IA y productividad: cómo medir el retorno real en las empresas
La inteligencia artificial ha dejado de ser una promesa para convertirse en una partida de gasto real en los presupuestos empresariales. Sin embargo, la pregunta que hoy domina las reuniones de consejo ya no es si hay que invertir en IA, sino cuánto de esa inversión se traduce en productividad medible. Para el inversor, esta distinción es decisiva: las empresas que demuestran retorno sostendrán sus valoraciones; las que solo acumulan pilotos verán corregir sus expectativas.
1. La brecha entre adopción y resultados
La adopción de la IA es prácticamente universal. Cerca del 88% de las organizaciones ha incorporado la tecnología en al menos una función, y el gasto corporativo global en IA superó los 580.000 millones de dólares en un solo ejercicio. Sin embargo, la adopción no equivale a resultados. Muchas compañías han desplegado asistentes y automatizaciones que mejoran tareas concretas, pero no han rediseñado los procesos que realmente mueven la cuenta de resultados.
Esa brecha entre adopción y productividad es la clave del momento actual. El mercado empieza a distinguir entre las empresas que usan IA como un accesorio y las que la integran en su núcleo operativo. Las primeras presentan proyectos; las segundas presentan márgenes. La diferencia entre ambas se refleja, tarde o temprano, en la cotización.
2. Cómo se mide el retorno de la IA
Medir el retorno de la IA requiere algo más que contar casos de uso. El primer indicador es el coste unitario: cuánto cuesta resolver una tarea con IA frente a hacerlo con recursos humanos o sistemas tradicionales. El segundo es el tiempo de ciclo: cuánto se reduce el plazo para completar un proceso. El tercero, y el más importante, es el efecto en el margen bruto.
Las empresas que realizan este ejercicio con rigor descubren que la IA rinde de forma muy desigual. Suele generar ahorros claros en atención al cliente, generación de código, análisis documental y tareas de back office repetitivas. En cambio, los proyectos que prometen reinventar por completo una función suelen alargarse, encarecerse y producir resultados difíciles de atribuir. El inversor debe desconfiar de los anuncios grandilocuentes y fijarse en las métricas operativas verificables.
3. Los sectores donde el impacto es real
El impacto de la IA es más tangible en sectores con procesos digitalizables y volumen elevado. La banca y los seguros utilizan modelos para evaluar riesgos y detectar fraude con una precisión que antes exigía equipos enteros. La sanidad acelera el diagnóstico por imagen y el descubrimiento de fármacos. El software multiplica la productividad del desarrollo. La logística optimiza rutas y almacenes con ahorros medibles en combustible y tiempo.
En cambio, en industrias con procesos físicos complejos o con fuerte componente regulatorio, la adopción es más lenta y el retorno tarda más en aparecer. Esta asimetría es una oportunidad para el inversor: permite identificar los sectores donde la IA ya está dejando huella en los resultados trimestrales, en lugar de apostar por promesas futuras.
4. El riesgo de la métrica equivocada
El error más común es medir el éxito por el número de empleados formados o por la cantidad de herramientas desplegadas. Esas cifras son actividad, no resultado. Una empresa puede tener cientos de usuarios con licencia de IA y seguir operando exactamente igual que antes. El indicador que importa es si el coste por transacción, el tiempo de respuesta o la tasa de error han mejorado de forma sostenida.
Otro error frecuente es atribuir a la IA mejoras que proceden de otras causas, como una reorganización o un ciclo favorable. La disciplina consiste en aislar el efecto de la tecnología con datos comparables. Las compañías que reportan sus resultados con ese nivel de rigor son las que ofrecen mayor fiabilidad al inversor.
5. Qué mirar en el balance de una empresa que adopta IA
Al analizar una compañía que afirma beneficiarse de la IA, conviene revisar tres partidas. La primera es el gasto en I+D y en tecnología como porcentaje de los ingresos: indica compromiso, pero también presión sobre los márgenes si no se traduce en ventas. La segunda es la evolución del margen operativo: si la IA aporta eficiencia, debería reflejarse ahí. La tercera es el uso de caja: las inversiones en cómputo y licencias deben generar retorno en un plazo razonable.
Una empresa que aumenta su gasto tecnológico mientras su margen se deteriora puede estar atrapada en una carrera de adopción sin retorno. Una empresa que reduce costes mientras mejora su producto está capturando valor real. La diferencia entre ambos casos es lo que separa una buena inversión de una narrativa cara.
6. Cómo posicionarse como inversor
La estrategia más sensata combina dos tipos de exposición. Por un lado, las empresas que venden la infraestructura y las herramientas de IA, cuyos ingresos crecen con la adopción general. Por otro, las compañías de sectores tradicionales que utilizan la IA para mejorar sus márgenes y que, a menudo, cotizan con valoraciones menos exigentes. Las primeras ofrecen crecimiento; las segundas, eficiencia.
Evitar la concentración en un único nombre y desconfiar de las valoraciones que asumen que toda la adopción se convierte automáticamente en beneficio es la actitud prudente. La IA es una herramienta poderosa, pero el dinero no se gana por tenerla, sino por usarla mejor que la competencia.
Preguntas frecuentes
¿Cuánto tarda una empresa en ver el retorno de la IA? Depende del proceso. En tareas digitales repetitivas puede medirse en meses; en transformaciones profundas, en años. Lo importante es que exista una métrica clara desde el principio.
¿Es señal de alarma si una empresa no publica el retorno de su IA? No necesariamente, pero sí es una señal de opacidad. Las compañías con resultados sólidos suelen tener interés en demostrarlos.
¿La IA destruye empleo o lo transforma? Transforma tareas más que empleos. El impacto se concentra en funciones repetitivas, mientras crece la demanda de perfiles que saben dirigir y supervisar sistemas de IA.
Conclusión
La IA ya no se juzga por su potencial, sino por su resultado. Para el inversor, el filtro correcto es sencillo: buscar empresas que puedan demostrar con cifras cómo la tecnología mejora su coste, su tiempo o su margen. Quienes lo logren dominarán la próxima fase del ciclo tecnológico; quienes se queden en el anuncio, no. La productividad medible es, hoy, el mejor indicador de valor en el sector.