Paradoja de la IA: cero beneficio financiero para empresas fuera del sector tecnológico

Un informe del economista jefe de Apollo Global Management muestra que la inteligencia artificial no ha mejorado los márgenes de beneficio ni la productividad de las grandes corporaciones no tecnológicas.

El reciente informe del economista jefe de Apollo Global Management, Torsten Slok, revela que la IA no ha generado un retorno financiero medible para la mayoría de las compañías que no pertenecen al sector tecnológico. Analizando el llamado S&P 493 —el índice S&P 500 excluyendo a Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla— el estudio indica que los márgenes de beneficio y los ingresos por empleado se mantienen planos, sin señales de mejora atribuibles a la adopción de inteligencia artificial.

El estudio S&P 493 y sus hallazgos

Slok construyó el índice S&P 493 para aislar el comportamiento de empresas que, a diferencia de los gigantes tecnológicos, dependen menos de la infraestructura digital propia. Al comparar los datos de los últimos dos años, observó que:

• Los márgenes operativos promedio no han variado más del 0,2%.
• Los ingresos por trabajador se han mantenido estables, con una variación inferior al 1%.
• No se detecta correlación estadísticamente significativa entre la inversión en IA y el crecimiento de la productividad.

En palabras de Slok:

«A pesar de las enormes inversiones y del amplio bombo mediático, la tecnología ha entregado cero beneficio financiero a la América corporativa fuera del sector tecnológico».

El economista advierte que, aunque la IA puede automatizar cálculos, la mayor parte del valor empresarial proviene de juicios humanos, cultura organizacional y gestión de riesgos.

¿Por qué la IA no se traduce en mayores márgenes?

El informe destaca varios factores que limitan el impacto económico de la IA en sectores tradicionales:

• Dependencia de juicio y contexto: Decisiones estratégicas, negociación con proveedores o gestión de reputación requieren comprensión de normas no escritas que la IA todavía no domina.
• Costos de integración: Implementar modelos de IA implica inversión en infraestructura, capacitación y mantenimiento, lo que reduce el margen neto a corto plazo.
• Escasez de datos de alta calidad: Muchas industrias poseen datos fragmentados o no estructurados, lo que dificulta entrenar modelos útiles sin un esfuerzo considerable de limpieza y etiquetado.

Slok sintetiza la problemática con otra frase del informe:

«La IA puede ser una gran calculadora, pero en los negocios la inteligencia es, sobre todo, juicio. No entiende la rendición de cuentas, la confianza, la cultura, las reglas implícitas, los dilemas éticos o la equidad, todos factores que moldean el riesgo reputacional y, en última instancia, los ingresos y los márgenes».

Esta visión sugiere que la IA, tal como se despliega hoy, actúa como una herramienta de apoyo más que como un motor de transformación de valor.

Comparativa con estudios previos y limitaciones metodológicas

Otros análisis recientes han llegado a conclusiones similares. Un estudio de la Universidad de Stanford sobre productividad en la manufactura mostró que, pese a la adopción de algoritmos de mantenimiento predictivo, el aumento de la producción fue marginal cuando se ajustaron los costos de implementación.

Sin embargo, los resultados de Slok también presentan limitaciones:

• El horizonte temporal de dos años puede ser insuficiente para capturar efectos a medio plazo de proyectos de IA que requieren ciclos de maduración prolongados.
• La exclusión de las seis empresas tecnológicas elimina de la muestra a los pioneros que podrían estar creando efectos de arrastre indirectos en sus cadenas de suministro.

Por tanto, aunque la evidencia apunta a una falta de impacto inmediato, no descarta beneficios futuros una vez que la tecnología madure y se integren mejores prácticas de gobernanza.

Qué implica para la estrategia de adopción de IA en empresas tradicionales

Para los directivos de compañías fuera del sector tecnológico, el informe de Apollo sugiere replantear la agenda de inversión en IA. Algunas recomendaciones emergen del análisis:

• Enfocar proyectos en problemas específicos donde la IA aporte claridad cuantificable, como la detección de anomalías en procesos de fabricación o la optimización de rutas logísticas.
• Combinar IA con talento humano mediante equipos híbridos que integren especialistas de dominio y científicos de datos, garantizando que los modelos respeten normas de negocio y cultura corporativa.
• Medir el retorno con indicadores claros desde el inicio, estableciendo métricas de ahorro de tiempo, reducción de errores o incremento de ingresos atribuibles directamente a la solución de IA.

En última instancia, la conclusión implícita es que la IA no es una panacea que convierta la inversión en ganancias automáticas; su valor depende de la capacidad de la organización para traducir datos en decisiones informadas y alinearlas con su estrategia de mercado.

Perspectiva a medio plazo

Si bien el panorama actual muestra una ausencia de retorno financiero significativo, la carrera por la automatización y la presión competitiva seguirán impulsando la adopción de IA. Los próximos años podrían ver una convergencia entre avances en modelos de lenguaje multimodales y mejores prácticas de gobernanza, lo que permitiría a empresas tradicionales superar la barrera del juicio humano y extraer valor tangible.

Mientras tanto, los ejecutivos deben mantener una visión escéptica pero informada, evitando inversiones masivas basadas en hype y priorizando pruebas piloto controladas que demuestren beneficios reales antes de escalar.