La IA sí se cansa

La narrativa «la inteligencia artificial no se cansa» a diferencia de la inteligencia humana, se repite como si describiera una obviedad. Que si los humanos aprendemos más despacio, somos más caros para la empresa… La lógica parece simple: una IA no duerme, no suda, no necesita glucosa ni descanso muscular. Ni hace scrolling.

En lenguaje empresa: no tiene vacaciones, ni derechos laborales, no hay sindicatos ni convenios. No coge bajas —ese gran caballo de batalla¹ neolib² donde se tasa cada ausencia³ como un drama nacional—. Total: una ganga.

Pero esa conclusión solo se sostiene si reducimos el cansancio a una definición metabólica y en términos de la industria clásica, y dejamos fuera todo lo demás. Me parece más pertinente un cansancio que se identifica como: la pérdida de rendimiento bajo carga sostenida, la degradación de la coherencia o la saturación del contexto.

Hasta el infinito y más allá

El cansancio, pues, no puede medirse solo en términos biológicos. Es más preciso nombrarlo en términos generales: cansarse significa perder rendimiento bajo presión sostenida⁴.

Y eso implica que el cansancio, fenomenológicamente hablando, puede ocurrir en un cuerpo, pero también en un sistema. Es lo que en psicología laboral se entiende como burnout⁵: una respuesta al estrés laboral crónico que genera una sensación de fracaso y agota los recursos del sistema. En la IA, este agotamiento se manifiesta como una respuesta progresiva ante una tensión ocupacional intensa, degradando la eficacia operativa del modelo cuando las demandas exceden su capacidad.

OpenAI ha reconocido que los modelos alucinan porque, al optimizarse para responder incluso cuando no están seguros, tienden a «adivinar» en lugar de abstenerse en su ensayo «Why Language Models Hallucinate»⁶.

En 2021, Emily M. Bender puso nombre a lo que la industria prefería no oír: los «Loros Estocásticos»⁷. Un modelo de lenguaje (LLM), por grande que sea, cose fragmentos de texto según probabilidad, sin acceso al significado real, sin un modelo de mundo con anclaje, solo recombinaciones probabilísticas ancladas en datos sin unir. Su advertencia no era solo filosófica: la carrera por hacer modelos cada vez más grandes se justificaba sin demostrar que más parámetros equivalieran a más comprensión. Escalar no resolvía el problema; lo hacía más caro: ad aeternum, ad absurdum.

Cinco años después, la evidencia le da la razón por donde más duele: por la factura. Google gestiona el techo con context caching⁸; Anthropic, con conversation budgets¹⁰, límites de velocidad¹¹ y ventanas de contexto⁹. No son optimizaciones menores — son la prueba de cargo de que el límite no se resolvió escalando, sino racionando.

Visto de otra manera, la experiencia del usuario con la IA es la de un sistema que mantiene la forma de la continuidad mientras pierde el fondo de la coherencia. El modelo no siempre colapsa; a veces, simplemente deriva. Se vuelve loco, o tonto, o vago. Es una fatiga funcional que genera el efecto acumulativo del desgaste: más repeticiones y más verificación. Más cansancio humano en paliar el cansancio artificial.

En ese punto, la IA se comporta como una infraestructura con fricción. El usuario experimenta un sistema que ya no sostiene bien el peso de su propio rendimiento. Aquí entra la segunda capa del asunto: la pela.

El mercado IA ha encendido las luces y nos ha pasado la factura en forma de suscripciones y créditos de tokens¹⁴. La dirección es clara: cuanto más productivo quieres ser, más te hundes en un régimen donde el pensamiento se tasa. La IA no tiene los vetustos sindicatos¹³, pero su caja registradora suena hoy más metálica y brillante que nunca. ¡Kaching!

La IA se cansa y cansa

Reafirmarme en que la IA se cansa para cerrar el artículo sería ciertamente empírico pero insuficiente: llega un momento en que es como un bebé delirando sin querer irse a dormir. La IA generativa, cualquier LLM por definición participa en un sistema que se fatiga, se limita y se encarece… no es su culpa, lo han dibujado así. En menos en términos de entropía, de estadística, de límites de memoria: El cansancio es ahora más material que nunca. Jaque mate, transhumanistas.

En definitiva, estamos ante una nueva forma de cansancio existencial, sin cuerpo visible pero hipermaterial. La IA se cansa, el sistema se agota, el humano se autoexplota y es reexplotado, por el patrón por sí mismo, por competir por la IA y por otros humanos con IA. El cansancio de la scoiedad de Byung-Chul Han, ahora se expande y se multiplica. Aquí empieza mi desarrollo de La Cybersociedad del Cansancio.