El hombre que presenta la cuenta

El primer episodio de esta serie discutía si la inteligencia artificial acabará con la humanidad. Ed Zitron plantea antes la pregunta más incómoda: si siquiera resulta rentable. Bartlett empieza con un juego — lee frases que Zitron considera mitos y le deja responder. «La industria de la IA genera un enorme crecimiento económico». No. «La IA sustituirá todos los empleos humanos». No está ocurriendo, y no hay datos económicos que lo respalden. Así queda fijado el tono de la noche: aquí no se sienta un investigador de seguridad que advierte sobre el futuro, sino un contable del presente que quiere ver las cuentas. Vídeo desde 0:00:30

El críticoQuién habla — y por qué importa

Bartlett pregunta pronto por sus credenciales, y Zitron se adelanta a la pregunta: dicen que no tiene formación financiera. Y es cierto, no la tiene. Lleva años en la industria tecnológica, dirige una agencia de relaciones públicas, escribe un boletín y presenta un pódcast. Lo que sabe hacer es leer informes financieros y reconocer el lenguaje de venta — él mismo lo vende profesionalmente. Su crítica no parte de la filosofía, sino de la decepción: le vendieron como magia algo que, mirado de cerca, es «software en la nube aburrido», caro, no rentable y poco fiable en el fondo. Vídeo desde 0:03:18

Este origen es a la vez su fortaleza y su límite. Conoce la mecánica del bombo publicitario desde dentro, porque él mismo forma parte del aparato que lleva a las empresas tecnológicas a los medios. Pero no es investigador, ni constructor de modelos, ni analista de un banco — y su tono, lo sabe él mismo, lo vuelve incómodamente inatacable para la industria. La gente de relaciones públicas de OpenAI, dice con sequedad, no está especialmente encantada con él. Vídeo desde 1:12:28

Las cuentasLo que dicen los libros

El núcleo duro de la conversación es una cifra que el propio Zitron obtuvo y publicó: OpenAI perdió 20.900 millones de dólares en el último ejercicio fiscal. No frente a unos ingresos mínimos, sino frente a unos 13.000 millones de dólares de ingresos con cerca de 34.000 millones de dólares de costes. El Financial Times y varios medios económicos confirmaron después las cifras auditadas. Solo en investigación y desarrollo se gastó más que la totalidad de los ingresos. Esta es la base sobre la que se sostiene todo lo demás en esta conversación — y es el punto en el que los detractores de Zitron tienen menos que decir. Vídeo desde 0:13:10

Las tres pérdidasPor qué ambos bandos se equivocan en las cuentas

Quien sigue este debate tropieza con tres cifras de pérdidas distintas, todas correctas y que miden cosas diferentes. La pérdida operativa, de unos 21.000 millones de dólares, mide el negocio: costes corrientes frente a ingresos corrientes. La pérdida neta declarada, de 38.500 millones de dólares, incluye además una enorme revalorización derivada de la conversión de la estructura societaria — contabilidad, no dinero que haya salido de caja. Y la pérdida ajustada, a la que recurren las fuentes cercanas a la empresa, es notablemente menor porque excluye efectos puntuales y créditos de tiempo de cómputo.

Los críticos citan la cifra más alta, la empresa la más baja. Quien quiera saber si el negocio se sostiene toma la intermedia. Lo mismo ocurre con los ingresos: una proyección a partir del mejor mes — más de 40.000 millones de dólares anualizados en el verano de 2026 — no equivale a los ingresos anuales. Ambas cosas se mezclan constantemente en los titulares, en las dos direcciones.

El taxímetroPor qué una suscripción oculta el precio

La explicación más importante de Zitron es también la más sencilla. Las empresas de IA cobran por tokens — la imagen de Bartlett es el taxímetro de un taxi neoyorquino. Se paga cada palabra introducida, cada palabra generada y, lo que la mayoría pasa por alto, cada palabra que el modelo produce mientras «razona». Quien tiene una suscripción mensual nunca ve ese contador. Ve un límite máximo y un precio fijo. Vídeo desde 0:12:04

Un grupo de analistas calculó cuántos tokens puede llegar a consumir un usuario intensivo con una suscripción de 200 dólares al mes: un valor equivalente a unos 14.000 dólares, y en el caso de la competencia, unos 8.000. Esta cifra se cita con frecuencia de forma incorrecta, de ahí la aclaración: es el precio de lista de la interfaz de programación, no el dinero que la empresa pierde por cliente. Aun así, el fondo del argumento se mantiene — una tarifa plana en la que los clientes más caros consumen varias veces su aportación no es un negocio de software, sino un subsidio. Vídeo desde 0:12:52

Lo que ocurre cuando el contador se hace visible lo vivió la industria en la primavera de 2026. Cuando se cambió a los clientes empresariales a una facturación por consumo real, la reacción fue inmediata: un solo gran cliente había agotado su presupuesto anual de tokens en tres meses. Las mismas empresas que hasta hacía poco calificaban a la IA como la tecnología más productiva de todos los tiempos empezaron a hacer números. Vídeo desde 0:13:44

El círculoQuién le da el dinero a quién

El segundo elemento es la estructura de la demanda. La acusación de Zitron es que los ingresos de los grandes proveedores no proceden en realidad de la IA, sino de sus negocios tradicionales — y que una parte considerable de lo que se celebra como ingresos de IA proviene de dos laboratorios no rentables que no podrían existir sin el dinero de esos mismos grupos. Cita cifras de decenas de miles de millones de dólares que Amazon ha transferido este año a OpenAI. Vídeo desde 0:04:25

Su comparación más afilada: el fabricante de chips facturó en el ejercicio 2026 un total de 215.900 millones de dólares — para abastecer, según el cálculo de Zitron y fuera de los grandes laboratorios, un mercado de apenas unos 22.000 millones de dólares. Quien prefiera evitar la palabra fraude puede decir lo mismo con frialdad: la demanda es circular y está concentrada en muy pocos deudores. El fabricante de chips invierte en los laboratorios, los laboratorios compran tiempo de cómputo, los operadores de centros de datos registran con ello una cartera de pedidos, y los tres acaban pareciendo más sanos de lo que el flujo de pagos real permite. Vídeo desde 0:18:54

La magnitud del lado físico de esta apuesta la explica con el ejemplo de un centro de datos en Texas: 1,2 gigavatios, ocho edificios, con 50.000 procesadores gráficos cada uno. Se construye para una demanda que, a ese nivel, todavía nadie paga. Vídeo desde 0:06:54

La objeciónDonde Bartlett no está de acuerdo

La conversación no es un partido en casa. Bartlett contraataca, y en dos puntos acierta. Primero, en el crecimiento: 100 millones de usuarios en dos meses, más rápido que cualquier plataforma anterior, y más de la mitad de los adultos estadounidenses usa ya este tipo de herramientas. Segundo, en la calidad: él mismo, dice, ya no se topa con respuestas inventadas, a lo sumo con razonamientos débiles. Zitron discrepa y remite a clasificaciones que miden lo contrario — y a la diferencia entre un error en una ventana de chat y un error en un software que utiliza un hospital o un fondo de inversión. Vídeo desde 0:38:24

Sin embargo, su respuesta al argumento del crecimiento es la mejor pregunta de la noche, y devuelve la conversación a las cuentas: ¿seguiría esa misma usuaria entusiasmada utilizando el servicio si tuviera que pagar el precio real por millón de tokens? Vídeo desde 0:39:32

Los empleosUna disputa sobre las pruebas

Sobre el mercado laboral es donde Zitron se vuelve más categórico — y más vulnerable. La sustitución masiva del trabajo humano no está ocurriendo, dice, no hay datos económicos que lo respalden. Lo que se ha desplazado hasta ahora, sobre todo, es trabajo por encargo comprado barato. Su argumento más sólido aquí no es un contraargumento, sino una crítica de fuentes: un estudio muy citado sobre quienes se incorporan al mercado laboral, dice, lo leyó en el original — allí hay una sola frase cautelosa que en la cobertura mediática se convirtió en una certeza. Vídeo desde 1:07:17

Que él mismo no aplique siempre el mismo rigor a sus propias conclusiones forma parte del balance honesto de esta conversación. «No te va a quitar el empleo» resulta, como consuelo, tan poco demostrado como «se llevará todos los empleos antes de 2027». Vídeo desde 1:19:50

2027El año al que apela el título

La fecha del título del vídeo procede de un cálculo frío, no de una profecía. La salida a bolsa que debía producirse este año se ha aplazado — una semana y media después de que Zitron publicara las cifras auditadas. Los modelos solo mejoran si siguen entrando decenas de miles de millones de dólares. Así que hace falta la próxima ronda, y la siguiente. En algún momento de 2027, dice, se acabará el aire. Vídeo desde 2:08:57

Resulta llamativo que no se comprometa con el cómo: hay muchas formas en que podría terminar, dice. Lo decisivo es otra cosa — que varias empresas muy grandes dependen, en su propia existencia, de un único laboratorio no rentable. Quien no pueda vender sus participaciones porque no llega la salida a bolsa tiene un problema que ya no tiene nada que ver con la tecnología. Vídeo desde 2:11:46

Y aquí está justamente el límite del argumento. Que los compromisos vencen y el capital puede escasear es una afirmación sobre contratos. Que ocurra en 2027 es una apuesta sobre el estado de ánimo de los mercados de capitales. Los mercados pueden financiar la irracionalidad durante más tiempo del que los críticos pueden tener razón. Vídeo desde 2:13:14

La contrapruebaDónde se equivoca el propio Zitron

Dos pasajes no resisten la comprobación, y ambos se refieren a la investigación en seguridad. Zitron cuenta el conocido ensayo en el que un modelo logró que una persona resolviera por él un acertijo visual, y lo atribuye a la generación de modelos anterior. La ficha técnica publicada dice GPT-4, y la conducta fue un engaño sobre su propia identidad, no una extorsión. Vídeo desde 2:00:50

Poco después afirma que Anthropic ordenó expresamente a un modelo extorsionar a alguien. La descripción publicada dice otra cosa: los investigadores construyeron una situación empresarial ficticia con conflicto de objetivos y desconexión anunciada y limitaron las opciones disponibles — y precisan expresamente que no dieron ninguna instrucción de extorsionar. Su crítica de fondo, que estos montajes son artificiales, sería más fuerte sin ese error. Vídeo desde 2:01:54

CierreCómo termina la conversación

Al final, es precisamente el anfitrión, que ha rebatido durante dos horas, quien hace un balance inesperado: se detuvo un momento y consideró en serio, por primera vez, que aquí se esté construyendo una burbuja. Las últimas palabras de Zitron no van sobre dinero. A la última pregunta de Bartlett, sobre qué hace buenas las relaciones, responde que este trabajo resulta agotador durante largos tramos y le trae mucha hostilidad — lo que le ha sostenido han sido las personas que le rodean. Es el único momento de la noche en que el crítico más ruidoso del sector baja la voz. Vídeo desde 2:24:08

Resumen y contexto de kipode.de. El texto es propio; las afirmaciones remiten al original mediante marca de tiempo. El vídeo procede de The Diary of a CEO y se integra a través del reproductor oficial de YouTube. No es una traducción oficial ni existe vínculo con el pódcast.