Usted puede ver la factura de la luz, el precio del supermercado o lo que cuesta una suscripción. Pero hay algo más difícil: detectar el valor de una tarea cuando de golpe se vuelve casi gratis. Ahí está una de las claves de la inteligencia artificial.
Un análisis de Semianalysis pone nombre a ese mecanismo: dark output (producción oculta). El hallazgo revela que el problema no sería solo cuánto gastan las grandes tecnológicas en IA, sino que las métricas tradicionales apenas capturan lo que esa IA ya produce.
Y la cifra del coste impresiona. Según Reuters, las grandes tecnológicas invirtieron 410.000 millones de dólares en IA en 2025 y planean superar los 650.000 millones en 2026. Al mismo tiempo, persiste la sospecha de una burbuja, porque ese despliegue no aparece con la misma fuerza en el PIB ni en los indicadores clásicos de productividad.
La pieza clave es sencilla de imaginar. La IA se parece a una instalación eléctrica nueva dentro de una casa antigua: el cableado cambia, los interruptores responden mejor y muchas tareas se resuelven con menos esfuerzo, pero desde la calle la vivienda parece la misma.
Así funciona una parte del dark output. Si un servicio antes costaba 400 dólares, luego 150 y ahora 0,50 gracias a la IA, el valor práctico sigue ahí, pero la transacción económica casi desaparece. El ejemplo más claro es la redacción de testamentos, donde la máquina reemplaza trabajo humano a un coste mínimo y borra parte del rastro visible en las cuentas.
Además, hay otra cara del engranaje. La IA habilita trabajos que antes no se hacían porque eran demasiado caros. Una revisión bibliográfica, que podía costar hasta 2.000 dólares, hoy puede generarse de forma masiva con modelos de lenguaje, es decir, sistemas que producen texto a partir de instrucciones, dejando apenas como señal una suscripción o unos pocos tokens (unidades de uso de la IA).
El error no estaría solo en la máquina, sino en el medidor
El punto central es que medir servicios y trabajo intelectual siempre fue más complejo que medir bienes físicos. Contar coches, toneladas de acero o cajas enviadas es relativamente simple. Medir la utilidad real de un informe, una búsqueda legal o una síntesis médica ya es otra historia.
Por eso, en IA, mirar solo tokens consumidos puede ser engañoso. Dos consultas pueden gastar casi lo mismo, pero una entregar una respuesta mediocre y otra resolver un problema de alto valor. El recurso consumido no siempre revela la calidad del output, es decir, del resultado final.
No es un fenómeno completamente nuevo. Durante la revolución informática de los años 80 y 90 también hubo una demora para registrar su impacto real. Recién en 2013 se corrigió parcialmente esa omisión al incorporar I+D y propiedad intelectual al PIB, sumando 3,6 billones de dólares de forma retroactiva; para el año 2000, esos activos ya representaban cerca del 30% del PIB.
Hay otro espejo útil: la economía de los cuidados. Gran parte de ese trabajo no remunerado sostiene hogares y sociedades, pero no se refleja bien en las cuentas nacionales. En 2018 se estimó que equivalía a 16.400 millones de horas y a unos 11 billones de dólares, alrededor del 9% del PIB mundial, según la Organización Internacional del Trabajo.
Eso no significa que toda duda sobre la IA esté cancelada. Si el gasto sube a cientos de miles de millones y su aporte al PIB de Estados Unidos luce casi nulo, como advirtió el economista jefe de Goldman Sachs, la inquietud es razonable. Pero también sería prematuro declarar una burbuja sin revisar antes si el tablero con el que se mide está dejando afuera una parte central del juego.
En otras palabras, sabemos dónde está la factura de la IA. Lo que todavía falta es encontrar el medidor correcto para esa corriente nueva que ya circula por la economía.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
