Hace unos meses publiqué 26 piezas de contenido para mi empresa en un solo día. Dieciséis páginas de aterrizaje, diez artículos, trece descripciones. Yo solo, con la ayuda de una IA que no se cansa ni pide café.
Debería haber cerrado el portátil pensando “misión cumplida, mañana descanso”.
Lo que sentí fue lo contrario: que me faltaban más.
Y esa sensación, la de que la herramienta que te ahorra trabajo acaba dándote más trabajo, no es nueva ni es mía. Tiene 160 años y un nombre: la paradoja de Jevons. Llevo un tiempo obsesionado con ella porque creo que es la mejor lente que existe para entender lo que la inteligencia artificial le está haciendo a nuestro trabajo. Voy a intentar explicártela como me habría gustado que me la explicaran a mí.
Qué es la paradoja de Jevons
La paradoja de Jevons dice que, cuando una tecnología hace que usar un recurso sea más eficiente y barato, el consumo total de ese recurso no baja: sube. Se vuelve tan asequible que lo usamos para muchísimas más cosas, y la suma de todos esos usos nuevos supera con creces el ahorro por unidad.
En 1865, un economista inglés llamado William Stanley Jevons publicó un libro con un título que no recuerda nadie: The Coal Question. La Inglaterra victoriana acababa de perfeccionar la máquina de vapor. Cada nueva versión consumía menos carbón para producir la misma energía. Todo el mundo daba por hecho lo lógico: si cada máquina gasta menos carbón, el país gastará menos carbón.
Jevons dijo que pasaría exactamente lo contrario. Y acertó.
Al ser más barato usar carbón, se usó para todo. Fábricas que antes no podían permitirse una máquina de vapor, ahora sí. Rutas de tren que no eran rentables, de repente lo eran. Barcos, calefacción, industria entera. La eficiencia no redujo el consumo. Lo disparó.
El resumen cabe en una línea:
Más eficiente → más barato → más usos → más consumo total.
Del carbón a los tokens: por qué la IA reactiva la paradoja
Cambia “carbón” por “producir cosas con un ordenador” y tienes el presente exacto.
Escribir un texto, diseñar una imagen, montar una landing, redactar un email de ventas, generar cien variantes de un anuncio: todo eso acaba de bajar de precio de una forma que no habíamos visto nunca. No un 20% más barato. Prácticamente gratis y prácticamente instantáneo.
Según la lógica ingenua, eso debería traducirse en trabajar menos. “Ahora que la IA me hace las landings, tendré las tardes libres.” Es lo que promete casi todo el mundo que vende IA.
Y es mentira. No porque la IA no funcione, sino porque funciona demasiado bien.
Cuando producir algo pasa a costar casi cero, no produces lo mismo con menos esfuerzo. Produces diez veces más. Y descubres que había una demanda latente que nunca habías atacado porque no te salían los números. Yo no publiqué 26 piezas y me fui a la playa. Publiqué 26 piezas y pensé: “ahora puedo atacar el mercado mexicano, y el chileno, y montar toda una serie sobre IA para pymes”. El ahorro no se convirtió en descanso. Se convirtió en ambición.
Eso es Jevons, en directo, en mi salón.
Lo que se repite cada vez que abaratamos la creación
Lo bonito y lo inquietante de esta paradoja es que no es sobre la IA. Es sobre nosotros. Cada vez que hemos abaratado radicalmente la capacidad de crear algo, ha pasado lo mismo.
La escritura. En el antiguo Egipto, dejar una frase por escrito costaba semanas de trabajo de artesanos especializados cincelando piedra. Escribí sobre esto a partir del día que vi la Piedra Rosetta en el British Museum: tres meses de trabajo para un texto que hoy la IA genera en ocho segundos. Gutenberg abarató el libro y los libros se multiplicaron. El email abarató la carta y ahora recibimos cien al día. La IA ha hecho que escribir cueste cero, y la cantidad de texto que produce la humanidad se va a multiplicar por diez. Más texto, más ruido, más contenido que nadie va a leer.
El software. Es la misma película con otro reparto. Cada década alguien reinventa cómo escribimos código para hacerlo más rápido y accesible, y en lugar de escribir menos software, escribimos muchísimo más. Lo conté entero en la historia de los frameworks y lo que viene para la IA: ensamblador, lenguajes de alto nivel, frameworks, low-code y ahora agentes. Cada capa abarata construir, y cada capa multiplica lo que construimos. El próximo gran salto no será escribir código más rápido. Será describir intención y que la máquina la ejecute. Y cuando eso sea barato, habrá más software del que nadie sabe pedir.
El patrón es tan fiable que da un poco de vértigo: abaratar la creación nunca reduce la cantidad creada. La dispara.
El nuevo cuello de botella no es producir. Es decidir.
Aquí está la parte que casi nadie cuenta con honestidad, y que para mí es la más importante.
Si producir ya no cuesta nada, el trabajo no desaparece. Se desplaza. Deja de estar en las manos y se muda a la cabeza.
El día de las 26 piezas no acabé agotado de escribir. Acabé agotado de decidir. ¿Este ángulo o el otro? ¿Este titular funciona? ¿Publico esta landing o me estoy engañando? ¿Este texto aporta algo o solo es ruido bonito? Una microdecisión cada treinta segundos, durante nueve horas. Ese es el cansancio nuevo.
Lo escribí en su momento sin adornos: el email que mandé a las 23:47 resume el problema entero. Antes, una idea a medianoche la apuntaba y por la mañana, con la cabeza fría, decidía si merecía la pena. Casi nunca la merecía. Ese filtro (esperar, dudar, descartar) era gratis cuando ejecutar era caro. Ahora que ejecutar es instantáneo, el filtro ha desaparecido. Y no porque la idea fuera buena, sino porque ya no tenía que esperar para comprobarlo.
Cuando la producción es infinita y gratis, el recurso escaso es el criterio. El juicio para decidir qué merece existir. Eso no lo genera ningún modelo. Eso sigue costando años, conversaciones incómodas y mucho ensayo y error.
El lado oscuro del efecto rebote
A la paradoja de Jevons también se la llama, en su versión moderna, efecto rebote: el ahorro por unidad se lo come el aumento de uso. Y tiene una sombra que conviene mirar de frente, porque no todo es “qué bien, produzco más”.
Ruido. Si todo el mundo puede generar texto, imágenes y vídeo infinitos, el valor no está en producir. Está en que alguien se pare a mirar lo tuyo. La atención no ha escalado con la IA. Sigue siendo un día de 24 horas por persona. Producimos como si fuera infinita y no lo es.
Deuda. Abaratar construir no abarata mantener. Lo que la IA te genera en una tarde, alguien lo tiene que sostener durante años. He visto proyectos preciosos por fuera y una bomba de relojería por dentro, porque se produjo mucho y se pensó poco.
Energía de verdad. Y hay un giro casi poético: la paradoja de Jevons nació hablando de carbón, y la IA la ha traído de vuelta también en lo literal. Cada modelo más eficiente abarata la inferencia, y al abaratarla la usamos para todo, y el consumo energético agregado de los centros de datos no para de crecer. Jevons volvería a tener razón sobre el carbón sin cambiar una coma.
Qué hago yo con todo esto: método antes que velocidad
Si el cuello de botella se ha mudado de las manos a la cabeza, la ventaja competitiva también.
Ya no gana quien produce más rápido, porque producir rápido es la nueva línea base: lo hace cualquiera. Gana quien decide mejor qué producir y con qué método. Por eso llevo un tiempo obsesionado con darle a la IA disciplina en vez de solo velocidad: que antes de ejecutar entienda el problema, lo escriba como especificación, lo valide y demuestre que funciona. Lo probé en carne propia hace poco y lo conté aquí: le di superpoderes a mi agente de IA y arreglé un bug con método. La conclusión encaja con Jevons como un guante: lo valioso ya no es que la máquina produzca, sino que te obligue a pensar antes de hacerlo.
Traducido a lo práctico, esto es lo que intento tener claro (y lo que recomiendo a las empresas con las que trabajo):
- No confundas velocidad con dirección. La IA te hace rapidísimo. No te dice hacia dónde. Esa sigue siendo tu responsabilidad, y ahora pesa más que nunca.
- Invierte donde ya no aprieta el zapato. Si producir es gratis, gasta tu tiempo en decidir, revisar y dar criterio, no en fabricar más de lo mismo.
- Menos, pero que dure. Diez piezas que alguien lea y recuerde valen más que mil que se pierdan en el ruido. La escasez de atención es tu oportunidad, no tu enemiga.
- Cuenta el coste de mantener, no solo el de construir. Lo barato de hoy es la factura cara de dentro de dos años si nadie pensó la arquitectura.
Qué significa la paradoja de Jevons para tu negocio
Si tienes un ecommerce, una agencia o cualquier negocio digital, la lectura es directa. La IA no va a reducir tu equipo ni tu carga de trabajo. Va a subir el techo de lo que puedes hacer, y con él, las expectativas del mercado. Tus competidores también producen diez veces más. El suelo sube para todos.
Ganar en ese entorno no va de producir más que el vecino (eso ya se da por hecho). Va de tener criterio para decidir qué merece producirse, método para que no se convierta en un caos, y honestidad para no confundir actividad con progreso. La IA reparte músculo infinito. El que sabe hacia dónde correr es el que gana.
Esa es, para mí, la gran noticia escondida en una paradoja de 1865: en un mundo donde cualquiera puede hacer de todo, lo único que sigue siendo escaso es el juicio. Y eso, de momento, es muy humano.
Preguntas frecuentes sobre la paradoja de Jevons
¿Qué es exactamente la paradoja de Jevons?
Es la observación de que, cuando el uso de un recurso se vuelve más eficiente y barato, su consumo total aumenta en lugar de bajar, porque el abaratamiento dispara la cantidad de usos. La formuló William Stanley Jevons en 1865 hablando del carbón y las máquinas de vapor.
¿Quién fue William Stanley Jevons?
Un economista y lógico inglés del siglo XIX. En su libro The Coal Question (1865) argumentó que mejorar la eficiencia de las máquinas de vapor no reduciría el consumo de carbón del Reino Unido, sino que lo aumentaría. La historia le dio la razón.
¿Es lo mismo la paradoja de Jevons que el efecto rebote?
Están muy relacionados. El “efecto rebote” es el término moderno para el fenómeno de que las ganancias de eficiencia se compensan (parcial o totalmente) con un mayor uso. La paradoja de Jevons es el caso extremo: cuando ese rebote es tan grande que el consumo total acaba siendo mayor que antes de la mejora.
¿Cómo se aplica la paradoja de Jevons a la inteligencia artificial?
La IA abarata radicalmente producir texto, código, imágenes o vídeo. En lugar de trabajar menos, producimos muchísimo más y atacamos usos que antes no compensaban. El resultado es más output, más competencia y un cuello de botella que se desplaza de la producción al criterio para decidir qué producir.
¿Cómo puedo aprovecharla en vez de sufrirla?
Asumiendo que la ventaja ya no está en producir rápido (eso lo hace cualquiera) sino en decidir bien. Invierte tu tiempo en criterio, revisión y método; prioriza pocas piezas de calidad frente al ruido; y mide también el coste de mantener lo que creas, no solo el de crearlo.
Llevo tiempo escribiendo sobre esto porque me parece la conversación de fondo de toda esta ola. Si te interesa, lo he desarrollado más largo y más personal en mi Substack, y si en tu empresa estáis metiendo IA a lo bestia sin un método detrás, es justo el tipo de charla que me gusta tener. Ya sabes dónde encontrarme.
