La IA "quita empleos", ¡grandes despidos en Silicon Valley! Ingenieros de primera línea revelan la verdad: la eficiencia de la IA está severamente sobrevalorada, los humanos se ven obligados a convertirse en revisores, y la carga de trabajo es 10 veces mayor que antes.

En 2026, la ola de despidos en el sector tecnológico de Silicon Valley no cesaba. En enero, Amazon confirmó que despediría a aproximadamente 16,000 empleados; en febrero, la fintech Block eliminó casi la mitad de su plantilla; en marzo, se reportó que Meta planeaba reducir su personal en 16,000.

La ansiedad por la sustitución de los empleados de oficina por la IA se extendió por el mercado laboral.

Sin embargo, un artículo publicado por Siddhant Khare, ingeniero de software en Ona, titulado «El agotamiento por IA existe realmente, pero nadie habla de ello», generó un amplio debate en medios y entre lectores a nivel mundial.

En él, expresó la gran brecha entre las aplicaciones reales de la IA y las visiones optimistas. Considera que la mejora en eficiencia que aporta la IA está sobrevalorada, mientras que los trabajadores se ven atrapados en un estado de «agotamiento por IA».

Recientemente, Siddhant Khare concedió una entrevista exclusiva a «Diario Económico» (en adelante NBD), en la que afirmó que, como desarrollador de infraestructura para agentes de IA, recomienda a las personas cambiar sus hábitos de uso de la IA para evitar quedar atrapadas en un ciclo de generación, revisión, re-generación y re-revisión.

Fuente de la imagen: perfil social del entrevistado

«Con la IA, la carga de trabajo de las personas se multiplica por diez»

NBD: ¿Cuál cree que es la causa principal del «agotamiento por IA»?

Siddhant Khare: El «agotamiento por IA» es, en esencia, un problema estructural. La IA aumenta varias veces la eficiencia en la generación de código, textos, documentos, etc., pero la eficiencia en las etapas de revisión y verificación no ha mejorado en paralelo. La persona sigue siendo el cuello de botella principal en todo el proceso, y debe gestionar una carga de trabajo diez veces mayor que antes.

Es como si en una fábrica se reemplazara una máquina de estampado por otra que trabaja diez veces más rápido, pero el inspector de calidad al final de la línea sigue siendo uno solo. La capacidad de producción aumenta significativamente, pero la carga del inspector se duplica, sin que la tasa de productos defectuosos cambie, y al final, quien sufre un colapso es esa persona que soporta toda la presión de revisión.

En trabajos basados en el conocimiento, la IA solo ha automatizado la producción, pero no la revisión. La mayoría de los gerentes de empresas ni siquiera son conscientes de este problema. Solo observan los datos superficiales: más entregas de código, mayor producción de documentos, aumento en el envío de correos electrónicos, informes que parecen impresionantes, pero ignoran el agotamiento físico y mental de los empleados.

NBD: La gente pensaba que la IA podía aumentar la eficiencia, ¿por qué entonces la carga de trabajo ha aumentado tanto?

Siddhant Khare: La mejora en productividad que trae la IA no se ha traducido en más tiempo libre para los empleados, sino que las empresas han convertido esa mayor capacidad en expectativas laborales más altas, elevando el umbral de «trabajo aceptable».

Antes de la IA, un ingeniero de software enviaba unas 20 solicitudes de extracción (PR) por semana, lo que era considerado normal. Con la ayuda de la IA, su capacidad teórica de producción subió a 50, y la empresa estableció esa cifra como nuevo estándar.

Todo contenido generado por IA requiere revisión humana. Como mantenedor de proyectos de código abierto, lo vivo en carne propia. Antes, solo tenía que revisar entre 20 y 25 PRs de código por semana; ahora esa cifra se ha disparado a más de cien, la mayoría generados por IA, y cada solicitud debe ser revisada cuidadosamente.

«Usar herramientas de programación con IA, en realidad, reduce la eficiencia laboral en un 19%»

NBD: ¿Qué valores de la IA son los más sobrevalorados? ¿Y qué costos se subestiman?

Siddhant Khare: La sobrevaloración más común es la velocidad de implementación y la mejora instantánea en eficiencia. Muchas empresas caen en el error de pensar que, solo con equipar a los empleados con herramientas de IA, en unas semanas verán un salto en productividad, pero los datos reales muestran lo contrario.

El análisis de eficiencia en ingeniería y productividad de desarrolladores realizado por la plataforma DX, que abarcó a más de 450 empresas y 120,000 desarrolladores, revela que aunque el 93% de los desarrolladores usan herramientas de programación con IA, la mejora real en eficiencia laboral apenas alcanza el 10%, y difícilmente se logra un avance posterior.

Los resultados de experimentos comparativos del instituto METR, especializado en evaluación de modelos y análisis de riesgos, son aún más duros: los desarrolladores que usan herramientas de IA en realidad ven una disminución del 19% en su eficiencia laboral, aunque subjetivamente sienten que han acelerado un 24%.

El costo que las empresas subestiman más fácilmente es el de la revisión humana del contenido generado por IA. Casi ninguna contempla ese tiempo y esfuerzo en su planificación de costos laborales. Además, está la cuestión de la percepción profesional de los empleados: cuando la mayor parte del trabajo lo realiza la IA, aquellos que antes encontraban satisfacción en su especialización, empiezan a sentir que solo son inspectores en una línea de producción. Esa brecha de identidad, difícil de cuantificar, puede provocar una pérdida de talento de forma directa.

«Revisar contenido de IA, es más agotador que hacerlo uno mismo»

NBD: Muchos empleados piensan que usar IA en realidad es entrenar a la IA para que los reemplace. ¿Es una preocupación válida? ¿Qué puestos son los más vulnerables y cuáles los más resistentes?

Siddhant Khare: La mayoría de los empleados no están entrenando directamente a los grandes modelos de IA. Cuando usan ChatGPT, Copilot u otras herramientas, lo que ingresan no se convierte automáticamente en datos de entrenamiento para la próxima generación de modelos. La mayoría de los acuerdos de usuario prohíben expresamente esa práctica. La idea de «entrenar a la IA para que me reemplace» no tiene sustento técnico.

El verdadero impacto de la IA en el mercado laboral no es una sustitución masiva, sino la redefinición de puestos, el aumento sustancial de la carga de trabajo y el desplazamiento de tareas clave. Los trabajos más fáciles de reemplazar son aquellos que producen resultados estandarizados, con baja exigencia de calidad, y que son repetitivos, como redactar borradores, ingresar datos básicos, generar código simple o preparar informes con plantillas, siempre que solo «sirvan para lo necesario». La IA puede hacerlos perfectamente.

Por otro lado, los puestos más difíciles de sustituir son aquellos que requieren comprensión global, sensibilidad estética y juicio independiente, como diseñar arquitecturas de sistemas, definir estrategias de producto, negociar y comunicar en negocios, o crear contenidos creativos. La esencia de estos trabajos nunca ha sido la ejecución mecánica.

La mayoría de los profesionales se encuentran en un punto intermedio. Sus tareas no desaparecerán de inmediato, pero sí deberán adaptarse y transformarse.

NBD: ¿Cómo cree que está cambiando el valor central de los empleados?

Siddhant Khare: Ese cambio ya está ocurriendo, aunque la mayoría de las empresas aún no lo reflejan en sus sistemas de evaluación de desempeño.

En el futuro, los mejores ingenieros no serán los que escriben más código o producen más, sino quienes puedan detectar rápidamente si una solución de IA se ajusta al sistema global y si la lógica es correcta. Esa capacidad de juicio requiere experiencia prolongada en la industria y una visión sistémica, no se obtiene solo afinando prompts.

El valor del empleado se está desplazando: de valorar la cantidad de producción a valorar la calidad del juicio; de competir en velocidad de ejecución a competir en profundidad de pensamiento. Los empleados más insustituibles serán aquellos que puedan discernir con precisión lo correcto y lo incorrecto, y fundamentar sus decisiones con argumentos claros y racionales. Esa capacidad de juicio será su valor central.

«La raíz del agotamiento es la incertidumbre inherente a la IA»

NBD: ¿Por qué, en comparación con olas anteriores de automatización, la IA genera más fácilmente fatiga?

Siddhant Khare: La principal razón es que las herramientas de automatización anteriores eran deterministas, mientras que la IA está llena de incertidumbre.

Las herramientas tradicionales, con instrucciones iguales y entradas iguales, siempre daban resultados iguales y, en caso de error, lo reportaban inmediatamente; pero la IA no. Con las mismas indicaciones, puede generar contenidos completamente diferentes, y aunque cometa errores, estos pueden ser muy convincentes y confusos. Los errores de la IA son muy difíciles de detectar: el código puede funcionar, los textos parecer coherentes, los informes tener un formato correcto, pero en alguna página puede esconder un error factual, en alguna línea un fallo lógico, o en algún párrafo una información inventada.

Este tipo de errores silenciosos exigen una atención constante y prolongada, lo cual consume mucha energía mental. Además, la IA imita en gran medida el estilo humano, por lo que revisar su contenido requiere un esfuerzo cognitivo casi igual al de crear contenido desde cero.

NBD: Si no podemos confiar plenamente en las salidas de la IA, pero debemos usarla a escala, ¿cómo podemos cerrar esa brecha de confianza?

Siddhant Khare: Lamentablemente, la mayoría de las empresas siguen la peor estrategia: consideran la revisión humana como la única garantía de calidad.

Las empresas que hacen las cosas bien establecen un sistema que llamo «mecanismo de retroalimentación inversa» (backpressure). En términos simples, antes de que el contenido de IA pase a revisión humana, se implementa un mecanismo automatizado que detecta y bloquea la mayoría de errores evidentes, reduciendo así la carga de trabajo de los revisores.

«Las tareas más importantes a menudo no requieren IA»

NBD: Frente a la sobrecarga laboral y el desgaste mental que trae la IA, ¿cómo deberían los empleados de oficina interactuar correctamente con ella?

Siddhant Khare: Recomiendo tres enfoques.

Primero, no usar IA en tareas donde «pensar en sí mismo es el valor». Por ejemplo, al diseñar estrategias, el valor está en el proceso de reflexión, no en teclear ideas. Saltarse ese paso con IA reduce el valor de nuestro trabajo. La IA es más útil en tareas repetitivas donde el resultado importa más que el proceso, como generar borradores, tareas rutinarias o informes estándar.

Segundo, establecer límites claros para el tiempo dedicado a revisar. Si cada día se invierten más de 2 horas en revisar salidas de IA, algo en el proceso está mal, ya sea por instrucciones poco claras, falta de contexto, reglas de trabajo inadecuadas o ausencia de mecanismos automáticos de control. No se debe normalizar una revisión ilimitada de todo lo que produce la IA.

Tercero, proteger el tiempo dedicado al trabajo profundo. La IA crea un ciclo que atrapa a la persona: generar, revisar, volver a generar, volver a revisar. Este ciclo interrumpe la concentración. Es importante reservar un período sin usar IA, en el que las tareas más importantes se aborden solo con pensamiento independiente, sin depender de prompts.

NBD: ¿Y qué hacer si ya se ha desarrollado dependencia a la IA? ¿Cómo cambiar esa relación?

Siddhant Khare: Lo primero es modificar los hábitos de uso. Hoy en día, muchas personas, al enfrentarse a un problema, abren automáticamente ChatGPT. Sin pensar, dejan que la IA genere contenido sin un proceso previo de reflexión.

Hay que invertir el orden: primero pensar de forma independiente, definir claramente el objetivo, y luego decidir si usar IA. Muchas veces, una hoja en blanco y veinte minutos de reflexión profunda producen mejores resultados que depender de la IA desde el inicio.

La ansiedad por la IA surge, en esencia, por la pérdida de control. Cuando la IA genera continuamente y ofrece sugerencias sin parar, uno siente que solo es un ejecutor pasivo. Pero si recuperamos la capacidad de decidir cuándo y cómo usar la IA, esa sensación de control vuelve, la ansiedad disminuye y se puede salir realmente del agotamiento por IA.