La Cruda Realidad de la IA Corporativa: Costos Fuera de Control y una Inundación de 'Trabajo Basura'

"Al principio, quieres que la gente empiece a usar las herramientas, y realmente no costaban mucho [...] ahora, por la forma en que funcionan los modelos, la cantidad de contexto que puedes introducir, tus costos no escalan de forma lineal", explicó Comyn . Esto crea lo que él denomina un "desafío de gestión emergente clave": los directores financieros y de tecnología están atrapados en ciclos presupuestarios anuales que no pueden tener en cuenta una variabilidad del costo por tarea que puede oscilar entre 10 y 50 veces más dependiendo de la complejidad .

Esta dinámica no es abstracta. La transición de GitHub Copilot el 1 de junio de 2026 a una facturación basada en el uso lo hizo dolorosamente concreto. Anteriormente, una tarifa plana de suscripción cubría todas las solicitudes; ahora, cada token de entrada, salida y contexto almacenado en caché se contabiliza a través de los Créditos de IA de GitHub, donde un crédito equivale a $0.01 USD . Los usuarios intensivos que ejecutan sesiones de codificación agéntica están viendo cómo sus facturas se disparan de inmediato, y algunos reportan aumentos proyectados de 10 a 50 veces . Una sola sesión agéntica compleja contra un modelo de alto nivel puede ahora consumir toda la asignación mensual de créditos de una sola vez .

'Trabajo Basura' Definido: El Costo Oculto de la Producción de IA Sin Valor

La segunda gran advertencia de Comyn es cualitativa. Usó la frase "trabajo basura" para describir la proliferación de texto, código y análisis generados por IA que parecen productivos pero añaden un valor real insignificante . Esta producción no solo falla en ayudar, sino que crea activamente costos ocultos: cada pieza de contenido generado por IA que entra en un flujo de trabajo debe ser revisada, verificada, editada o descartada por empleados humanos .

Esta es la contraparte empresarial del fenómeno de la "basura de IA" en la web de consumo: spam en motores de búsqueda, publicaciones formularias en redes sociales y contenido de relleno autogenerado. En un entorno corporativo, el riesgo es mayor. El "trabajo basura" puede degradar silenciosamente la toma de decisiones interna, la documentación de cumplimiento normativo e incluso los productos de cara al cliente si pasa por filtros de calidad inadecuados . Cuantas más empresas despliegan la IA en cada función sin una validación rigurosa, mayor es la pila de trabajo sin valor que deben pagar a los humanos para limpiar.

La Apuesta Tecnológica de A$2.400 Millones del CBA y el Impacto en la Fuerza Laboral

La advertencia de Comyn no es la de un observador imparcial. El CBA invierte aproximadamente A$2.400 millones al año en tecnología, más que cualquier otro gran banco australiano por un margen de al menos $500 millones . Ese gasto se presenta como una apuesta estratégica por la productividad impulsada por la IA, pero los comentarios de Comyn reconocen que esta misma partida presupuestaria está expuesta a la misma inflación impredecible sobre la que está alertando a otros .

Al mismo tiempo, el CBA está demostrando el impacto de las ganancias de productividad de la IA en tiempo real. El banco recortó alrededor de 300 puestos a principios de 2026, además de los 90 roles de personal de soporte previamente reemplazados por un chatbot de IA y otros 120 puestos eliminados en abril . Comyn ha sido explícito: la IA "quitará puestos de trabajo en empresas de toda la economía" y las empresas deben ayudar a su personal a prepararse para ese futuro en lugar de fingir lo contrario .

Aun así, el CBA también ha comprometido A$90 millones en tres años para su Programa de Fuerza Laboral del Futuro, una importante iniciativa de recapacitación para sus más de 30,000 empleados . El programa incluye una nueva plataforma interna de carreras llamada Grow Your Career, formación enfocada en IA y un mapeo de habilidades diseñado para hacer transparente la movilidad interna . Esta postura dual —recortar empleos mientras se recapacita— es un reflejo honesto de la visión de Comyn de que la disrupción ya está aquí, y las empresas necesitan una estrategia tanto para los trabajadores que se quedan como para los que se van .

Implicaciones Estratégicas para Cada Empresa

La convergencia de la advertencia de Comyn, las propias acciones del CBA y el detonante inmediato del cambio de facturación de GitHub Copilot apunta a tres imperativos estratégicos para cualquier organización que ejecute IA en producción:

1. El Presupuesto Debe Volverse Dinámico y Medido. La era de los presupuestos anuales fijos para IA ha terminado. Los modelos de facturación por token convierten la IA en un servicio de costo variable, comparable al de la computación en la nube. Las empresas necesitan un monitoreo de costos en tiempo real, asignación de créditos por equipo, límites de uso y la capacidad de ajustar presupuestos a mitad del ciclo — disciplinas que las empresas nativas de la nube aprendieron hace una década, pero que muchas empresas tradicionales aún no han adoptado para la IA .

2. El Control de Calidad No Es Opcional. El "trabajo basura" crea un vínculo directo entre el fallo de calidad y el sobrecosto. Cada producto de IA no revisado que entra en un flujo de trabajo exige una revisión humana posterior. Las empresas deben imponer filtros de calidad, validación con intervención humana y auditorías de resultados. Sin estos sistemas, la línea de costos subirá mientras la línea de valor se mantiene plana .

3. La Estrategia de Personal Debe Planificar el Recorte y la Mejora de Habilidades Simultáneos. El modelo del CBA es instructivo: la IA reduce la plantilla en algunos equipos, mientras la inversión en recapacitación crea nuevas rutas profesionales para otros. El programa de A$90 millones indica que la alternativa a los despidos no es la protección del empleo, sino la transformación del empleo — y que las empresas tienen la responsabilidad de guiar a sus fuerzas laborales a través de esa transición .

El mensaje central de Comyn es que la IA corporativa ha entrado en una fase marcadamente más difícil. Las ganancias fáciles ya se han cosechado; lo que queda es complejo, costoso y exige una disciplina de la que la mayoría de las organizaciones carecen. La factura por esa falta de disciplina está llegando ahora en forma de costos de tokens impredecibles y una pila creciente de "trabajo basura" que alguien debe limpiar .