El paradoja laboral de la IA: por qué Huang cree que las escaseces, no el desempleo, se avecinan—De hecho, ya está ocurriendo

En el Foro Económico Mundial de 2026 en Davos, Jensen Huang, CEO de Nvidia, participó en una discusión de amplio alcance con Larry Fink, CEO de BlackRock, sobre el potencial transformador de la inteligencia artificial. En lugar de ver la IA como una fuerza que destruye empleos, Huang presentó una tesis contraria: la tecnología, de hecho, conducirá a escasez de mano de obra en múltiples sectores. Este argumento desafía la narrativa predominante de desplazamiento masivo y ofrece un marco para entender cómo la IA redefine el trabajo, las necesidades de infraestructura y las oportunidades económicas globales.

La conversación iluminó cómo Nvidia ha entregado un rendimiento compuesto para los accionistas del 37% desde su oferta pública en 1999—el mismo año en que BlackRock salió a bolsa, logrando un rendimiento anualizado del 21%. Sin embargo, la discusión trascendió el rendimiento financiero para explorar preguntas más profundas sobre el papel de la tecnología en la transformación de la sociedad. Huang posicionó la IA no como una aplicación aislada como ChatGPT o Claude, sino como un cambio fundamental de plataforma comparable a la aparición de las computadoras personales, internet y la computación en la nube móvil.

La Revolución de Infraestructura de Cinco Capas: Por qué la IA Exige Trillones en Inversión Global

Huang introdujo lo que llama el modelo de “pastel de cinco capas” para ilustrar la complejidad sistémica y las demandas de infraestructura de la IA. La capa inferior es la energía—el procesamiento en tiempo real y la generación de inteligencia de la IA requieren una potencia sustancial. Por encima de eso se encuentra la capa de infraestructura de semiconductores y computación, donde empresas como TSMC están construyendo 20 nuevas plantas de fabricación de obleas. La tercera capa comprende los servicios en la nube que entregan estas capacidades a nivel global.

La cuarta capa contiene los modelos de IA en sí—los algoritmos y redes neuronales que capturan la mayor atención pública. Sin embargo, Huang enfatizó que los modelos por sí solos son insuficientes sin las capas inferiores que los soportan. La quinta y última capa son las aplicaciones—servicios financieros, salud, manufactura y sectores emergentes que, en última instancia, generarán valor económico.

Este marco de cinco capas revela por qué estamos siendo testigos, en la estimación de Huang, de “la mayor construcción de infraestructura en la historia humana.” Ya se han invertido cientos de miles de millones, y se requieren trillones más para manejar el crecimiento exponencial en demanda de energía, construcción de centros de datos, fabricación de chips y expansión de fábricas de computadoras. Foxconn, Wistron y Quanta están colaborando para construir 30 nuevas fábricas de computadoras. Mientras tanto, fabricantes de chips de memoria como Micron (que invierte 200 mil millones de dólares en instalaciones en EE. UU.), SK Hynix y Samsung están expandiendo rápidamente su capacidad de producción.

De Radiología a Enfermería: Cómo la IA Amplifica el Propósito Humano en Lugar de Reemplazar Trabajadores

La cuestión del empleo está en el centro de la ansiedad por la IA. Huang contrarrestó el pesimismo predominante con una distinción entre el “propósito” de un trabajo y sus “tareas.” Hace una década, la radiología enfrentaba predicciones de obsolescencia debido a las capacidades de visión por computadora superhumanas de la IA. Sin embargo, hoy en día, el número de radiólogos ha aumentado, incluso cuando la IA ahora maneja la tarea central de análisis de escaneos.

El mecanismo: cuando los radiólogos son liberados de la carga repetitiva de interpretar escaneos, dedican más tiempo a actividades de mayor valor—diagnóstico directo, comunicación con pacientes, colaboración clínica. Los hospitales ahora pueden atender a más pacientes de manera eficiente, generando mayores ingresos y justificando contrataciones adicionales de radiólogos. La misma dinámica se aplica a la enfermería. EE. UU. enfrenta una escasez de aproximadamente 5 millones de enfermeros, pero la documentación médica impulsada por IA y la transcripción de visitas están liberando a los enfermeros de tareas administrativas que antes consumían la mitad de su tiempo. Con mayor capacidad para atender pacientes, los hospitales se expanden y contratan más enfermeros en lugar de reducirse.

El marco de Huang sugiere que para cualquier profesión, la pregunta no es si la IA la elimina, sino si la tecnología automatiza tareas rutinarias mientras potencia el propósito central. Si la automatización realmente permite a los trabajadores centrarse en funciones humanas insustituibles—cuidado, juicio, resolución de problemas complejos—entonces el empleo generalmente se expande en lugar de contraerse.

La construcción de infraestructura en sí misma genera una demanda adicional de trabajadores calificados de cuello azul: electricistas, trabajadores de la construcción, técnicos, siderúrgicos y especialistas en redes. En Estados Unidos, estos roles están experimentando una demanda sin precedentes, con salarios que ahora alcanzan cifras de seis dígitos para quienes trabajan en fabricación de chips y construcción de fábricas de IA.

La IA como la Tecnología Más Accesible del Mundo

Huang argumentó que la IA representa “el software más fácil de usar en la historia.” A diferencia de eras informáticas anteriores, que requerían aprender lenguajes de programación, los sistemas de IA aceptan instrucciones en lenguaje natural. Una persona sin formación formal en ciencias de la computación puede solicitar, “Muéstrame cómo construir un sitio web,” y recibir una guía paso a paso. Esta accesibilidad tiene profundas implicaciones para las economías en desarrollo.

En lugar de ampliar la brecha tecnológica global, la IA puede en realidad reducirla. La barrera de entrada es drásticamente menor que en la era del software. Individuos de naciones sin infraestructura tecnológica extensa ahora pueden aprovechar la IA para participar en la economía global del conocimiento. Modelos de código abierto como los de Deepseek y otros contribuyentes han democratizado aún más el acceso, permitiendo a empresas y naciones personalizar soluciones para idiomas, culturas y datos locales.

La Imperativa de la IA Soberana: Por qué Cada Nación Necesita su Propia Infraestructura de IA

Huang abogó firmemente por lo que llamó “IA soberana”—que cada nación construya su propia infraestructura de IA, entrenando modelos en idiomas nativos y datos culturales. Caracterizó esto como esencial para la competitividad nacional, similar a tener redes eléctricas o sistemas de transporte. La preocupación va más allá de lo económico, hacia la preservación cultural y la soberanía tecnológica.

Europa representa un caso de estudio particularmente convincente. Mientras EE. UU. dominó la era del software, Huang señaló que la sólida base industrial y manufacturera de Europa estuvo subutilizada durante ese período. La transición hacia la IA, especialmente con avances en IA física y robótica, presenta a Europa lo que él llamó una “oportunidad única en la vida.” En lugar de “escribir” IA, las naciones deberían centrarse en “enseñarla”—integrando la excelencia en manufactura con inteligencia artificial para liderar en manufactura inteligente y robótica.

La tradición de investigación científica de Europa puede combinarse con la IA para acelerar dramáticamente los descubrimientos en diversas disciplinas. Sin embargo, para realizar este potencial, se requiere un compromiso serio con el suministro de energía y la inversión en infraestructura. Huang instó a los líderes europeos a tomar en serio esta base.

Poniendo a Prueba la Teoría de la Burbuja de la IA

Cuando se le preguntó si las enormes inversiones en IA representan un exceso especulativo, Huang ofreció un indicador de mercado sencillo: las GPUs de Nvidia de todas las generaciones son extremadamente difíciles de alquilar en la nube debido a los precios de spot en auge. Esto refleja una demanda genuina de startups y empresas que redirigen presupuestos de I+D hacia la inteligencia artificial. Eli Lilly ejemplifica este cambio—una compañía que una vez dirigió prácticamente todo su gasto en I+D hacia investigaciones en laboratorios húmedos ahora invierte sustancialmente en supercomputadoras de IA y laboratorios de investigación en IA.

El auge en inversión en infraestructura está justificado, de hecho, por las demandas computacionales que cada capa genera. A medida que los modelos de IA mejoran y las aplicaciones proliferan, la necesidad de energía, chips, servicios en la nube y instalaciones físicas se intensifica en lugar de disminuir. Solo el año pasado, se invirtieron más de 100 mil millones de dólares en empresas nativas de IA, convirtiéndolo en uno de los años con mayor inversión en capital de riesgo en la historia.

Redefiniendo el Cálculo Económico Global

La tesis que surge de esta discusión es que la IA funciona como un cambio de plataforma fundamental que reestructura la pila de computación. Por primera vez, las computadoras pueden procesar información no estructurada—imágenes, sonidos, lenguaje natural—en tiempo real, infiriendo la intención humana y ejecutando tareas complejas. Esta transición de sistemas “pregrabados” a sistemas generativos en tiempo real define la distinción de la IA respecto a todas las tecnologías anteriores.

En lugar de una reducción de oportunidades globales, Huang presentó la IA como un motor para una inclusión económica más amplia. Los mercados emergentes sin infraestructura tecnológica heredada pueden saltarse etapas intermedias adoptando IA desde el principio. El factor de accesibilidad significa que un programador en una nación en desarrollo sin educación formal tiene herramientas equivalentes a las disponibles para ingenieros de Silicon Valley.

La prueba económica definitiva será si la construcción de infraestructura genera suficiente riqueza y empleo para validar la tesis de inversión. Si los modelos de radiología y enfermería se generalizan—si la automatización amplifica el propósito humano en todas las profesiones—entonces la predicción de Huang de escasez de mano de obra en lugar de desempleo podría resultar acertada. De hecho, los indicadores más tempranos sugieren que esta dinámica ya se está materializando en salud, manufactura y en industrias emergentes nativas de IA.