decisiones estratégicas, los productos y los mercados se encontraban fuera del país. Hubo excepciones importantes, pero no alcanzaron para convertir ese aprendizaje en una plataforma sostenida de innovación.

La inteligencia artificial vuelve esa limitación mucho más evidente. Si escribir código deja de ser relativamente escaso, competir únicamente por la capacidad de programar será cada vez más difícil. La ventaja comenzará a desplazarse hacia quienes comprendan procesos productivos complejos, integren tecnologías, conozcan industrias específicas y sean capaces de diseñar soluciones originales para problemas que todavía no tienen respuesta.

Esto importa especialmente para un país como Argentina. Si nuestros desarrolladores participan únicamente de la programación de soluciones concebidas en otro lado, la IA tenderá a reducir el valor relativo de aquello que ofrecemos. Si, en cambio, participan del diseño de productos, de la resolución de problemas complejos y de la construcción de conocimiento específico, la inteligencia artificial puede transformarse en una herramienta que multiplique esas capacidades en lugar de sustituirlas.

Sin embargo, ese recorrido hoy aparece amenazado. Muchas empresas comenzaron a reducir la contratación de perfiles junior precisamente porque los desarrolladores con mayor experiencia pueden apoyarse en herramientas de IA para realizar tareas que antes delegaban. Al mismo tiempo, el deterioro de los salarios universitarios dificulta la formación de las próximas generaciones de profesionales.

El riesgo no es solamente perder empleo hoy. El riesgo es interrumpir la principal escalera de aprendizaje de la industria. La inteligencia artificial hace más fácil lo fácil: automatiza buena parte de las tareas rutinarias con las que tradicionalmente se formaban los programadores. Pero, precisamente por eso, puede volver más difícil lo difícil: si desaparecen los espacios de aprendizaje, también se vuelve más difícil formar a los programadores junior de hoy, quienes dentro de diez años deberán diseñar las soluciones que la IA todavía no puede imaginar. En otras palabras, si desaparecen los primeros escalones, tarde o temprano también desaparecerán los últimos.

Desde 2004 Argentina apostó por el sector de software. La Ley de Software promovió generosamente un sector basado en una tecnología clave. Había buenas razones para hacerlo. La industria creaba empleo calificado, diversificaba la estructura productiva, exportaba servicios y generaba divisas. Además, los beneficios estaban condicionados a invertir en capacitación, investigación y desarrollo, certificaciones de calidad y apertura de nuevos mercados. No era un subsidio sin condiciones, sino una política industrial orientada a construir capacidades tecnológicas.

Luego de una década, el sector había multiplicado sus empresas y el número de trabajadores. Pero flexibilizaciones inexplicables de las reglas del Régimen de Promoción y fundamentalmente una especialización en la venta de servicios de desarrollo al exterior llevaron a la concentración de los beneficios en grandes empresas y al divorcio del sector de las principales necesidades tecnológicas del país. 

El advenimiento de los grandes modelos de lenguajes hace necesario revisar estos regímenes promocionales. Si una parte creciente del conocimiento producido localmente depende de infraestructura, modelos de lenguaje y plataformas controladas desde el exterior, también cambian los efectos esperados de esas políticas. Los beneficios fiscales siguen financiándose con recursos públicos argentinos, pero una parte creciente del aprendizaje, de la innovación y del excedente económico termina desplazándose hacia las empresas que controlan esos activos estratégicos. 

Eso no significa que haya que abandonar la promoción del sector. Significa que hay que preguntarse qué capacidades queremos promover. ¿Tiene sentido seguir incentivando principalmente la exportación de horas de programación? ¿O conviene orientar esos instrumentos hacia el desarrollo de productos propios, aplicaciones de IA para sectores estratégicos, modelos abiertos, infraestructura nacional de cómputo y soluciones tecnológicas vinculadas con los problemas productivos, sociales y ambientales del país?

La discusión ya no debería limitarse a cómo hacer crecer la industria del software. La pregunta es qué papel queremos que esa industria desempeñe en una estrategia de desarrollo. Porque el desarrollo no consiste solamente en incorporar nuevas tecnologías. Consiste, sobre todo, en construir la capacidad de decidir qué tecnologías desarrollar, para resolver qué problemas y bajo qué prioridades. En la periferia, esa capacidad de decisión es, quizás, la forma más importante de autonomía.

En este contexto aparece una nueva promesa. Si la inteligencia artificial necesita enormes cantidades de energía y capacidad de procesamiento, ¿por qué no convertir a la Argentina en un gran proveedor de infraestructura para esa economía?

En ese punto cobra importancia el debate alrededor del RIGI (Régimen de Incentivo a las Grandes Inversiones) y más recientemente con la propuesta de un «Super RIGI» orientado a centros de datos para inteligencia artificial. Tal régimen, vigente desde 2024, otorga condiciones extraordinarias a inversiones en actividades fundamentalmente extractivas, incluyendo beneficios fiscales, estabilidad fiscal y cambiaria por 30 años, la no liquidación de las divisas por exportaciones en el país, y la cesión de soberanía en materia de resolución de controversias. Lo hace sin establecer exigencias significativas de desarrollo de proveedores locales, investigación y desarrollo, transferencia tecnológica o agregado de valor en el país. Hasta el momento, los principales proyectos aprobados corresponden a energía, petróleo y gas, litio y minería metalífera. ¿Por qué? Porque el mundo demanda de forma voraz todos estos recursos.

En el caso de la inteligencia artificial, el razonamiento es similar. Los centros de datos buscan, sobre todo, energía abundante y barata, buena conectividad digital y estabilidad regulatoria. Argentina reúne varias de esas condiciones: Vaca Muerta, recursos eólicos y solares de clase mundial y una extensa red federal de fibra óptica. No sería extraño que grandes inversiones llegaran al país por esos motivos.

Si los centros de datos llegan por estas razones, Argentina habrá cambiado de lugar dentro de la cadena tecnológica, pero no su lugar periférico en la economía mundial. Los servidores estarán aquí. El conocimiento seguirá desarrollándose en otro lado. El riesgo es reproducir, en versión digital, un patrón conocido: aportar energía, recursos naturales e infraestructura mientras las decisiones tecnológicas, la investigación, la propiedad intelectual y el aprendizaje permanecen concentrados en los países que controlan las plataformas.

No tiene por qué ser así. Brasil, por ejemplo, también busca atraer inversiones vinculadas a la inteligencia artificial, pero procura hacerlo incorporando exigencias de investigación y desarrollo, contratación local, desarrollo de proveedores e infraestructura de cómputo disponible para el sistema científico y tecnológico nacional. La diferencia no está en atraer inversiones, sino en utilizarlas para fortalecer capacidades propias.

Para una economía periférica, el desafío no consiste únicamente en participar de la nueva economía digital. Consiste en hacerlo reduciendo los márgenes de dependencia y ampliando la capacidad local para decidir qué tecnologías desarrollar, para resolver qué problemas y en beneficio de quién.

Nada de esto significa que el futuro ya esté escrito. La competencia tecnológica entre Estados Unidos y China está modificando rápidamente el mercado mundial de la inteligencia artificial. Si los modelos desarrollados por empresas chinas continúan acercándose al desempeño de los modelos estadounidenses con costos significativamente menores, la estructura de precios de los servicios de IA podría cambiar de manera importante durante los próximos años. 

La disputa por el liderazgo tecnológico también puede transformarse en una disputa por reducir el costo de acceso a estas herramientas. China también busca orientar un modelo de regulación global de la IA, mientras que su apuesta por las energías limpias y la electrificación dan sustento material a sus menores costos comparados. En este contexto, cambiar los  modelos de las gigantes tecnológicas por modelos chinos más baratos, puede ser una forma de reducir la dependencia tecnológica.

Por otra parte, la rápida expansión de modelos abiertos permite imaginar otra estrategia complementaria para la industria local. No todas las aplicaciones requieren utilizar permanentemente los modelos de frontera más costosos. En muchos casos es posible desplegar modelos abiertos en infraestructura local, ajustarlos para resolver problemas específicos e integrarlos a procesos productivos concretos. Las ventajas en el uso  de la IA  depende no sólo de la tecnología, sino también de cómo las organizaciones repiensan el trabajo, las capacidades humanas y el desempeño.

Estos caminos no eliminan la dependencia tecnológica, pero sí la pueden reducir, así como minimizar la factura de la IA que pagarán las empresas. Pero lo que es más importante, abre oportunidades para desarrollar empresas especializadas en integración de inteligencia artificial, fortalecer capacidades nacionales de cómputo y generar conocimiento aplicable a los problemas propios de la producción, la salud, la educación, la energía o la administración pública.

La infraestructura pública de ARSAT, incluida su Red Federal de Fibra Óptica y su Centro de Datos, constituye un activo estratégico para un modelo de desarrollo autónomo. Aunque, bajo la lógica extractivista actual, también pueden ser espacios para subsidiar la acumulación privada con insignificantes beneficios sociales. Por eso es fundamental diseñar las políticas tecnológicas, de ciencia, de infraestructura digital y de capacitación. Es imprescindible que un nuevo modelo de política industrial reemplace al viejo régimen de economía del conocimiento, que ya no responde a la resolución de problemas estratégicos del país.

En definitiva, la inteligencia artificial no obliga a elegir entre importar tecnología o resignarse al atraso. La verdadera discusión consiste en decidir si queremos limitarnos a consumir una tecnología diseñada por otros o construir las capacidades necesarias para adaptarla, mejorarla y ponerla al servicio de una estrategia de desarrollo soberano.

La entrada La última trampa de la inteligencia artificial se publicó primero en Revista Anfibia.