Sep 16, 2026 | Actualidad, Desarrollo Humano, Inteligencia Artificial, Opiniones, Política
PISA 2025 dejó a la Argentina en su peor marca en dos décadas y una dirigencia que, antes de que nadie terminara de leer el informe, ya sabía a quién echarle la culpa. Nadie preguntó, en cambio, si seguimos tomando el examen correcto.
“Las ideas no se degüellan.” — Domingo Faustino Sarmiento
Por Sergio Marcelo Mammarelli
Abogado laboralista, especialista en negociación colectiva.
Ex Titular de la Cátedra de Derecho del Trabajo y Seguridad Social de la Universidad Nacional de la Patagonia.
Autor de varios libros y publicaciones.
Ex Ministro Coordinador de la Provincia del Chubut
Buenos Aires, miércoles 16 septiembre (PR/26) — Esta semana, mientras un funcionario explicaba por radio que la responsabilidad de doce años de aprendizajes perdidos correspondía a gestiones que ya no gobiernan, en algún dormitorio del conurbano o de esta Patagonia un chico de trece años le pedía a una aplicación gratuita que le resolviera exactamente el tipo de ecuación que ese funcionario acababa de citar como prueba del desastre nacional. La aplicación tardó cuatro segundos.
El funcionario, cuatro párrafos, para decir lo mismo que dice cualquier funcionario desde hace veinte años: yo no fui. Esa simultaneidad es la fotografía exacta de la Argentina que hoy discute su fracaso educativo, y también, aunque todavía no lo sepa, de la Argentina que viene.
Conviene mirar la cifra desnuda antes de que la política la vista con su relato preferido. La Argentina obtuvo 367 puntos en Matemática, 389 puntos en Lectura y 393 puntos en Ciencias, reflejando el peor resultado desde que el país participa de la evaluación internacional. La caída representa un desplome de entre once y trece puntos respecto de 2022, configurando la baja más pronunciada en veinte años de mediciones continuas.
El 76% de los adolescentes de quince años no logra resolver un problema matemático elemental, mientras que apenas el 7,8% alcanza el piso mínimo de competencia en las tres áreas evaluadas de forma simultánea. En el plano regional, el país quedó ubicado en el puesto octavo entre trece países latinoamericanos, quedando por detrás de naciones como Uruguay, Chile, Costa Rica, México, Colombia, Brasil y Perú.
Espejos internacionales: Lo que otros países sí resolvieron
Vale la pena resistir la tentación de la fatalidad, porque no estamos ante un problema irresoluble ni de carácter exclusivamente argentino. Estonia, con un gasto por alumno bastante inferior al de buena parte de Europa occidental, se consolidó en la década pasada como el sistema educativo mejor evaluado del continente.
Portugal, que a comienzos de siglo compartía con nosotros un diagnóstico de estancamiento y desigualdad territorial, revirtió la tendencia en poco más de diez años con alfabetización temprana, evaluación docente sostenida y, sobre todo, con la voluntad de no reinventar la política educativa cada vez que cambiaba el color del gobierno.
Ninguno de los dos países hizo un milagro. Hicieron, con disciplina aburrida, lo que la Argentina lleva veinte años prometiendo en cada campaña y abandonando apenas asume el que prometió lo contrario. El modelo estonio combina una alta exigencia curricular con una autonomía de aula que en la Argentina sonaría completamente revolucionaria.
Por su parte, Portugal logró revertir un diagnóstico idéntico de estancamiento y desigualdad territorial mediante alfabetización temprana y evaluación docente sostenida.
Mucho más que la pandemia: Un cuarto de siglo de estancamiento
El reflejo más cómodo de la política consiste en fechar absolutamente todos los males en el año 2020 y las restricciones sanitarias. Si bien la pandemia agravó los daños al erosionar la presencialidad, los hábitos de estudio y el vínculo escolar, la crisis responde a una tendencia estructural previa.
La serie histórica oficial resulta implacable y muestra 388 puntos en Matemática en el año 2000, 388 en 2012, 378 en 2022 y los actuales 367 puntos. Se trata de un cuarto de siglo de parálisis coronado por un final previsible donde, históricamente, se cuestiona la medición antes que la propia realidad.
La velocidad de la culpa y la trampa del relato oficial
Lo verdaderamente notable no es que el Gobierno nacional haya respondido con rapidez, sino que lo hizo antes de que nadie terminara de leer el informe. La Secretaría de Educación atribuyó el colapso a una cultura instaurada por los gobiernos kirchneristas, apuntando contra dos décadas de distribucionismo.
Aritméticamente los funcionarios tienen razón, ya que la trayectoria escolar evaluada en 2025 atravesó distintas administraciones nacionales. Sin embargo, el discurso oficial evita cuidadosamente asumir el tramo temporal propio, el recorte al financiamiento universitario y los persistentes conflictos presupuestarios.
La descentralización de las excusas y la responsabilidad gremial
Limitar la responsabilidad a quien ocupa circunstancialmente un despacho nacional es exactamente la trampa que debemos evitar. Los distintos espacios políticos comparten el defecto de no haber construido jamás un acuerdo educativo capaz de sobrevivirle a los cambios de gobierno.
Además, la educación obligatoria es estrictamente provincial, por lo que los gobernadores administran los colegios, pagan sueldos y toleran el ausentismo sin consecuencias. Por su parte, una parte de la dirigencia sindical redujo el debate al plano salarial, resistiendo los mecanismos de evaluación y protegiendo un estatuto que iguala al docente sacrificado con el ausente.
Inclusión ficticia y la estafa de certificar lo que no existe
El dato más incómodo de todos no es la caída en los puntajes, sino la alarmante convivencia con una matrícula que se mantiene alta. La Argentina contemporánea ya no expulsa masivamente a los chicos de las escuelas, sino que los retiene, los promociona de año y les entrega un título formal.
El verdadero problema radica en que una porción creciente de esos títulos certifica saberes que no existen, configurando una inclusión ficticia. Cuando la institución escolar certifica aprendizajes vacíos, no está solucionando nada, sino administrando la desigualdad social con los papeles formalmente en regla.
Autor: Sergio Mammarelli
La velocidad de la culpa
Lo notable no es que el Gobierno haya respondido rápido. Es que respondió antes de que nadie terminara de leer el informe. La Secretaría de Educación, dependiente del Ministerio de Capital Humano, salió el mismo mediodía a sostener que “el estado de la educación es consecuencia directa de una cultura educativa instaurada durante años por los gobiernos kirchneristas, que deterioraron cada sector del sistema”, y el secretario Carlos Torrendell habló de dos décadas de “distribucionismo” antepuesto al aprendizaje. Aritméticamente tienen razón: la trayectoria escolar de un chico evaluado en 2025 empezó en 2013 y atravesó a Cristina Fernández de Kirchner, a Mauricio Macri, a Alberto Fernández y, en su tramo final, a Javier Milei.
Lo curioso es que la explicación oficial se detiene exactamente dónde empieza a incomodar: el propio Torrendell aclaró que la prueba se tomó “un año y medio” atrás, es decir, ya bajo esta gestión, y ni el comunicado ni el discurso mencionaron el recorte al financiamiento universitario ni el conflicto con las universidades públicas que este mismo Gobierno protagonizó en el tramo que sí le pertenece. Hasta un aliado mediático de la Casa Rosada, Eduardo Feinmann, se salió del libreto para calificar el resultado de “una tragedia” y advertir, con una frase que vale más que diez discursos ministeriales, que “Sarmiento se vuelve a morir”. Cuando la propia tribuna abandona el operativo clamor, es porque el operativo clamor ya no alcanza.
Veinte años sin firma
Pero limitar la responsabilidad a quien ocupa hoy un despacho es exactamente la trampa que este editorial se niega a pisar. Kirchnerismo, Macrismo, el breve interregno de Alberto Fernández y ahora el Mileísmo comparten algo más profundo que la alternancia: los cuatro gobernaron conociendo los números y ninguno construyó lo único que un problema de veinte años necesita, que es un acuerdo capaz de sobrevivirlos. Y hay un tercer actor que nunca figura en la conferencia de prensa: los gobernadores.
La educación obligatoria es provincial. Cada mala PISA genera una declaración presidencial y ninguna pregunta a los ministros de Educación de Buenos Aires, Chubut, Santa Cruz o San Luis, que administran las escuelas, pagan los sueldos y deciden cuántos días de clase se dictan de verdad, cuánto ausentismo docente se tolera y qué establecimientos llevan una década fracasando sin consecuencia alguna.
La descentralización educativa argentina terminó siendo, en la práctica, una descentralización de las excusas: la Nación culpa a las provincias, las provincias a la Nación, los sindicatos al presupuesto y el presupuesto a los sindicatos. Mientras el círculo gira, nadie adentro de ese círculo aprende nada, salvo a girar mejor.
La responsabilidad que nadie factura
Hay una cuota de responsabilidad más, incómoda por motivos distintos, que rara vez entra en el editorial de nadie. Una parte de la dirigencia sindical docente redujo durante años la discusión educativa casi exclusivamente al salario y al conflicto laboral, resistiendo cualquier mecanismo de evaluación como si medir fuera, en sí mismo, un acto de hostilidad hacia el gremio.
La distinción hay que hacerla con cuidado, porque simplificarla sería injusto: la inmensa mayoría de los docentes argentinos sostiene, en condiciones muchas veces heroicas, escuelas que el Estado abandonó, contiene emergencias sociales y familiares que exceden largamente su función, y no tiene responsabilidad alguna en el diagnóstico de hoy. Pero un sistema que iguala en el mismo estatuto al maestro que se desvive y al que falta sistemáticamente termina castigando al primero y protegiendo al segundo, y eso también es una forma de fracaso.
Detrás de ambos hay, además, un eslabón que nadie audita: los institutos de formación docente, miles en todo el país, con niveles dispares y escaso control de resultados, que forman a los maestros de mañana con las mismas carencias en comprensión lectora y matemática que esos maestros terminarán heredándoles, sin saberlo, a sus propios alumnos.
No se puede enseñar con solvencia lo que uno mismo nunca terminó de aprender. Ese eslabón no genera un titular, pero es el que explica por qué los diagnósticos bien escritos de cada gestión rara vez sobreviven al primer año de aula.
Incluidos, no educados
El dato más incómodo de todos no es la caída: es con qué convive la caída. Una matrícula que sigue siendo alta. La Argentina no expulsa chicos del sistema con la brutalidad de otras épocas; los retiene, los pasa de año, les entrega un título. El problema es que una porción creciente de esos títulos certifica algo que no existe.
Bajar la exigencia, multiplicar las instancias de recuperación y flexibilizar la evaluación puede evitar la deserción, pero sin tutorías reales, produce lo que hay que llamar por su nombre: una inclusión ficticia. Eso no es una estafa contra las familias que pueden pagar una escuela privada de calidad o una maestra particular cuando el boletín falla.
Es una estafa específicamente contra las que no pueden, porque la escuela pública era, por diseño, la única institución encargada de compensar lo que esos hogares no podían ofrecer. Cuando esa institución certifica sin enseñar, no está fallando: está administrando la desigualdad con los papeles en regla.
El gimnasio que nadie pidió
Y acá aparece el giro que ningún comunicado de ayer se animó a nombrar. La palabra escuela viene del griego skholé, que no significa instrucción: significa tiempo libre, el rato que una sociedad decidía sustraer a la urgencia de producir y regalarle, por igual, a cada chico —un teorema, un poema, una célula—, para que el mundo se volviera, por un momento, interesante.
Ese fue siempre el contrato original, mucho antes de que la escuela se convirtiera en la cañería por la que baja información escasa y el docente en el único grifo del saber.
La inteligencia artificial no rompió ese contrato: rompió la cañería, que ya estaba vieja y oxidada. Una IA puede responder cualquier pregunta, pero no puede lograr que a un chico le importe la pregunta; satisface el interés que ya existe, jamás lo enciende. Confundir las dos cosas —creer que alcanza con administrar mejor el flujo de respuestas correctas— es la trampa en la que puede caer hasta la reforma mejor intencionada.
Supongamos, por un segundo, el milagro: que gobernadores, gremios, institutos de formación y los cuatro últimos presidentes firman mañana el acuerdo educativo que se deben desde hace veinte años. Estarían arreglando, con dos décadas de atraso, una máquina que sus propios usuarios ya empezaron a jubilar. Según la encuesta Kids Online de UNICEF, dos de cada tres estudiantes argentinos ya usan inteligencia artificial para resolver sus tareas: no están esperando ninguna reforma, la hicieron solos, en sus teléfonos, sin pedirle autorización a ningún ministerio.
Un estudio del MIT Media Lab sobre escritura asistida encontró que el 83% de quienes redactan un texto con ayuda de una IA no puede, minutos después, recordar una sola frase de lo que “escribió”: le llamaron deuda cognitiva, la versión mental de comer sin masticar.
Nadie va al gimnasio porque falten máquinas capaces de levantar el peso por uno; va precisamente porque delegar ese esfuerzo lo dejaría débil. La escuela argentina, mientras discute cómo mejorar la puntería en un examen de 2025, ni siquiera empezó a preguntarse cómo se construye el criterio de un adolescente que ya tiene, en el bolsillo, una respuesta correcta para cada pregunta y ninguna razón propia para desconfiar de ella.
PISA mide si un chico puede resolver un problema sin ayuda. Todavía nadie mide si puede querer resolverlo. Y ahí está el verdadero peligro, que no es de ciencia ficción ni tiene fecha de estreno: no que la máquina reemplace a la escuela, sino que una sociedad hipnotizada por la eficiencia termine decidiendo que la parte más cara de educar —la humana, la que forma criterio, la que tarda años y no acepta atajos— es prescindible, y quede reservada a quien pueda pagarla, mientras el resto recibe una sucesión infinita de respuestas correctas y ningún adulto que le enseñe a desconfiar de ellas.
La desigualdad que la vieja escuela pública nació para corregir podría volver, siglo y medio después, disfrazada de innovación y actualización tecnológica, entrando por la puerta discreta del algoritmo.
Sarmiento no prometió más escuelas coloniales: miró el sistema de su tiempo, lo declaró insuficiente en voz alta y construyó otro. Ciento cuarenta y dos años después de la Ley 1420, la dirigencia argentina volvió a hacer ayer lo único que domina con destreza olímpica frente a una mala noticia educativa: repartir el pasado entre los presentes y declararse, una vez más, inocente por comparación.
Nadie preguntó qué examen deberíamos estar tomando en 2026. Esa pregunta, la única que importaba, quedó afuera del comunicado, afuera de la radio, afuera de la nota. Esta misma noche, en algún dormitorio, un chico de trece años va a volver a preguntarle a una máquina lo que hace rato dejó de preguntarse.
Por Sergio Marcelo Mammarelli
Primicias Rurales
Sep 14, 2026 | Columnas, Inteligencia Artificial
Cuando la tecnología avanza más rápido que el capital que la financia.
Por Roberto Carlos «Pipo» Martínez Chaves
Mendoza, sábado 19 septiembre (PR/26) — La inteligencia artificial (IA) es una realidad tecnológica. Sus capacidades avanzan, las empresas la utilizan y los gobiernos la consideran estratégica. Pero existe una pregunta que quizás sea tan importante como sus capacidades:?
¿Puede el modelo económico que estamos construyendo alrededor de la IA sostener el costo de desarrollarla?
Porque una cosa es que la tecnología funcione; otra, que sea rentable; y otra, mucho más diferente, que las valoraciones que Wall Street asigna a las empresas que la desarrollan estén justificadas por sus beneficios futuros.
Desarrollar IA de frontera requiere inversiones gigantescas: chips especializados, centros de datos, energía, redes, refrigeración, terrenos, construcción y personal altamente calificado. Las grandes empresas tecnológicas están comprometiendo cientos de miles de millones de dólares en esta infraestructura.
Y aquí aparece una primera pregunta:
¿Cuánto dinero tendrá que generar la IA para recuperar todo ese capital?
Pero existe una segunda pregunta, quizás todavía más preocupante:
¿Durante cuánto tiempo conservarán su valor económico los activos en los que se está invirtiendo?
El problema de los siete años
Una parte de la infraestructura tecnológica puede contabilizarse con períodos de depreciación del orden de siete años. El problema es que la tecnología de IA está evolucionando a una velocidad que podría ser mucho mayor.
Esto genera una paradoja.
Una empresa puede invertir hoy miles de millones de dólares en un centro de datos, servidores y aceleradores diseñados para una determinada generación tecnológica, suponiendo que esos activos producirán ingresos durante varios años.
Pero ¿qué ocurre si en dos o tres años aparece una generación de chips mucho más potente y eficiente?
El centro de datos seguirá existiendo físicamente.
Los servidores seguirán funcionando.
El activo continuará figurando en los libros.
Pero su valor económico puede haber caído mucho antes de que termine su período de amortización.
Ese es un riesgo particularmente importante porque la inversión se financia frecuentemente con deuda y contratos de largo plazo.
La deuda, en cambio, no se vuelve obsoleta.
Los intereses siguen existiendo aunque la tecnología que respaldaba la inversión haya perdido competitividad.
Aquí puede aparecer una de las características más delicadas de una posible burbuja:
- capital comprometido a largo plazo para financiar activos cuya vida económica podría ser mucho más corta que su vida contable.
El Fondo Monetario Internacional (FMI) ha señalado precisamente esta preocupación al analizar la infraestructura de IA: determinados activos pueden estar siendo depreciados durante períodos cercanos a siete años, mientras que el rápido progreso de los aceleradores y otros componentes puede generar obsolescencia económica antes de ese plazo.
Si esto ocurriera a gran escala, el problema no sería solamente tecnológico.
Sería financiero.
La paradoja de una tecnología demasiado exitosa
Existe incluso una paradoja adicional.
Cuanto más rápido avance la IA, más rápidamente podría quedar obsoleta parte de la infraestructura construida para desarrollarla.
Es decir:
- el éxito tecnológico podría acelerar la depreciación económica del capital anterior.
Una empresa que invierte US$10.000 millones hoy necesita recuperar ese capital y obtener una rentabilidad antes de que la siguiente generación tecnológica reduzca el valor de lo que acaba de comprar.
Si el ciclo tecnológico dura siete años, el problema es manejable.
Si dura tres años, la ecuación cambia radicalmente.
Y si dura todavía menos, la empresa puede verse obligada a reinvertir constantemente antes de haber recuperado la inversión anterior.
Entonces aparece un círculo:
más capacidad → más inversión → nueva tecnología → obsolescencia → nueva inversión → más deuda.
Para sostener ese círculo, los ingresos tienen que crecer continuamente.
Y ahí aparece la pregunta que finalmente hará Wall Street:
¿Cuánto beneficio genera cada dólar invertido?
El fantasma de 2008
Esto no significa que estemos ante una nueva crisis hipotecaria.
Pero existen mecanismos que recuerdan a la lógica de 2008.
Antes de aquella crisis no solamente se habían sobrevalorado las viviendas. Se había construido alrededor de ellas una enorme estructura financiera basada en deuda, apalancamiento y expectativas de crecimiento.
Mientras los precios subían, el sistema parecía funcionar.
Cuando las expectativas cambiaron, el problema se transmitió por todo el sistema financiero.
Con la IA podría ocurrir algo diferente, pero la pregunta es parecida:
¿qué sucede si la estructura financiera crece mucho más rápido que los beneficios reales que puede producir la tecnología?
El Banco de Pagos Internacionales (BIS, Bank for International Settlements) ha advertido sobre el crecimiento del endeudamiento destinado a financiar la infraestructura de IA, incluyendo estructuras de financiación que pueden no reflejar completamente su riesgo en los balances tradicionales.
El FMI también ha señalado la creciente interconexión entre las empresas de IA, proveedores de infraestructura, inversores y mercados de capitales.
No significa que exista actualmente una crisis.
Significa que el sistema merece ser observado antes de que una eventual corrección lo obligue a hacerlo.
La circulación del mismo dinero
Existe además un fenómeno que merece especial atención.
Una empresa de IA necesita centros de datos.
Los centros de datos necesitan chips.
Los fabricantes de chips venden esos componentes.
Los proveedores de infraestructura necesitan financiación.
Los inversores financian esa infraestructura porque existen contratos de largo plazo.
Las empresas de IA obtienen capital porque el mercado espera que sus ingresos futuros sean enormes.
Y las grandes compañías tecnológicas continúan invirtiendo porque esperan que la demanda siga creciendo.
Se forma así un círculo:
capital → infraestructura → IA → crecimiento esperado → valoración → nueva financiación → más infraestructura.
Mientras exista suficiente demanda final, el círculo puede ser extraordinariamente productivo.
Pero si el crecimiento de los ingresos no acompaña al crecimiento de las inversiones, puede convertirse en una dinámica peligrosa.
No hace falta fraude.
No hace falta que la tecnología sea falsa.
Basta con que las expectativas financieras hayan crecido más rápido que los beneficios.
¿Y quién paga si la fiesta termina?
Esta es quizás la pregunta que menos se hace durante una expansión.
Si una empresa fracasa, normalmente pierden sus accionistas.
Pero si una infraestructura se vuelve sistémica —porque sostiene parte de las finanzas, energía, comunicaciones, defensa o economía mundial— aparece el conocido problema de las instituciones “demasiado importantes para caer”.
En 2008, los Estados intervinieron para evitar que el colapso de determinadas instituciones financieras arrastrara al conjunto de la economía.
El Programa de Alivio para Activos en Problemas (TARP, Troubled Asset Relief Program) de Estados Unidos llegó a desembolsar cientos de miles de millones de dólares, aunque una parte importante fue recuperada posteriormente.
Eso demuestra que un rescate no necesariamente significa que el contribuyente pierda todo el dinero.
Pero la crisis también demuestra algo más importante:
- cuando un sistema es suficientemente grande y está suficientemente interconectado, las pérdidas privadas pueden terminar teniendo consecuencias públicas.
El costo puede aparecer en impuestos, deuda pública, menor crecimiento, desempleo, inflación o pérdida de oportunidades.
Alguien termina pagando.
El verdadero dilema
Por eso quizás estamos haciendo la pregunta equivocada.
No deberíamos preguntarnos solamente:
¿Puede la inteligencia artificial superar al ser humano?
Deberíamos preguntar también:
¿Puede nuestra economía financiar el camino hasta esa inteligencia sin construir una burbuja alrededor de ella?
Porque puede ocurrir algo paradójico:
La IA puede ser una de las mayores revoluciones tecnológicas de la historia y, al mismo tiempo, algunas de las empresas y activos construidos alrededor de ella pueden estar sobrevalorados.
La tecnología puede sobrevivir a la burbuja.
Internet sobrevivió a la burbuja de las empresas puntocom.
Lo que no sobrevivió fueron muchas de las valoraciones que se habían construido sobre expectativas que nunca llegaron a cumplirse.
Con la IA podría suceder algo similar.
La tecnología continuaría avanzando, pero una eventual corrección financiera podría eliminar empresas, destruir capital y obligar a replantear el ritmo de inversión.
Y ahí aparecería nuevamente el Estado.
¿Debería rescatar empresas?
¿O solamente infraestructura crítica?
¿Deberían asumir las pérdidas los accionistas y acreedores?
¿Quién debería garantizar las inversiones estratégicas?
¿Y cómo evitar que los beneficios sean privados durante la expansión y las pérdidas terminen siendo sociales durante la corrección?
Quizás la verdadera burbuja no esté en la IA
Tal vez la inteligencia artificial no sea la burbuja.
Tal vez la burbuja esté en la expectativa financiera de cuánto dinero puede producir la IA y a qué velocidad.
La tecnología puede ser real.
El mercado puede estar creciendo.
Los beneficios pueden llegar.
Pero si para producir un dólar adicional de beneficio necesitamos invertir varios dólares adicionales en infraestructura, energía, chips y capacidad de cómputo, llegará un momento en que Wall Street hará una cuenta muy sencilla:
- retorno sobre la inversión.
Y esa cuenta no puede responderse con demostraciones tecnológicas ni con promesas sobre el futuro.
Necesita ingresos.
Necesita márgenes.
Necesita flujo de caja.
Necesita amortizar el capital invertido.
Y necesita hacerlo antes de que la próxima generación tecnológica vuelva obsoleta parte de la inversión anterior.
Ese puede ser el verdadero examen.
No para la inteligencia artificial.
Para el modelo financiero que hemos construido alrededor de ella.
Y quizás por eso el debate debería comenzar ahora, antes de que sea necesario rescatarlo.
Porque cuando la fiesta termina, la pregunta ya no es cuánto valía la empresa.
La pregunta es quién paga la cuenta.
Por Roberto Carlos «Pipo» Martínez Chaves
Primicias Rurales
Traducción al inglés:
Artificial Intelligence: technological revolution or financial bubble? (English Version)
When technology advances faster than the capital financing it
By Roberto Carlos «Pipo» Martínez Chaves
Mendoza. Argentina. Artificial intelligence (AI) is a technological reality. Its capabilities are advancing, companies are using it, and governments consider it strategic. But there is a question that may be just as important as its capabilities: Can the economic model we are building around AI sustain the cost of developing it?
Because it is one thing for technology to work; another for it to be profitable; and something very different for the valuations that Wall Street assigns to the companies developing it to be justified by their future profits.
Developing frontier AI requires gigantic investments: specialized chips, data centers, energy, networks, cooling, land, construction, and highly qualified personnel. Big tech companies are committing hundreds of billions of dollars to this infrastructure.
And here a first question arises: How much money will AI have to generate to recover all that capital?
But there is a second question, perhaps even more troubling: For how long will the assets in which investment is being made retain their economic value?
The seven-year problem
A portion of technology infrastructure can be accounted for with depreciation periods on the order of seven years. The problem is that AI technology is evolving at a speed that could be much faster.
This creates a paradox.
A company might invest billions of dollars today in a data center, servers, and accelerators designed for a specific technological generation, assuming those assets will produce revenue for several years.
But what happens if a much more powerful and efficient generation of chips appears in two or three years? The data center will still physically exist. The servers will keep running. The asset will continue to appear on the books. Yet its economic value may have plummeted long before its amortization period ends.
This is a particularly significant risk because investment is frequently financed with debt and long-term contracts. Debt, on the other hand, does not become obsolete. Interest payments continue to exist even though the technology backing the investment has lost competitiveness.
Here appears one of the most delicate characteristics of a potential bubble:
capital committed long-term to finance assets whose economic life could be much shorter than their accounting life.
The International Monetary Fund (IMF) has pointed out precisely this concern when analyzing AI infrastructure: certain assets may be depreciated over periods close to seven years, while the rapid progress of accelerators and other components can generate economic obsolescence before that deadline.
If this were to happen on a large scale, the problem would not merely be technological. It would be financial.
The paradox of a too-successful technology
There is even an additional paradox. The faster AI advances, the more rapidly some of the infrastructure built to develop it could become obsolete.
That is to say: technological success could accelerate the economic depreciation of prior capital.
A company investing 10 billion dollars today needs to recover that capital and earn a return before the next technological generation reduces the value of what it just bought.
If the technology cycle lasts seven years, the problem is manageable. If it lasts three years, the equation changes radically. And if it lasts even less, the company may find itself forced to constantly reinvest before having recovered the previous investment.
Then a circle appears: more capacity → more investment → new technology → obsolescence → new investment → more debt.
To sustain that circle, revenues have to grow continuously. And that is when the question Wall Street will ultimately ask appears:
How much profit does every dollar invested generate?
The ghost of 2008
This does not mean we are facing a new mortgage crisis. But mechanisms exist that recall the logic of 2008.
Before that crisis, not only had housing been overvalued; a huge financial structure based on debt, leverage, and growth expectations had been built around it.
While prices were rising, the system seemed to work. When expectations shifted, the problem transmitted throughout the entire financial system.
Something different could happen with AI, but the question is similar: what happens if the financial structure grows much faster than the real profits the technology can produce?
The Bank for International Settlements (BIS) has warned about the growth of debt intended to finance AI infrastructure, including financing structures that may not fully reflect their risk on traditional balance sheets.
The IMF has also pointed out the growing interconnection among AI companies, infrastructure providers, investors, and capital markets.
This does not mean a crisis currently exists. It means the system deserves to be watched before an eventual correction forces it to be.
The circulation of the same money
There is also a phenomenon that deserves special attention. An AI company needs data centers. Data centers need chips. Chip manufacturers sell those components. Infrastructure providers need financing. Investors finance that infrastructure because long-term contracts exist. AI companies obtain capital because the market expects their future revenues to be enormous. And big tech companies continue investing because they expect demand to keep growing.
Thus a circle forms:
capital → infrastructure → AI → expected growth → valuation → new financing → more infrastructure.
As long as sufficient final demand exists, the circle can be extraordinarily productive. But if revenue growth does not match investment growth, it can turn into a dangerous dynamic.
Fraud is not necessary. The technology does not need to be fake. It is enough for financial expectations to have grown faster than profits.
And who pays if the party ends?
This is perhaps the question least asked during an expansion. If a company fails, its shareholders typically lose. But if an infrastructure becomes systemic — because it supports part of the world’s finance, energy, communications, defense, or economy — the well-known problem of «too big to fail» institutions appears.
In 2008, governments intervened to prevent the collapse of certain financial institutions from dragging down the entire economy. The United States Troubled Asset Relief Program (TARP) disbursed hundreds of billions of dollars, although a significant portion was later recovered.
This demonstrates that a bailout does not necessarily mean taxpayers lose all their money. But the crisis also demonstrates something more important: when a system is large enough and sufficiently interconnected, private losses can end up having public consequences.
The cost can appear in taxes, public debt, lower growth, unemployment, inflation, or loss of opportunities. Someone ends up paying.
The real dilemma
That is perhaps why we are asking the wrong question. We should not merely ask: Can artificial intelligence surpass human beings?
We should also ask:
Can our economy finance the path to that intelligence without building a bubble around it?
Because something paradoxical can happen: AI can be one of the greatest technological revolutions in history while, at the same time, some of the companies and assets built around it may be overvalued.
Technology can survive the bubble. The Internet survived the dot-com bubble. What did not survive were many of the valuations built on expectations that never materialized.
Something similar could happen with AI. Technology would continue to advance, but an eventual financial correction could eliminate companies, destroy capital, and force a rethinking of the investment pace.
And then the State would appear again. Should it bail out companies? Or only critical infrastructure? Should shareholders and creditors bear the losses? Who should guarantee strategic investments? And how can we prevent profits from being private during the expansion and losses from ending up social during the correction?
Perhaps the real bubble is not in AI
Perhaps artificial intelligence is not the bubble. Perhaps the bubble lies in the financial expectation of how much money AI can produce and at what speed.
The technology may be real. The market may be growing. Profits may arrive. But if to produce an additional dollar of profit we need to invest several additional dollars in infrastructure, energy, chips, and computing capacity, a time will come when Wall Street runs a very simple calculation: return on investment.
And that calculation cannot be answered with technological demonstrations or promises about the future. It needs revenue. It needs margins. It needs cash flow. It needs to amortize invested capital. And it needs to do so before the next technological generation renders part of the previous investment obsolete.
That may be the real test. Not for artificial intelligence. For the financial model we have built around it.
And perhaps that is why the debate should begin now, before it becomes necessary to bail it out. Because when the party ends, the question is no longer how much the company was worth.
The question is who pays the bill.
Primicias Rurales
Traducción: María Marta Cafiero
Sep 13, 2026 | Actualidad, Desarrollo Humano, Informes Técnicos, Inteligencia Artificial
La tecnología interviene de manera decisiva en ambos lados del proceso de selección: mientras los candidatos adoptan herramientas avanzadas para optimizar sus candidaturas, las empresas enfrentan el desafío de rediseñar sus métodos para evaluar el verdadero talento.
Buenos Aires domingo 13 septiembre (PR/26)– Cada vez más personas recurren a soluciones de inteligencia artificial para impulsar su búsqueda de empleo. Según un exhaustivo relevamiento de Adecco, el 48% de los consultados ya utilizó estas plataformas para redactar o adaptar su CV.
Asimismo, la encuesta reveló que un 10% de las personas empleó herramientas tecnológicas para rastrear nuevas oportunidades laborales, mientras que un 8% las aprovechó de forma directa con el objetivo de entrenar y preparar sus entrevistas de trabajo.
La progresiva incorporación de estos recursos no solo transforma la manera en que los candidatos presentan su perfil profesional. También genera un reto inédito para las empresas: ante postulaciones perfeccionadas por algoritmos, ¿cómo medir con exactitud el potencial real de cada aspirante?
¿Entrevistas con máquinas? El nuevo dilema de los candidatos
Afrontar un primer filtro de selección conducido enteramente por un sistema automatizado ya es una realidad natural para muchos. De hecho, el 36% de los postulantes afirma sentirse sumamente cómodo realizando una primera entrevista gestionada por IA.
Por su parte, un 29% adicional aceptaría atravesar esa instancia tecnológica, aunque manifestaron que continuarían prefiriendo la calidez de un interlocutor humano durante el contacto inicial del proceso de selección.
No obstante, el avance de la tecnología despierta cautela. Un 28% de los encuestados admitió estar muy preocupado si una firma analiza su perfil con algoritmos, sumado a un 30% que siente cierta inquietud al respecto.
Estos datos reflejan una apertura sostenida hacia la innovación digital en las fases tempranas de evaluación, aunque confirman que la empatía humana sigue siendo un pilar indispensable en la experiencia del postulante.
De la simple lectura del CV a la comprobación de habilidades
Frente a este escenario, los departamentos de gestión humana deben revisar los criterios para tomar decisiones de contratación. El currículum tradicional mantiene su vigencia, pero pierde peso como único parámetro para medir el talento real de un candidato.
“La IA obliga a repensar las reglas de juego. Si un postulante optimiza su perfil con tecnología, las organizaciones deben renovar sus métodos de evaluación de competencias”, sostiene Victoria Loza, directiva de Recursos Humanos de Adecco Argentina & Chile.
La especialista enfatiza que ya no basta con observar un historial laboral impecable. Resulta indispensable evaluar conocimientos prácticos y habilidades en escenarios reales, recordando que el criterio profesional insustituible guía todo el proceso.
Si bien las plataformas digitales agilizan la revisión de datos masivos y optimizan etapas clave, las empresas deben discernir claramente qué fases de la selección laboral pueden automatizarse y cuáles demandan una mirada analítica profunda.
Integrar herramientas inteligentes no consiste en mecanizar cada paso, sino en recabar información de valor para tomar decisiones estratégicas. El verdadero reto radica en combinar la agilidad digital con una valoración profunda de las capacidades humanas.
Primicias Rurales
Fuente: ADECCO
Por ejemplo las notas de Roberto Carlos «Pipo» Martínez Chaves
