Economista de Apollo: la inteligencia artificial no genera retorno financiero para la mayoría de las empresas

Tras años de un gasto colosal en infraestructura, modelos y herramientas, un informe económico reciente plantea una pregunta imposible de ignorar: ¿dónde están los resultados financieros reales de la inteligencia artificial en los libros de las empresas? La respuesta que ofrece el economista jefe de Apollo Global Management, Torsten Sløk, es franca hasta resultar incómoda: fuera del sector tecnológico, la inteligencia artificial no se ha traducido hasta ahora en ningún retorno financiero digno de mención para las grandes empresas estadounidenses.

La idea de «las 493» y lo que revela sobre los beneficios

Sløk basó su análisis en un enfoque llamativo: excluyó del índice S&P 500 a siete gigantes tecnológicos —Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla—. Lo que queda es lo que denominó el «S&P 493», es decir, las empresas que representan la economía real y amplia: industria, comercio minorista, servicios financieros, sanitarios y logísticos.

Al observar este grupo, el análisis no encontró ninguna huella clara de la inteligencia artificial en los indicadores que se supone deberían mejorar primero:

• Márgenes de beneficio: prácticamente estables, sin una mejora que pueda atribuirse a la adopción de la tecnología.
• Ingresos por empleado: también planos, siendo una de las métricas más importantes de la productividad real.
• Crecimiento de los ingresos: ninguna evidencia de aceleración derivada de las herramientas de inteligencia artificial.

En palabras de Sløk, la tecnología —pese a las inversiones gigantescas y al enorme revuelo— ha ofrecido un «retorno financiero nulo» a las empresas estadounidenses ajenas al sector tecnológico.

¿Se trata solo de un desfase temporal?

La explicación más habitual de esta brecha es que las empresas no tecnológicas se mueven con lentitud y que las ganancias aparecerán más adelante, a medida que maduren las aplicaciones. Pero Sløk se muestra escéptico ante este argumento y considera que convertir la «inteligencia barata» en crecimiento de ingresos y expansión de márgenes es una tarea mucho más difícil de lo que se supone.

Su argumento de fondo tiene que ver con la naturaleza misma de la actividad empresarial. Describe la inteligencia artificial como una «excelente máquina de calcular», pero añade que la inteligencia en el entorno de los negocios es, en su mayor parte, juicio y criterio, no cálculo. Las decisiones que determinan el destino de las empresas están ligadas a la rendición de cuentas, la confianza, la cultura corporativa, las reglas no escritas, los dilemas éticos y las nociones de equidad: elementos que configuran los riesgos reputacionales y que, en última instancia, inciden en los ingresos y los beneficios. Y los modelos actuales, según él, no comprenden esta capa del trabajo.

Coherencia con otros estudios

Esta conclusión no llega aislada. Varios estudios recientes han llegado a un resultado similar: hasta el momento, la inteligencia artificial generativa no ha producido saltos de productividad significativos y medibles a escala macroeconómica. Existen experiencias exitosas, sin duda, pero siguen limitadas a tareas muy concretas o a equipos reducidos, y no alcanzan la escala suficiente para reflejarse en los estados financieros consolidados.

Esta distancia entre el discurso de la transformación radical y los resultados contables recuerda a lo que en economía se conoce como la «paradoja de la productividad»: el intervalo que separa la difusión de una tecnología de uso general de la aparición de su impacto real, un periodo que puede extenderse durante largos años en los que se invierte dinero en aprendizaje y reingeniería de procesos antes de cosechar los beneficios.

¿Qué significa esto en la práctica para las empresas?

Este análisis no debe leerse como una sentencia de fracaso para la inteligencia artificial, sino como una llamada a una mayor dosis de realismo en la planificación. A nuestro juicio, hay lecciones prácticas evidentes:

• Empieza por el problema, no por la herramienta: los proyectos que arrancan con un «queremos usar inteligencia artificial» terminan casi siempre en pilotos que nunca llegan a producción.
• Vincula cada iniciativa a un indicador financiero: reducir el tiempo de ciclo, abaratar el coste de atención al cliente o elevar la tasa de conversión, con cifras que puedan rastrearse.
• Rediseña el proceso en sí: añadir un modelo inteligente a un flujo de trabajo obsoleto solo produce una mejora marginal.
• Invierte en datos y gobernanza: la calidad de los datos y los controles de uso son lo que separa un modelo experimental de un sistema fiable.
• Conserva la decisión humana: en los ámbitos con riesgos legales o reputacionales, el juicio humano sigue siendo un requisito, no un lujo.

Conclusión

El mensaje más importante del informe de Apollo no es que la inteligencia artificial carezca de valor, sino que ese valor no se materializa de forma automática con el simple hecho de gastar. La diferencia entre las empresas que cosecharán los beneficios y aquellas que se quedarán en la fase de experimentos no estará en el tamaño del presupuesto, sino en la capacidad de reconstruir los procesos y medir el impacto con rigor. Y hasta que eso ocurra a gran escala, las cifras seguirán siendo mucho más sobrias que el discurso de marketing que rodea a esta tecnología.

✦ بقلم فريق دروب أيديا