La IA entre la promesa y el balance

La inteligencia artificial ocupa hoy un lugar privilegiado en el debate económico mundial. Rara vez una tecnología ha despertado expectativas tan elevadas en tan poco tiempo. Empresarios, inversionistas y gobiernos la presentan como la próxima gran revolución productiva, comparable a la electricidad, el motor de combustión o internet. Sin embargo, existe una paradoja que merece atención. Mientras la inversión asociada a la inteligencia artificial alcanza dimensiones históricas, los efectos sobre la productividad agregada de la economía siguen siendo relativamente modestos. La pregunta central no es si la inteligencia artificial transformará el mundo, sino si esa transformación ocurrirá con la velocidad que actualmente descuentan los mercados financieros.

La característica más visible del fenómeno no es todavía una explosión de productividad, sino una explosión de gasto de capital. Las grandes empresas tecnológicas han iniciado una carrera sin precedentes para construir centros de datos, adquirir procesadores avanzados, expandir infraestructura energética y asegurar capacidad de cómputo para los próximos años. La magnitud de estas inversiones es tan extraordinaria que ya ha comenzado a influir sobre la demanda de electricidad, la construcción especializada, los mercados de crédito y la industria global de semiconductores. La inteligencia artificial se ha convertido en un motor económico mucho antes de demostrar plenamente que puede convertirse en un motor de productividad.

Esta situación recuerda una lección recurrente de la historia económica: la aparición de una tecnología revolucionaria no implica que sus beneficios se materialicen de inmediato. La electricidad fue inventada mucho antes de que las fábricas alcanzaran aumentos sustanciales de productividad gracias a ella. Durante décadas coexistieron motores eléctricos modernos con estructuras productivas diseñadas para la era del vapor. Solo cuando las empresas reorganizaron completamente sus procesos comenzó a aparecer el verdadero salto de eficiencia. Algo similar ocurrió con la informática. A finales de los años ochenta, el economista Robert Solow observó que la revolución informática parecía visible en todas partes excepto en las estadísticas de productividad. El gran impulso productivo asociado a las tecnologías de la información no llegó hasta finales de la década de los noventa, una vez que software, redes, capacitación y reorganización empresarial lograron complementarse entre sí.

La inteligencia artificial parece encontrarse hoy en una etapa comparable. Existen numerosos casos en los que determinadas tareas pueden realizarse más rápido gracias a asistentes generativos, sistemas de automatización o modelos especializados. Sin embargo, una mejora en una tarea específica no equivale automáticamente a una mejora de productividad para una empresa ni mucho menos para toda una economía. Ahorrar tiempo solo genera crecimiento económico cuando las organizaciones son capaces de reorganizarse para utilizar ese tiempo liberado de forma más eficiente.

La diferencia es fundamental. Una empresa puede reducir el tiempo necesario para redactar documentos, responder consultas o generar código informático y, aun así, no aumentar significativamente su producción ni reducir sus costos. Para que la ganancia técnica se convierta en productividad económica deben modificarse procesos, estructuras de decisión, sistemas de incentivos y formas de organización del trabajo. La tecnología es una condición necesaria, pero no suficiente.

El problema se vuelve aún más evidente cuando se examina la velocidad de adopción. Aunque la presencia mediática de la inteligencia artificial sugiere una utilización universal, la realidad empresarial es mucho más heterogénea. Muchas organizaciones continúan realizando pruebas piloto, experimentos limitados o implementaciones parciales. Incluso entre las empresas que utilizan inteligencia artificial, pocas son capaces de medir con precisión su impacto financiero. La distancia entre el potencial tecnológico y la transformación económica sigue siendo considerable.

Existe además un obstáculo menos visible, pero igualmente importante: la persistencia de sistemas heredados. Gran parte de la economía opera sobre infraestructuras tecnológicas acumuladas durante décadas. Bancos, gobiernos, aseguradoras y grandes corporaciones mantienen plataformas que no pueden sustituirse fácilmente sin asumir riesgos operativos significativos. El caso del lenguaje COBOL resulta ilustrativo. Más de sesenta años después de su creación, continúa siendo una pieza fundamental del sistema financiero mundial y de numerosas agencias gubernamentales. La permanencia de estas tecnologías demuestra que la velocidad de adopción no depende únicamente de la calidad de las innovaciones nuevas, sino también de la capacidad de las organizaciones para reemplazar sistemas antiguos sin interrumpir su funcionamiento.

Por esta razón, la productividad derivada de la inteligencia artificial depende de factores que van mucho más allá de los algoritmos. Requiere bases de datos de calidad, sistemas interoperables, trabajadores capacitados, directivos capaces de rediseñar procesos, reglas regulatorias claras y una infraestructura física suficiente para soportar la creciente demanda de cómputo. La inteligencia artificial no es simplemente software. También es energía, cableado, refrigeración, centros de datos, redes eléctricas y enormes cantidades de capital físico.

Esta dimensión material suele recibir menos atención que los avances en modelos lingüísticos o aplicaciones generativas, pero constituye uno de los aspectos más relevantes del fenómeno actual. La revolución de la inteligencia artificial descansa sobre una expansión masiva de infraestructura. Los grandes proveedores tecnológicos están invirtiendo cientos de miles de millones de dólares para construir la capacidad necesaria antes incluso de saber con certeza cuál será la demanda final de muchos de los servicios que esperan ofrecer.

En este punto emerge la dimensión financiera del problema. Durante décadas, las principales tecnológicas se caracterizaron por generar más efectivo del que necesitaban invertir. La situación actual es diferente. El volumen de gasto asociado a la inteligencia artificial ha alcanzado niveles que comienzan a superar la capacidad de autofinanciamiento de varias empresas. Como resultado, una proporción creciente de la expansión se apoya en deuda, emisiones de capital y estructuras financieras fuera de balance.

Este cambio es relevante porque introduce una relación temporal compleja entre inversión y rentabilidad. Los desembolsos se realizan hoy, mientras que los ingresos suficientes para justificarlos podrían tardar años en aparecer. La tecnología puede ser extraordinariamente valiosa en el largo plazo y, al mismo tiempo, generar tensiones financieras significativas en el corto plazo si la monetización avanza más lentamente de lo previsto.

La cuestión esencial es que la economía real y los mercados financieros operan con calendarios distintos. Los mercados valoran flujos futuros y responden a expectativas. La adopción tecnológica, en cambio, depende de procesos de aprendizaje, reorganización y adaptación institucional que tienden a ser mucho más lentos. Cuando ambos calendarios se desalinean, surgen riesgos de sobreinversión.

La distribución de los beneficios actuales permite observar con claridad esta diferencia temporal. Quienes más están ganando dinero en esta etapa no son necesariamente quienes financian las inversiones. Los ingresos inmediatos se concentran en los proveedores de infraestructura. Fabricantes de chips, empresas de energía, constructoras especializadas, productores de equipos eléctricos, compañías de refrigeración e inmobiliarias vinculadas a centros de datos reciben pagos hoy. Los grandes inversores tecnológicos, en cambio, están comprando una capacidad que esperan monetizar mañana.

Esta asimetría explica por qué numerosos sectores de la economía experimentan actualmente un auge vinculado a la inteligencia artificial. La demanda de procesadores avanzados ha impulsado ingresos extraordinarios para los fabricantes de semiconductores. La construcción de centros de datos se encuentra en niveles récord. Las empresas eléctricas enfrentan una expansión de pedidos sin precedentes. Los mercados inmobiliarios especializados registran niveles mínimos de disponibilidad. Toda esta actividad contribuye al crecimiento económico actual.

Sin embargo, conviene distinguir entre crecimiento e incremento de productividad. La construcción de un centro de datos aumenta el producto interno bruto porque implica inversión, empleo y gasto. Pero no demuestra necesariamente que la economía esté produciendo de forma más eficiente. Se trata de un efecto de demanda agregada derivado de la formación de capital. El verdadero impacto productivo solo aparecerá si esa infraestructura permite posteriormente generar más valor con una cantidad determinada de trabajo y recursos.

Esta diferencia ayuda a comprender por qué la inteligencia artificial ya está influyendo sobre el crecimiento económico sin haber transformado todavía las estadísticas de productividad. Actualmente la principal contribución proviene de la construcción de capacidades. La mejora de eficiencia todavía está en desarrollo.

El reto consiste en que la escala de inversión proyectada exige resultados cada vez más ambiciosos. La infraestructura construida entre 2023 y 2026 deberá generar ingresos suficientes para justificar no solo su costo de adquisición, sino también la depreciación acelerada de los equipos y los crecientes costos financieros asociados al financiamiento de la expansión. En muchos casos, además, existe el riesgo de que los procesadores pierdan competitividad tecnológica antes de que el proyecto haya recuperado completamente la inversión inicial.

Por esta razón, la variable decisiva no es la existencia de la tecnología, sino la velocidad de su monetización. Si las empresas usuarias encuentran aplicaciones valiosas y están dispuestas a pagar precios suficientes por ellas, la inversión actual podría justificarse plenamente. Si la adopción avanza más despacio, el período necesario para recuperar el capital podría extenderse más allá de lo que toleran los mercados.

Es precisamente aquí donde aparece el riesgo de una corrección. No hace falta un colapso de la demanda para que surjan tensiones. Dado el ritmo de expansión reciente, una desaceleración significativa puede tener consecuencias considerables. Muchas empresas han realizado inversiones, ampliado capacidad y contratado personal bajo el supuesto de que el gasto seguirá aumentando. Si la inversión simplemente deja de crecer, parte del impulso económico desaparece.

La historia económica ofrece numerosos ejemplos de este fenómeno. Los ferrocarriles en el siglo XIX, las telecomunicaciones a finales del siglo XX y otras grandes olas tecnológicas atravesaron fases en las que la infraestructura terminó siendo útil para la sociedad, pero los inversionistas originales no siempre recuperaron la totalidad de su capital. Existe una diferencia fundamental entre valor social y rentabilidad financiera. Esa distinción resulta especialmente importante en el caso de la inteligencia artificial. Una eventual corrección bursátil o una reducción del gasto de capital no demostrarían que la tecnología carece de utilidad. Podrían simplemente reflejar que las expectativas financieras habían anticipado beneficios más rápidos de los que la economía real estaba en condiciones de generar.

Además, los efectos de un ajuste serían notablemente desiguales. Las grandes plataformas tecnológicas poseen negocios diversificados que les permiten absorber pérdidas temporales. Sus ingresos proceden de publicidad, servicios en la nube, software, comercio electrónico y otras actividades consolidadas. Una decepción en el negocio de inteligencia artificial afectaría principalmente sus valoraciones y márgenes, pero no necesariamente su supervivencia.

La situación es distinta para actores más especializados, proyectos altamente apalancados o empresas cuya existencia depende casi exclusivamente del ciclo de inversión en inteligencia artificial. Estos participantes enfrentan mayores riesgos si la demanda crece por debajo de las expectativas o si el acceso al financiamiento se vuelve más restrictivo.

La conclusión es que la discusión sobre la inteligencia artificial debe alejarse tanto del entusiasmo acrítico como del escepticismo absoluto. La evidencia disponible sugiere que estamos ante una tecnología con un potencial transformador considerable. También indica que la materialización de ese potencial dependerá de procesos organizacionales, institucionales y económicos mucho más complejos que la simple mejora de los modelos.

El verdadero indicador del éxito de esta revolución no será la cantidad de centros de datos construidos ni el volumen de capital invertido. Será la capacidad de las empresas para traducir esa infraestructura en aumentos sostenidos de productividad, ingresos recurrentes y mejoras tangibles de eficiencia. Mientras esa transición no se complete, la inteligencia artificial seguirá siendo, simultáneamente, una promesa tecnológica convincente y una apuesta financiera de proporciones históricas.

La cuestión decisiva es si la adopción productiva logrará alcanzar a tiempo el ritmo de acumulación de capital. De esa convergencia dependerá que el período actual sea recordado como la fase inicial de una auténtica revolución económica o como un episodio de sobreinversión cuya utilidad plena solo pudo apreciarse después de una inevitable corrección. 

Para una versión más extensa de este análisis ir a: https://www.academia.edu/178858942/La_IA_entre_la_promesa_y_el_balance_productividad_gasto_de_capital_y_el_riesgo_de_un_ciclo_de_auge_y_ca%C3%ADda