Un informe de Apollo Global Management sostiene que la inteligencia artificial todavía no muestra retornos financieros generalizados fuera del sector tecnológico. En las 493 empresas restantes del S&P 500, los márgenes y la productividad siguen sin moverse.
“La revolución industrial no se mide por las máquinas que se compran, sino por la productividad que finalmente se ve en la calle”. La frase podría resumir el debate que hoy rodea a la inteligencia artificial: una tecnología con enorme promesa, pero con resultados económicos todavía desparejos. En esa línea, el sábado 24 de octubre, Torsten Slok, socio y economista jefe de Apollo Global Management, publicó un informe con una conclusión tajante: no hay señales de retorno de la IA fuera del sector tecnológico.
La lectura de Slok es contundente. Pese a las inversiones millonarias y a la expectativa que se acumuló en los mercados, la inteligencia artificial todavía no generó un retorno financiero visible para las empresas estadounidenses que no venden tecnología. En otras palabras: el beneficio generalizado todavía no aparece.
Para llegar a esa conclusión, Slok dividió al S&P 500, el índice que reúne a las 500 mayores compañías que cotizan en Estados Unidos, en dos bloques. Por un lado, los siete gigantes tecnológicos: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla. Por el otro, las 493 empresas restantes: bancos, cadenas minoristas, fabricantes, aseguradoras y laboratorios, es decir, buena parte de la economía cotidiana.
Los beneficios se concentran donde se vende la IA
Con datos de Bloomberg, de la Reserva Federal de San Francisco y de la oficina de estadísticas laborales de Estados Unidos, Slok analizó dos variables desde el inicio de la ola de gasto: el ingreso por empleado y el margen de ganancia. En los siete gigantes, ambas curvas avanzan. En las otras 493 empresas, en cambio, los indicadores permanecen prácticamente planos.
La tercera medición refuerza el mismo diagnóstico: no hay evidencia de que la IA esté elevando la productividad general de la economía. El gasto se concentra en las grandes tecnológicas, mientras que el resto de las compañías compra la tecnología sin que eso se traduzca, por ahora, en mejores resultados agregados. El circuito económico, por el momento, parece cerrado sobre sí mismo: unos venden, otros compran, pero el derrame aún no llega al conjunto.
Este patrón no es nuevo en la historia económica. Innovaciones como la electricidad o Internet también atravesaron una primera etapa en la que sus efectos quedaron concentrados en sectores específicos antes de expandirse al resto de la actividad. La diferencia es que, en el caso de la IA, los mercados ya descuentan una aceleración de ganancias que todavía no se verifica en las cuentas de la mayoría de las firmas.
La IA ya empieza a contarse como un costo
Slok también detecta un cambio de ánimo entre los compradores: el gasto en tokens, la unidad con la que suele cobrarse el uso de los modelos, dejó de verse como una vía clara de crecimiento y comenzó a percibirse como un costo que presiona sobre los márgenes.
Otro dato refuerza esa idea. Según cifras de la plataforma de pagos corporativos Ramp, citadas por Slok, las empresas que más gastan en IA por empleado son, en su mayoría, startups financiadas con capital de riesgo. Dicho de otro modo: la propia industria tecnológica es la que más consume la tecnología que promueve.
Una de las frases más contundentes del reporte ayuda a explicar por qué el retorno no aparece: “La IA puede ser una gran calculadora, pero en los negocios la inteligencia es sobre todo criterio”. Los modelos pueden procesar enormes volúmenes de información, pero no reemplazan la confianza, la cultura interna, las reglas no escritas ni la gestión del riesgo reputacional. Y, en buena medida, de esos factores dependen los ingresos y los márgenes.
En los mercados, el problema no es menor. Si las valuaciones ya incorporan la expectativa de retornos rápidos y ese beneficio tarda años en materializarse, puede producirse una corrección fuerte en los precios de las acciones vinculadas al boom de la IA. Ese riesgo ya había sido señalado por el propio Slok en julio, en un análisis recogido por Fortune, cuando advirtió que una demora prolongada podría forzar un reacomodamiento doloroso para varias compañías del sector.
Las empresas tradicionales ya miran la IA con cautela
El diagnóstico de Slok encuentra eco en lo que muchas compañías están empezando a admitir puertas adentro. En septiembre, durante un encuentro de ejecutivos en Chicago Booth, la escuela de negocios de la Universidad de Chicago, varios directivos coincidieron en que el entusiasmo inicial dio paso a una etapa más pragmática.
Pamela Forbus, jefa global de analítica de Mondelez, la empresa dueña de Oreo y Milka, fue clara: la IA que están implementando no va a generar crecimiento, no porque los modelos sean deficientes, sino porque todavía no resolvieron la calidad de sus propios datos. Cuando probaron la herramienta sobre sus bases internas, el resultado fue deficiente.
Andrew Townend, director financiero de la firma alimenticia estadounidense Sauer Brands, lo resumió con una lógica financiera muy concreta: “Invertir en ahorro es renta fija. Invertir en crecimiento es small cap”, en alusión a las acciones de pequeña capitalización, que pueden dar grandes ganancias, aunque también implican un riesgo mucho mayor.
Esa evolución marca un cambio importante respecto de la primera fase del boom, cuando la conversación giraba casi exclusivamente en torno a la adopción acelerada. Ahora, el foco pasó a la implementación, a la limpieza de datos, al retorno medible y a la capacidad real de convertir automatización en ganancias. En otras palabras, la euforia tecnológica cedió lugar al examen de resultados.
Análisis y proyecciones
Si la tendencia que describe Slok se mantiene, la IA podría transitar un ciclo clásico de entusiasmo, inversión y posterior depuración: primero una expansión de valor bursátil, luego una etapa de selectividad mucho más dura entre compañías con modelos de negocio sólidos y aquellas que solo capturan narrativa. Para la economía real, el efecto dependerá de cuándo la tecnología deje de ser un costo experimental y se convierta en una herramienta de mejora de procesos, ventas o márgenes. Hasta entonces, el impacto macroeconómico parece acotado.
También existe una lectura alternativa, planteada por Brad DeLong, economista de la Universidad de California en Berkeley, quien respondió que el beneficio puede estar apareciendo donde los gráficos de Slok no miran: en los usuarios y en las empresas nuevas, no en los balances de las firmas ya instaladas. Esa objeción no invalida el diagnóstico, pero sí sugiere que el valor de la IA podría estar desplazándose hacia la periferia del sistema productivo, donde surgen nuevos servicios, aplicaciones y modelos de negocio.
Mientras esa evidencia no se consolide, la conclusión de fondo sigue siendo la misma: el negocio de la IA que hoy puede auditarse con claridad es el de venderla. Su verdadera prueba, la de transformar productividad en rentabilidad sostenida para el resto de la economía, todavía está pendiente.
—
