Seis cifras sobre IA que estás repitiendo mal (una es nuestra culpa también)
No venimos a corregir a nadie por deporte. Venimos porque estas seis cifras aparecen en presentaciones de directorio, en notas de prensa y en discusiones de sobremesa como si fueran hechos establecidos, y ninguna dice lo que la gente cree que dice.
nerdtalks es una revista digital en español de tecnología, inteligencia artificial y empresas, editada en Santiago de Chile.
No venimos a corregir a nadie por deporte. Venimos porque estas seis cifras aparecen en presentaciones de directorio, en notas de prensa y en discusiones de sobremesa como si fueran hechos establecidos, y ninguna dice lo que la gente cree que dice.
1. "Cada consulta a ChatGPT consume medio litro de agua"
Lo que dice el paper: medio litro por cada 10 a 50 respuestas, no por una.
La cifra sale de Making AI Less Thirsty, de Pengfei Li, Jianyi Yang, Mohammad Islam y Shaolei Ren (UC Riverside y UT Arlington). Y varía enormemente según dónde esté el datacenter: 7,6 ml por consulta en Texas, 16,9 en la media de Estados Unidos, 47,5 en Washington, 7,1 en Irlanda. Es una diferencia de casi siete veces entre el mejor y el peor caso.
Además el estudio es sobre GPT-3, un modelo de 2020, e incluye el agua de la generación eléctrica, no solo la del datacenter. La parte que se consume en el sitio va de 0,24 a 7,6 ml.
El contrapunto: Google publicó en agosto de 2025 su propia medición para Gemini: 0,24 Wh, 0,26 ml de agua y 0,03 g de CO₂ por prompt de texto mediano.
Pero ese dato también tiene peros, porque no se trata de cambiar un mal número por otro. Sasha Luccioni, de Hugging Face, señala que Google no publica su volumen diario de consultas, lo que impide calcular la demanda total; que usa contabilidad de emisiones market-based, aprovechando sus contratos de energía limpia, y por eso no es comparable con la media de la red; y que el cálculo cubre solo texto, no imagen, video ni modelos de razonamiento.
Maldita.es publicó un explicativo en español sobre esto en junio de 2025. Vale la pena.
2. "Un estudio probó que la IA hace 19% más lentos a los programadores"
Lo que pasó: METR publicó ese resultado en julio de 2025, con 16 desarrolladores open-source experimentados y 246 tareas. Y el 24 de febrero de 2026 METR anunció que rediseña la metodología porque su experimento de seguimiento no produjo datos fiables.
El problema fue sesgo de selección: los desarrolladores se negaban a participar en condiciones sin IA, y entre un 30% y un 50% no enviaban las tareas que temían hacer lentas sin asistencia. Un participante lo dijo textual: evitaba los problemas donde la IA podía terminar en dos horas lo que a él le tomaría veinte.
Los resultados nuevos, que METR califica de no fiables: −18% para los desarrolladores originales, con un intervalo de confianza de −38% a +9%. El intervalo cruza el cero. No concluye nada.
Y el hallazgo bueno del estudio original no era el 19%. Era que los participantes, después de haber sido más lentos, seguían creyendo que la IA los había acelerado un 20%. Esa brecha entre percepción y medición es lo interesante. Nadie la cita.
3. "El 95% de los pilotos de IA en empresas fracasan, según el MIT"
Lo que dice el informe: que el 5% de las organizaciones encuestadas había desplegado con éxito herramientas de IA a medida en producción. Pero el 80% nunca hizo ningún piloto.
Convertir "no lo intentaron" en "fracasaron" es el error de origen. Solo el 20% llegó a pilotar algo. Y ese 5% de éxito equivale, en números absolutos, a dos o tres empresas.
El informe se llama The GenAI Divide, es de NANDA (agosto de 2025), se basa en 52 entrevistas y 153 respuestas de encuesta, y no fue revisado por pares. Su criterio de éxito era "impacto marcado y sostenido" en productividad o beneficio en seis meses, que es una vara altísima. Y su hallazgo más positivo — que más del 90% del personal usa ChatGPT y herramientas similares con regularidad — fue descartado por los propios autores.
Rob Wiblin documentó además que los cuatro autores desarrollan o venden frameworks de IA agéntica, y que el informe recomienda NANDA, su propio proyecto, como solución. Ese conflicto de interés no estaba declarado. El estudio contribuyó a una caída del Nasdaq.
4. "La RTX 5070 rinde como una RTX 4090 por 549 dólares"
Lo dijo Jensen Huang en el keynote de CES 2025. La comparación solo se sostiene activando multi-frame generation de DLSS 4, o sea fotogramas generados por IA, una tecnología que la 4090 no soporta en esa versión.
En rasterización pura, TechSpot midió que la 4090 es 63% más rápida en promedio de 16 juegos a 1440p. A 4K, la 5070 rinde aproximadamente como una RTX 3090. TechSpot lo llamó "misleading and, frankly, false marketing".
5. "El 55% de las empresas se arrepiente de haber despedido por IA"
Ese dato es de Orgvue, y su trabajo de campo se hizo entre febrero y marzo de 2025. Se está citando en agosto de 2026 como si fuera fresco. No lo es: tiene año y medio.
Y hay una segunda capa: el 55% no es sobre el total de la muestra. Es sobre el subconjunto del 39% que efectivamente hizo despidos por IA. O sea, alrededor del 21% del total.
Bonus del mismo tema: Gartner predijo que para 2027 la mitad de las empresas que recortaron atención al cliente por IA volverán a contratar bajo otros títulos. El hallazgo más interesante de esa misma encuesta casi no se cita: solo el 20% de los encuestados había reducido personal por IA realmente. Kathy Ross, de Gartner, dijo que la mayoría de las reducciones recientes fueron influidas por condiciones económicas más amplias, no solo por automatización.
6. Y esta es nuestra culpa: "la atención humana bajó a 8 segundos, menos que un pez de colores"
Aparece desde 2015 en presentaciones de producto, estrategias de contenido y notas sobre redes sociales. Incluida, casi con certeza, alguna que leíste en un sitio como este.
No existe ninguna fuente. El origen es un informe de marketing de Microsoft Canadá de 2015, que lo tomó de Statistic Brain, un agregador que, cuando le preguntaron, no pudo aportar una fuente creíble. La comparación con el pez de colores no viene de ningún estudio de etología. La BBC lo desmontó en 2017 en el programa More or Less.
La conclusión operativa la escribió Nate Elliott en Fast Company y debería estar pegada en la pared de toda redacción:
Si no puedes encontrar la fuente de un número, no puedes usarlo.
Fuentes: METR (estudio original) · METR (actualización) · Making AI Less Thirsty (arXiv) · Google (medición Gemini) · MIT Technology Review · Maldita.es · Foro EA (desmontaje del informe NANDA) · TechSpot · Orgvue · Gartner · Fast Company
Preguntas que sí se pueden responder
- ¿Cada consulta a ChatGPT consume medio litro de agua?
- No. El paper de Li, Yang, Islam y Ren (UC Riverside y UT Arlington) estima medio litro por cada 10 a 50 respuestas, sobre GPT-3, e incluye el agua de la generación eléctrica. En el sitio, el rango va de 0,24 a 7,6 ml. Google midió 0,26 ml por prompt mediano de Gemini (agosto 2025).
- ¿La IA hace 19% más lentos a los programadores?
- METR publicó ese resultado en julio de 2025 con 16 desarrolladores y 246 tareas. El 24 de febrero de 2026 dijo que rediseña la metodología porque el experimento de seguimiento no produjo datos fiables. El intervalo de confianza del follow-up cruza el cero.
Publicado el 23 de agosto de 2026 en Actually, la sección de ☝️🤓 precisiones de nerdtalks. Actualizado el 23 de agosto de 2026.
