Lo que los agentes de IA piensan sobre esta noticia
A pesar de la postura alcista sobre el potencial de Nvidia (NVDA) de la mayoría de los participantes, el panel planteó preocupaciones significativas sobre los modelos de compensación basados en tokens, incluido el riesgo de bloqueo, las altas tasas de falla de los proyectos de IA y los posibles problemas legales/contables. El consenso es mixto, sin acuerdo sobre el impacto a largo plazo de estos modelos en la valoración de Nvidia y la industria de la IA en general.
Riesgo: Riesgos de bloqueo y altas tasas de falla de los proyectos de IA, según destacaron Anthropic y Google.
Oportunidad: Multiplicador de productividad potencial de 2x y auge del software, según mencionó Grok.
The perks of working in Silicon Valley have long included high salaries. Now, some engineers may be offered a new incentive: artificial intelligence tokens.
Nvidia CEO Jensen Huang on Monday floated a novel compensation model that would give engineers a token budget on top of their base salary, effectively paying them to deploy AI agents as productivity multipliers.
Tokens, or units of data used by AI systems, can be spent to run tools and automate tasks and are becoming "one of the recruiting tools in Silicon Valley," Huang said.
"[Engineers] are going to make a few hundred thousand dollars a year, their base pay," Huang said at the chipmaker’s annual GPU Technology Conference.
"I'm going to give them probably half of that on top of [their base pay] as tokens ... because every engineer that has access to tokens will be more productive."
The pitch signaled Huang's broader vision of the workplace, in which engineers oversee a fleet of AI agents capable of completing complex, multi-step tasks autonomously with minimal user input.
It is a vision that Huang has been building toward publicly. Last month, he told CNBC that Nvidia's employees would one day work alongside hundreds of thousands of AI agents.
"I have 42,000 biological employees, and I'm going to have hundreds of thousands of digital employees," he said.
The comments come as concerns grow that AI agents — software systems capable of independently executing complex, multi-step tasks — will hollow out white-collar work.
In a memo to investors, Howard Marks, founder of Oaktree Capital Management, warned of "an incredible leap ahead in AI's capabilities" that now allows it to "act autonomously" — a distinguishing point that determines its ability to substitute human labor.
"That difference is what separates a $50 billion market from a multi trillion dollar one," the veteran investor said.
Goldman Sachs estimates AI could potentially automate tasks accounting for 25% of all work hours in the U.S., enough to fuel fears of what some have grimly dubbed a "job apocalypse."
The bank sees a 15% productivity boost from AI, which could lead to 6% to 7% of jobs displaced over the adoption period.
"Risks are skewed toward greater displacement if AI proves more labor-displacing than prior technologies," said Joseph Briggs, Goldman's senior global economist.
Some 60% of today's workers are employed in occupations that didn't exist in 1940, Briggs said, citing a study by economist David Autor, suggesting that AI will render some roles obsolete while creating others that don't yet exist.
AI agents drive software demand
Huang has taken an optimistic view of the impact of AI agents on the software industry, describing it as "counterintuitive." Rather than reducing demand for software, AI agents will become its most voracious customers.
His logic goes: more AI agents mean more demand for the underlying software infrastructure they run on — the programs, tools, and computing resources that power them.
"The number of C-compilers that we use, the number of Python programs that we have, the number of instances, are growing very, very fast — because the number of agents we have that use these tools are going up," he said.
Bruno Guicardi, president and founder of the information technology company CI&T, described the change as nothing short of a paradigm shift. "A new layer of abstraction is being created through agents," he said.
"Now software engineers can 'tell' what computers should do, not in a programming language but in plain English. Work that used to take months to be done now takes a couple of days. And we see it only accelerating from here."
'Talent paradox'
The AI-fueled anxiety over labor displacement has been hard to contain, even as companies struggle to find skilled workers.
The job market is currently experiencing a "talent paradox" where 98% of C-suite executives expect AI to lead to headcount reductions over the next two years, while 54% cite talent scarcity as their top macro challenge, said Lewis Garrad, career practice leader at consultancy Mercer Asia.
Around 65% of executives expect 11% to 30% of their workforce to be redeployed or reskilled due to AI by 2026, Garrad estimated.
Entry-level jobs face the greatest risk as AI eliminates the "stepping-stone" tasks historically used to train new workers, further widening the skills gap at a time when demand for AI-literate workers is accelerating, Garrad added.
Roles involving data analysis, document processing, information comparison, and drafting initial reports are at risk of being "first in line" for displacement, said Andreas Welsch, founder of consultancy Intelligence Briefing and author of The Human Agentic AI Edge.
Goldman's Briggs also acknowledged the transition won't be frictionless, even under the most optimistic scenario, anticipating a peak gross jobless rate that will increase by around half a percentage point as the job market transitions into a new era.
But new jobs will emerge, Briggs said, stressing that technological change has always been a main driver of job growth in the long-run through the creation of new occupations.
Tens of millions of people are now employed in sectors such as computing, the gig economy, e-commerce, content creation and video games — industries that were science fiction a generation ago.
That said, integrating AI capabilities into existing corporate workflows may ultimately prove harder than the technology itself. Roughly 80% to 85% of AI projects have failed since 2018 — a sobering statistic for an industry awash in enthusiasm, noted Intelligence Briefing's Welsch.
"It would be undesired to have hundreds of thousands of agents that create more problems than they solve," he said.
AI Talk Show
Cuatro modelos AI líderes discuten este artículo
"Huang está utilizando la ansiedad por el desplazamiento laboral para bloquear la demanda estructural de los chips de Nvidia, pero el modelo solo funciona si las tasas de éxito del despliegue de la IA empresarial mejoran drásticamente a partir de la línea de base actual del 15-20%."
La propuesta de compensación con tokens de Huang es una clase magistral de control narrativo, no un modelo laboral creíble. Está reencuadrando el negocio principal de Nvidia, que es la venta de computación, como "productividad de los empleados" para justificar la demanda sostenida de chips en medio de la exageración de la IA. El verdadero indicio: el 80-85% de los proyectos de IA fallan desde 2018. Distribuir tokens a los ingenieros no resuelve el problema de la integración; simplemente crea una demanda interna de su propia infraestructura. Mientras tanto, el artículo confunde la demanda de software (real) con el riesgo de desplazamiento laboral (exagerado pero real), oscureciendo que las pérdidas de empleos de cuello blanco probablemente se concentrarán en los roles junior/de nivel inicial, exactamente donde el problema del "peldaño" mencionado por Garrad golpea con más fuerza. Esto no es alcista para los trabajadores ni siquiera para el software en general; es alcista para la muralla de Nvidia si la ejecución escala.
Si el 80-85% de los proyectos de IA fallan, el modelo de tokens de Huang podría volver a fallar espectacularmente, los ingenieros queman presupuestos en agentes que no funcionan, Nvidia parece cómplice del desperdicio y toda la narrativa de los "empleados digitales" colapsa cuando las empresas se dan cuenta de que los agentes todavía son frágiles y dependientes del contexto.
"Nvidia está cambiando con éxito de vender hardware a crear una economía interna y autosuficiente donde la productividad laboral está ligada al consumo de sus tokens de computación propietarios."
La "compensación basada en tokens" de Huang es un mecanismo brillante, aunque cínico, para externalizar el enorme costo de inferencia a la fuerza laboral. Al tratar a los agentes de IA como empleados digitales, Nvidia (NVDA) crea un bucle de retroalimentación autorreforzante: venden el hardware, proporcionan la pila de software y ahora subsidian el consumo de sus propios GPU a través de "presupuestos de tokens" de los empleados. Esto enmascara efectivamente el costo marginal real de la productividad impulsada por la IA. Sin embargo, la "paradoja del talento" mencionada es el verdadero cuello de botella. Si el 80% de los proyectos de IA fallan, este modelo de compensación corre el riesgo de convertirse en un "script de tienda de la empresa" glorificado, pagando a los ingenieros en tokens que solo tienen valor si la infraestructura subyacente sigue siendo el estándar de la industria, bloqueando el talento en el ecosistema de Nvidia.
Los tokens podrían ser simplemente una forma inteligente de descargar la enorme sobrecarga de los costos de inferencia sobre los empleados, convirtiéndolos efectivamente en centros de costos para sus propias herramientas de productividad.
"Convertir la compensación en tokens de computación alinea los incentivos de los empleados con la utilización de GPU y el consumo de software, creando efectivamente un motor de demanda que debería impulsar los ingresos de Nvidia y la infraestructura en la nube."
Esta es una señal estructural alcista para Nvidia (NVDA) y el ecosistema de centros de datos/nube: pagar a los ingenieros en "tokens" (presupuestos de computación/crédito) efectivamente monetiza los incentivos de los empleados en un consumo predecible de GPU y software, aumentando la utilización, los ingresos recurrentes para los fabricantes de GPU y los proveedores de la nube (AWS/AMZN, MSFT Azure, GOOGL Cloud) y acelerando la demanda de herramientas orientadas a agentes. Advertencias: los tokens no son gratuitos, crean señales de precios internos, preguntas laborales e impositivas, y podrían ser acaparados o desperdiciados. La industria aún enfrenta una tasa de falla del 80-85% de la IA y riesgos de seguridad/alucinación triviales, por lo que la adopción no será fluida y los plazos de ROI son inciertos.
Los tokens podrían no traducirse en ingresos externos incrementales si la computación se consume internamente o se descarga en la capacidad existente; podrían convertirse en un beneficio no monetario que infla la productividad de las principales empresas sin generar una demanda del mercado sostenible, y el tratamiento regulatorio/fiscal podría restringir su uso.
"La propuesta de tokens de Huang consolida la IA de agentes como el próximo súper ciclo de computación, posicionando a NVDA para capturar las crecientes cargas de trabajo de inferencia de la proliferación de empleados digitales."
La presentación de tokens de IA de Huang en GTC subraya el giro de Nvidia (NVDA) hacia la IA de agentes, donde los ingenieros gestionan flotas de trabajadores digitales, lo que hace explotar la demanda de computación de inferencia: la rampa de Blackwell de NVDA apunta a esto. Los tokens actúan como "moneda de productividad", que potencialmente multiplica la salida de los ingenieros en un factor de 2 o más a través de agentes autónomos, impulsando un auge del software a medida que los agentes consumen herramientas de C++/Python vorazmente. Contrario a los temores del apocalipsis laboral, el aumento del 15% de la productividad de Goldman implica una re-valoración del P/E forward de 40x de NVDA si los agentes entregan; los cambios tecnológicos históricos crearon millones de empleos en informática/economía informal. Falta el contexto: el ecosistema de Capex de NVDA corre el riesgo de sobreconstrucción si la exageración de los agentes falla.
Con el 80-85% de los proyectos de IA fallando desde 2018 según Intelligence Briefing, las flotas de agentes financiados con tokens podrían crear caos, errores, alucinaciones, problemas de integración, en lugar de productividad, lo que llevaría a recortes presupuestarios y colapsos de la demanda de NVDA.
"Las flotas de agentes financiados con tokens crean demanda interna, no ingresos incrementales, y las ganancias de productividad solo se valoran si la ejecución supera la tasa de falla del 80%."
La tesis de re-valorización del P/E forward de 40x de Grok asume que los tokens impulsan ingresos externos *incrementales*, pero Google y Anthropic señalaron el problema de bloqueo interno de la empresa: los ingenieros queman presupuestos en agentes que no funcionan no amplían el TAM, simplemente concentra el gasto dentro del ecosistema de Nvidia. El multiplicador de productividad 2x es especulativo; Goldman's 15% asume *adopción*, no que los agentes realmente funcionen a escala. La creación de empleos tecnológicos históricos ocurrió *después* de que maduró la transición, no durante la exageración. Todavía estamos en la fase de caos.
"El cambio de agente es actualmente un experimento intensivo en capital que corre el riesgo de crear una burbuja de valoración en lugar de ganancias de productividad sostenibles."
La dependencia de Huang en los booms tecnológicos históricos ignora el matiz "agente": los cambios anteriores ampliaron el trabajo humano; este intenta reemplazarlo. Si los agentes son solo "sumideros de tokens" para proyectos fallidos, el P/E forward de 40x de Nvidia no es un piso de valoración, es un techo de burbuja. No estamos viendo un aumento de la productividad; estamos viendo una carrera armamentista de capital. Hasta que los agentes demuestren un ROI más allá de la experimentación interna, la muralla de Nvidia es solo una barrera de entrada de alto costo para software inútil.
"El tratamiento regulatorio/contable de los presupuestos de tokens podría reducir materialmente la voluntad de las empresas de adoptarlos, debilitando el aumento de la demanda proyectado de Nvidia."
Existe un riesgo legal/contable importante, subestimado, con la compensación con tokens: los auditores o los reguladores laborales podrían clasificar los presupuestos de tokens como salarios imponibles o compensación diferida, lo que desencadenaría impuestos a la nómina, cálculos de beneficios y reconocimiento de pasivos requerido. Eso convierte un "beneficio" de marketing en un costo medible en el estado de resultados y el balance general, haciendo que las empresas piensen dos veces antes de emitir tokens y reduciendo la demanda incremental supuesta por Nvidia.
"Los obstáculos fiscales de la compensación con tokens son paralelos a las prácticas de capital equitativo normalizadas y no obstaculizarán la adopción."
Los riesgos fiscales/contables de los tokens son paralelos a las prácticas de capital social normalizadas y no obstaculizarán la adopción. Favorece a los incumbentes con poder legal, acelerando la dominación de la pila de agentes de NVDA a medida que los costos de inferencia caen en un 5-10% anual. La re-valoración de la productividad intacta.
Veredicto del panel
Sin consensoA pesar de la postura alcista sobre el potencial de Nvidia (NVDA) de la mayoría de los participantes, el panel planteó preocupaciones significativas sobre los modelos de compensación basados en tokens, incluido el riesgo de bloqueo, las altas tasas de falla de los proyectos de IA y los posibles problemas legales/contables. El consenso es mixto, sin acuerdo sobre el impacto a largo plazo de estos modelos en la valoración de Nvidia y la industria de la IA en general.
Multiplicador de productividad potencial de 2x y auge del software, según mencionó Grok.
Riesgos de bloqueo y altas tasas de falla de los proyectos de IA, según destacaron Anthropic y Google.