De 2022 a 2025, el sector luchó contra un problema de realización. Este término marxista se refiere al momento en el ciclo del capital (del dinero a la inversión en capacidad productiva y de vuelta al dinero) en el que las mercancías se convierten en ventas rentables. Un problema de realización surge cuando las empresas pueden producir enormes cantidades de bienes o servicios, pero no encuentran suficientes compradores para recuperar los costes.

En otras palabras, un problema de realización ocurre cuando la capacidad productiva se expande más rápido que la demanda. En los primeros años de la IA, las empresas tecnológicas invirtieron sumas enormes en IA generativa (granjas de servidores, entrenamiento de modelos, mano de obra de ingeniería, etc.), pero la demanda era insuficiente. A finales de 2025, Wu señaló que el grupo de personas dispuestas a pagar 20 dólares al mes por IA generativa es menor que el dispuesto a pagar 20 dólares al mes por Netflix. Para generar demanda de un producto con el que sus empleadores estaban financieramente vinculados, las empresas tecnológicas presionaron a los empleados para que utilizaran los chatbots, independientemente de si esa demanda producía un rendimiento proporcional.

Por ejemplo, Meta y Shopify crearon tablas de clasificación internas para rastrear y premiar el uso de tokens. El director ejecutivo de Nvidia, Jensen Huang, dijo que estaría «profundamente alarmado» si un ingeniero no utilizara al menos 250.000 dólares en tokens en un año, y que «esto no es diferente a que uno de nuestros diseñadores de chips diga: ‘¿sabes qué? Voy a usar lápiz y papel'». Esto ocurre, por supuesto, después de que Nvidia invirtiera 30.000 millones de dólares en OpenAI, financiando la demanda de su propio producto.

En enero, Accenture comunicó al personal directivo que debían utilizar regularmente herramientas de IA para ser considerados para ascensos. Como declaró un empleado anónimo de Accenture a Jacobin: «Ojalá hubiera más transparencia sobre la imposición del uso de la IA entre el personal directivo. La política es imprecisa. Me preocupa que anime a la gente a usar la IA simplemente para alcanzar algún objetivo».

De este modo, el problema de realización se aplazó mediante una combinación de creación de demanda ficticia y precios subvencionados. Además, quedó oculto por la lógica de financiación circular del sector, donde un pequeño grupo de empresas se protegió de la disciplina del mercado financiándose, abasteciéndose y vendiéndose entre sí en un bucle cerrado.

A finales de 2025, Anthropic lanzó su modelo Claude Opus 4.5, un modelo de IA agéntica dirigido a «trabajadores del conocimiento». Opus 4.5 representa un verdadero logro tecnológico bajo cualquier estándar convencional. Sin embargo, el modelo también es drásticamente más caro de ejecutar y ha provocado tanto un cambio en la estrategia de precios como una ruptura con el discurso anterior de la IA como un servicio público universal.

Los tokens son la unidad básica de datos que procesan los modelos de IA. Conversar con un chatbot consume varios cientos de tokens por párrafo. Las tareas de IA agéntica, en las que los modelos navegan de forma autónoma por la web, escriben y ejecutan código o gestionan flujos de trabajo complejos, pueden consumir rápidamente millones de ellos. Según el empresario e inversor de Silicon Valley Vasudev Bhandarkar, la razón principal por la que la IA agéntica es exponencialmente más cara se debe a su multiplicidad (la capacidad de gestionar muchas llamadas a la vez), la cantidad de contexto que puede retener, su capacidad de verificación, el uso de herramientas externas y el alto coste cuando falla. El paso de la IA conversacional a la agéntica representa un enorme salto en la intensidad de recursos.

Desde principios de 2026, Anthropic ha introducido progresivamente recargos basados en tokens, niveles de inferencia premium, facturación independiente para agentes autónomos y medición basada en créditos para el uso de herramientas e integraciones. A principios de mayo, la empresa anunció que los suscriptores de Claude tendrían un contador de créditos mensual independiente para herramientas de agentes y entornos de terceros (herramientas que envuelven el modelo Claude) facturado a tarifas completas de interfaz de programación de aplicaciones (API) a partir de mediados de junio. Al ser consultado al respecto, un investigador anónimo especializado en grandes modelos de lenguaje (LLM) declaró a Jacobin:

Desde Claude Opus 4.5, los proveedores de modelos priorizan cada vez más las capacidades agénticas y los acuerdos de empresa a empresa (B2B), al tiempo que restan prioridad a los consumidores finales. Empresas como Google y OpenAI, aunque siguen interesadas en la adopción masiva, están pivotando. Anthropic priorizó el B2B desde el principio.

La dirección está clara: las formas de IA más potentes y con mayor consumo de cómputo son la prioridad y se racionarán cada vez más para los trabajadores de cuello blanco de las grandes empresas cuyos empleadores puedan pagar su elevado precio. A principios de marzo, Claude superó brevemente a ChatGPT en usuarios activos diarios, registrando un aumento del 1.487 por ciento en su uso. La demanda existe. El modelo de precios para sostenerla a niveles de acceso democráticos y accesibles, no. En palabras de Bhandarkar, «la pregunta es: ¿se convertirá la IA en algo parecido a la electricidad o a los jets privados?».

Por ahora, la respuesta del sector a esta contradicción es que la IA se amortizará sola gracias a los aumentos de «productividad». La experiencia reciente de Uber sugiere que esto puede no ser tan sencillo. Tras gastar 3.400 millones de dólares en IA en 2025, Uber ejerció una fuerte presión interna sobre sus cinco mil ingenieros para que adoptaran Claude, con tablas de clasificación que fomentaban el máximo uso. La empresa agotó todo su presupuesto de IA para 2026 en el mes de abril. El director de tecnología de Uber admitió que estaba «volviendo a empezar de cero porque el presupuesto que pensaba que necesitaría ya se ha esfumado».

El valor de uso de la IA y sus costes para el capital han tomado caminos divergentes. Los aumentos de productividad probablemente sean reales, pero insuficientes. Por ejemplo, el consumo por desarrollador en Uber se ha multiplicado entre cinco y veinte veces, pero ningún indicador público muestra un incremento equivalente en el «valor del rendimiento». Según el investigador de LLM, «tanto si eres un proveedor de modelos como una empresa tecnológica en la economía de la IA, la competencia es feroz y sientes la presión de mantener el nivel de gasto, incluso si estás invirtiendo más de lo que deberías o puedes». Por ahora, no hay pruebas de que las cuentas cuadren y, lo que es más importante, no hay pruebas de que sea necesario. La misma financiación circular permite al sector seguir gastando sin conciliar el coste y el rendimiento.

Incluso si la IA acaba amortizándose en una empresa como Uber, ¿qué aporta eso a la mayoría de los trabajadores que quedan excluidos de estos beneficios? Dicho de otro modo, aunque la IA sea productiva en su conjunto, ¿para quién se materializa ese valor de la productividad? Las ganancias de eficiencia se dirigen principalmente al trabajo intelectual, pero los costes (precios más altos, acceso racionado, precariedad laboral y, de manera más urgente, la devastación medioambiental) se reparten de forma desigual.

Aunque las empresas de IA que nos impusieron el consumo de esta tecnología no tienen un plan claro para afrontar los crecientes costes, han demostrado una capacidad extraordinaria para asegurar financiación innovadora y aplazar el desenlace a través de los mercados de capitales. La principal preocupación no son los balances de la economía de la IA, sino si este es un trato que el resto de nosotros queremos aceptar pasivamente. ¿Es posible renegociar las condiciones de esta transición?