En 2023 y 2024 la conversación sobre la IA se inclinó hacia dos extremos: despidos masivos y empresas que “debían adoptar la IA o morir”. En 2026, el panorama sigue moviéndose rápido, pero se ve más áspero y menos lineal.

Mientras las empresas incorporan herramientas a gran velocidad, muchas aún no logran convertir esa inversión en ingresos claros. En paralelo, dentro de compañías clave de IA, varias figuras relevantes han renunciado, dejando señales de fricción interna sobre monetización, publicidad, datos, seguridad e incertidumbre respecto al rumbo de la industria.

La adopción ha sido rápida, sí. Pero en los primeros meses de 2026 surgen señales menos prometedoras y más realistas: una cadena de renuncias de figuras relevantes dentro de compañías clave de IA, acompañadas de cartas y declaraciones que revelan tensiones internas sobre seguridad, monetización e incertidumbre respecto al rumbo de la industria.

Una ola de salidas

En las últimas semanas, figuras claves han renunciado en empresas como OpenAI y Anthropic, muchas de ellas comunicadas con cartas públicas que no buscan “hacer ruido” ni polémica, sino explicar por qué ciertos equipos ya no se sienten alineados con la dirección de sus compañías, donde ética, seguridad y modelos de negocio aparecen como eje central del conflicto.

Uno de los casos más comentados fue el de Zoë Hitzig, economista e investigadora que dejó OpenAI el mismo día en que comenzó a probarse publicidad en ChatGPT, planteando el riesgo de monetizar un registro íntimo de pensamiento humano y datos personales a escala. Este debate lo hemos seguido en Agencia Digital porque toca la médula de la sostenibilidad de la IA: ¿Anuncios en ChatGPT? El dilema del modelo gratuito.

Otro de los nombres que resonó fue Mrinank Sharma, quien lideró el equipo de Safeguards Research en Anthropic y publicó una carta de renuncia advirtiendo sobre un “umbral” donde el conocimiento humano no estaría creciendo al ritmo de nuestra capacidad tecnológica. En el mismo análisis, se menciona que Sharma trabajó en temas como “AI-assisted bioterrorism” y riesgos de distorsión en la relación humano-agente.

La importancia de estas renuncias no está solo en el contenido emocional y alarmista de las cartas, sino en lo que sugieren: la industria se está acelerando, y esa aceleración genera fricción interna cuando las prioridades cambian desde “investigar y resguardar” hacia “avanzar y monetizar”.

El choque de expectativas: inversión rápida, retorno lento

La narrativa del “crecimiento infinito” que la economía de la IA ha empujado se encuentra con fricciones y obstáculos tanto físicos (centros de datos, costo del hardware y el uso de recursos naturales) como éticos y morales (uso de datos, anuncios y restricciones).

Muchas empresas están adoptando herramientas y tecnología, pero pocas reportan ingresos proporcionales a lo invertido. Y en las compañías que “venden IA” ocurre algo similar: usuarios y uso no se traducen automáticamente en rentabilidad, especialmente cuando la mayoría de los usuarios son gratuitos o Low ticket.

En OpenAI, por ejemplo, la presión por monetizar se ha vuelto visible en debates internos sobre publicidad, precios y expansión del producto. Cuando un líder, como Sam Altman, declara “Code Red” no es una estrategia de marketing: está reconociendo la competencia y urgencia en la industria. Esa tensión ya la analizamos como síntoma de la economía actual: OpenAI activa “Code Red”: señales de una posible burbuja.

Ética, seguridad y el problema de los incentivos

Las renuncias recientes muestran un patrón: cuando el incentivo principal de una empresa pasa a ser crecimiento y monetización en plazos cortos, los equipos de seguridad y gobernanza quedan bajo presión. Algunas salidas en Anthropic, por ejemplo, se han comunicado con advertencias explícitas sobre “riesgos” y sobre la dificultad de sostener principios cuando la competencia acelera.

Lo delicado es que estos debates tienen consecuencias prácticas: cómo se entrena un modelo, qué datos usa, qué restricciones tiene, qué tan transparente es su salida y qué tan manipulable puede ser la experiencia del usuario si se introduce publicidad, segmentación o persuasión en base a algoritmos y la recopilación constante de nuestro comportamiento digital.

Este tipo de tensión se refleja en la disputa pública entre líderes del sector, donde la rivalidad no es solo de producto, sino de narrativa y poder: Elon Musk vs Sam Altman: tensión en la industria de la IA.

IA y economía real: data centers, energía y hardware

La promesa de “acelerarlo todo” tiene un costo físico: centros de datos, electricidad, refrigeración, redes y componentes. La IA no vive en la nube como metáfora; vive en infraestructura y contratos. Y esa presión comienza a llegar al mercado general, al común de las personas.

Un ejemplo concreto es el aumento del precio de componentes y hardware. En Agencia Digital lo abordamos en: La subida del precio de la RAM y el efecto dominó de la IA. Cuando las producción de chips y hardware se satura, la IA deja de ser una conversación abstracta y se vuelve un problema de la economía diaria.

¿Inestabilidad en la industria?

En retrospectiva, el patrón se parece al de otras tecnologías, como el caso de la burbuja “puntocom”, tecnología que creció demasiado rápido basada en entusiasmo, inversión acelerada, promesas y competencia. La diferencia es la velocidad y la escala: la IA abarca el trabajo, educación, consumo, comunicación y Estado al mismo tiempo.

El hecho de que renuncien jefaturas y líderes de áreas sensibles no prueba que la IA “no sirva”. Muestra que la industria está en una etapa donde la distancia entre lo que se promete y lo que se entrega genera fricción interna. Y cuando la fricción se vuelve pública, cambia el relato y se ajustan las expectativas.

Si quieres profundizar en el marco estructural de esta tensión (datos, poder y el valor real de la tecnología) aquí lo abordamos desde otro ángulo: Burbuja de la IA, tecnofeudalismo y datos.

La industria prometió aceleración. Ahora se enfrenta a la parte difícil: convertir esa aceleración en resultados defendibles, sin romper la confianza en el camino. En ese punto, incluso la discusión sobre anuncios toma otra dimensión: Publicidad en ChatGPT y el costo reputacional.

FAQ

¿Estas renuncias significan que la IA está “fracasando”?

No necesariamente. Indican tensiones internas sobre capitalización de recursos, modelos de negocio, escalabilidad y seguridad.

¿Por qué la publicidad en chatbots genera tanta polémica?

Porque una conversación con un chatbot puede contener información sensible. Monetizar ese contexto con ads abre riesgos de manipulación y pérdida de confianza.

¿Qué rol juega la infraestructura en esta tensión?

Es central. Modelos grandes requieren cómputo, energía y hardware a escala. Eso tiene impactos económicos y ambientales reales.

¿Qué debería mirar una marca o empresa que invierte en IA?

Más que “usar IA”, conviene medir el retorno, riesgos en el uso de datos y sostenibilidad operativa. La adopción rápida no garantiza valor.