La paradoja de Jevons dice que usar un recurso con más eficiencia puede aumentar su consumo total en vez de bajarlo. Pasa cuando el uso crece más que el ahorro: si algo rinde más y sale más barato, se usa para muchas más cosas. William Stanley Jevons la planteó en 1865, con el carbón.
Una pregunta de la app. Elige una respuesta.
Cada consulta pasa a costar la mitad y ahora haces el cuádruple. ¿Qué pasa con la factura?
Bajaría a la mitad si la usaras lo mismo. Con el cuádruple de consultas a mitad de precio pagas el doble que antes.
Mitad de precio por cuatro veces el uso: 0,5 × 4 = 2. Abaratarse invitó a usarla más, y se gasta más: la paradoja de Jevons.
Se compensarían si el uso se duplicara. Con el cuádruple, 0,5 × 4 = 2: la factura se duplica.
La intuición dice que si aprendes a hacer el mismo trabajo con menos carbón, vas a gastar menos carbón. Jevons advirtió en 1865 que podía pasar lo contrario: si usar carbón rinde más, conviene usarlo en más lugares, y el consumo total sube.
No es una ley que se cumpla siempre. Si haces el mismo trabajo con menos recurso y el uso no aumenta, consumes menos. Que la sal cueste la mitad no hace que le pongas el doble a la comida: usas la misma sal y gastas menos.
La paradoja aparece cuando la mejora de eficiencia impulsa tanto el uso que el consumo total del recurso supera al anterior.
Con la IA puede pasar lo mismo. Si cada consulta a un modelo cuesta menos, se vuelve razonable usarlo en cosas que antes no se justificaban: revisar cada ticket, cada mensaje, cada formulario. El costo por consulta baja, pero el uso total y el gasto total pueden subir. Puede, no tiene por qué.
La lección práctica: cuando bajes el costo por consulta, mira también el volumen. Una tarifa diminuta multiplicada por millones de consultas deja de ser diminuta.
Diogo Almeida, CEO de TypeSafe AI, contó en X que Jev se llama así por la paradoja de Jevons. La apuesta detrás del nombre: que una inteligencia más barata se use muchísimo más. Es una apuesta, no una garantía.