Ismael Ariel Robles Martínez, integrante de la RIIE-UAM
Departamento de Matemáticas Aplicadas y Sistemas, UAM Cuajimalpa
Una burbuja económica ocurre cuando las expectativas alrededor de un bien, un sector o una nueva tecnología disparan las inversiones muy por encima de su valor real; cuando esas expectativas no se cumplen, los precios se desploman y se dice que la burbuja reventó. En el terreno tecnológico ya ha ocurrido varias veces: las «puntocom» (las primeras empresas de internet) se derrumbaron en el año 2000; después vinieron las criptomonedas (monedas digitales sin banco central) y los NFT (certificados de propiedad sobre imágenes o videos). Que sean burbujas no significa que la tecnología en sí carezca de valor —internet sobrevivió al colapso y transformó al mundo—, sino que los mercados exageran hasta niveles insostenibles. Hoy el turno es de la inteligencia artificial (IA), y las cifras delatan el desequilibrio. Según Bloomberg, en 2026 los mayores gigantes tecnológicos gastarán alrededor de 650 mil millones de dólares en infraestructura de cómputo. Frente a ese gasto, el conjunto de las empresas del sector apenas ingresa del orden de 80 mil millones de dólares al año, según la base de datos de The Information.
La expectativa que sostiene ese capital es concreta: que la inteligencia artificial general (AGI, por sus siglas en inglés) está cerca. Se llama AGI a un hipotético sistema capaz de igualar la capacidad humana en casi cualquier tarea intelectual, no solo en labores puntuales. La evidencia invita al escepticismo: Yann LeCun, uno de los mayores expertos del área, afirma que los modelos actuales de inteligencia artificial están muy lejos de esa meta. No está solo: en un informe de 2025 de la Asociación para el Avance de la Inteligencia Artificial (AAAI, por sus siglas en inglés), la principal sociedad científica dedicada a esta disciplina, el 76% de 475 especialistas consultados consideró improbable que los métodos actuales conduzcan a una AGI.
Mientras la expectativa de la AGI se mantiene, los inversionistas toleran pérdidas enormes con tal de ganar esta carrera tecnológica, y ese dinero subsidia el precio de las suscripciones de IA. Sin embargo, nadie sabe cuánto cuestan en realidad. En junio de 2026, SemiAnalysis, firma que investiga esta industria, estimó el costo real llevando esas suscripciones al límite con tareas de uso profesional intensivo: de acuerdo con sus cálculos, un plan de 200 dólares al mes debería costar alrededor de 14,000 dólares. La diferencia la absorben los inversionistas y, el día que dejen de hacerlo, el costo real saldrá a la luz.
El efecto de esta burbuja será especialmente severo en las licenciaturas de computación, porque el dinero especulativo no solo infló precios: también cambió la manera de aprender el oficio. Toda aplicación, desde WhatsApp hasta la página de un banco, está hecha de código: un texto que, como una receta de cocina, le dice a la computadora paso a paso qué hacer. Hasta hace poco, buena parte de aprender computación consistía en eso: escribir esos renglones uno a uno, equivocarse y corregirlos hasta entender por qué funcionan. Hoy una parte del estudiantado ya no lo hace: en su lugar describe en español lo que necesita —por ejemplo, «Crea una página web para mi cafetería»— y herramientas como ChatGPT escriben el código completo en minutos. A esa forma de trabajar se le llama vibe coding, trabajar «por sensaciones»: aceptar el código que la máquina produce sin leerlo ni entenderlo. Así, cualquiera genera en minutos un demo —una versión de demostración, vistosa pero lejos de un producto real— que aparenta un dominio técnico que no se posee.
El engaño está en que el trabajo de un profesional de la computación no consiste tanto en crear aplicaciones nuevas como en leer, entender y corregir el código de sistemas que ya existen: millones de renglones escritos por otros a lo largo de años, que hay que modificar sin romper nada. El estudio de Xia y colaboradores (2018), halló que el 58% del tiempo de un profesional de computación se dedica a comprender código ajeno, no a escribir código nuevo. Quien delega esa comprensión en la máquina no toma un atajo: se salta justamente lo que debía aprender. Y esas tareas largas sobre sistemas reales son las más caras de todas: consumen, según el mismo SemiAnalysis, hasta mil veces más recursos que una consulta simple en sistemas como ChatGPT.
Cuando la burbuja se ajuste y el subsidio desaparezca, el egresado formado en el vibe coding recibirá un doble golpe: profesional, porque no sabrá leer el código que le toque mantener, y económico, porque la herramienta de la que depende dejará de ser barata justo en las tareas que su empleo exige. Preocupa, por eso, que parte del profesorado aliente esta práctica y la premie por el brillo del resultado, confiando en que la IA será siempre tan barata como hoy: se está formando, erróneamente, a una generación sobre un precio artificialmente bajo.
La IA es una herramienta valiosa y llegó para quedarse. El reto de las licenciaturas de computación no es prohibirla, sino enseñar a usarla sin renunciar a comprender lo que se construye. Porque cuando la burbuja reviente —y la historia sugiere que lo hará—, la factura llegará a quienes menos preparados estén para pagarla.
irobles@cua.uam.mx
Únete a nuestro canal ¡EL UNIVERSAL ya está en Whatsapp!, desde tu dispositivo móvil entérate de las noticias más relevantes del día, artículos de opinión, entretenimiento, tendencias y más.