IA, dependencia, caídas y precios: el patrón que nadie quiere ver

Tres días sin Claude

La primera semana de abril, Claude se cayó. No una vez — tres días seguidos. El 6, el 7 y el 8 de abril de 2026. Más de 3.000 reportes en Downdetector en cada pico. Error 401 en la API, Claude Code sin responder, el chat muerto.

Nosotros teníamos un refactor a medio camino. Claude Code había editado 12 archivos y estaba en el paso 3 de 5 cuando se cortó. El diff quedó incompleto. Tuvimos que reconstruir manualmente lo que faltaba leyendo el historial parcial.

Ese día aprendimos algo que ya sabíamos pero no habíamos sentido: cuando la IA se cae, tu productividad no baja un 20% — baja a cero si construiste tu flujo alrededor de ella.

El patrón de los últimos meses

No fue solo Claude. Según CostLayer, en marzo de 2026, 114 de 483 modelos de IA rastreados cambiaron de precio. Ciento catorce. En un mes.

Lo que está pasando:

Anthropic empezó a throttlear sesiones en horarios pico. Si estás en el plan Pro, tu Claude de las 10am no es el mismo que el de las 3am.
OpenAI filtró un tier “Pro Lite” de $100/mes. El CEO de ChatGPT dijo que los precios actuales son “accidentales” — léase: van a subir.
Los modelos se nerfearon. No oficialmente, pero cualquiera que use Claude o GPT a diario lo nota. Respuestas más cortas, menos profundidad, más negativas a hacer cosas que antes hacía sin problema.

El patrón es clásico: te enganchan con un producto bueno y barato, construyes tu flujo alrededor de él, y cuando eres dependiente, ajustan las condiciones.

No somos anti-IA — somos realistas

Usamos IA todos los días. Claude Code para refactoring, GPT para prototipar, Gemini para analizar repos grandes. No estamos diciendo que la IA sea mala. Estamos diciendo que el modelo de negocio tiene un problema.

Las empresas de IA están quemando dinero a un ritmo insostenible. OpenAI gasta $14 mil millones al año. Anthropic y Google compiten por quién subsidia más. Eso no dura para siempre. Cuando deje de durar, los que construyeron todo sobre una API subsidiada van a tener un problema.

Los datos que nadie quiere escuchar

El estudio de METR: la IA te hace más lento

METR (una organización de investigación independiente) hizo un estudio controlado con 16 developers experimentados de repos open source grandes (+22K estrellas, +1M líneas de código). El resultado fue el opuesto a lo que todos esperaban:

Los developers que usaron IA tardaron un 19% más que los que no la usaron.

Pero acá viene lo más interesante: los propios developers creían que la IA los había acelerado un 20%. La percepción y la realidad estaban en polos opuestos.

Esto no significa que la IA sea inútil. Significa que sin criterio, la IA te da la ilusión de velocidad mientras te quita eficiencia real — sobre todo en tareas complejas donde entiendes el código mejor que el modelo.

El estudio de Anthropic: la autonomía crece, la supervisión baja

Anthropic publicó un estudio analizando millones de interacciones con Claude Code. Los números:

El 20% de los nuevos usuarios activan auto-approve desde el día uno.
A las 750 sesiones, ese número sube a más del 40%.
Las sesiones autónomas más largas casi se duplicaron en 3 meses: de menos de 25 minutos a más de 45 minutos.

La gente está delegando cada vez más. Los usuarios experimentados auto-aprueban más, pero también interrumpen más — señal de que saben cuándo la IA se desvía. El problema son los que auto-aprueban todo sin saber cuándo intervenir.

AWS: los agentes no pueden solos

AWS publicó un análisis sobre IA agéntica basado en miles de agentes construidos internamente en Amazon. La conclusión: los agentes pueden acceder a datos masivos, pero les falta domain expertise — el entendimiento contextual de cómo usar información especializada.

Traducido: la IA puede ejecutar, pero no puede decidir.

Y eso lo sabemos de primera mano. Le pides a Claude Code “implementa autenticación con JWT” y lo hace perfecto. Le pides “decide si necesitamos JWT o sessions para este caso específico” y te da una respuesta genérica que no considera tu infraestructura, tu equipo ni tu deadline.

Lo que hacemos nosotros (y lo que no)

Lo que sí hacemos

IA como acelerador, no como base. El código lo escribimos nosotros. La IA nos ayuda a ir más rápido, no reemplaza el criterio.
Siempre poder trabajar sin IA. Si Claude se cae mañana, seguimos funcionando. Más lento, pero funcionando.
Revisar todo. Cada línea que genera la IA pasa por code review humano. El 40% que auto-approves todo nos parece irresponsable.
Presupuesto con margen. Si hoy pagamos X por APIs de IA, presupuestamos 2X para el año que viene. Los precios van a subir.

Lo que no hacemos

No construimos productos que dependen de una sola API de IA. Si usamos Claude, tenemos fallback a GPT. Si usamos GPT, tenemos fallback a open source.
No confiamos en que los precios se mantengan. Los precios actuales son de adquisición, no de operación.
No dejamos que la IA tome decisiones de arquitectura. Sugiere, sí. Decide, no.

La pregunta incómoda

Si mañana todos los modelos de IA duplican su precio y reducen su calidad a la mitad — porque ya pasó en menor escala — ¿tu equipo sigue funcionando?

Si la respuesta es “no sé” o “probablemente no”, tienes un problema de dependencia, no de productividad.

La IA es una herramienta extraordinaria. Pero una herramienta que se puede caer tres días seguidos, que cambia de precio sin aviso, y que se nerfea silenciosamente no es una base sobre la cual construir. Es un acelerador sobre una base que tú controlas.

La base tiene que ser tuya. La IA es el turbo, no el motor.

Fuentes: