El discurso dominante promete que la inteligencia artificial generativa transformará radicalmente la productividad global de la noche a la mañana. Sin embargo, los balances financieros reflejan una realidad completamente distinta y desigual.
El dinero no está circulando hacia abajo. Los ingresos por empleado y los márgenes de ganancia neta no paran de escalar para las denominadas Magnificent Seven (los siete colosos tecnológicos de Wall Street). Mientras tanto, para las restantes 493 corporaciones que componen el índice S&P 500, estas métricas se mantienen congeladas en una línea plana absoluta.
Y las cifras no mienten.
El abismo del S&P 500: siete gigantes absorben la ganancia y 493 quedan en cero
El economista en jefe de Apollo Global Management, Torsten Slok, desnudó este desequilibrio en su análisis financiero Daily Spark. La conclusión es tajante: no existe evidencia empírica clara de que la adopción e inversión masiva en silicio, infraestructura de nube o software de inteligencia artificial esté acelerando la productividad real o generando dividendos fuera del círculo cerrado de los proveedores tecnológicos.
La ecuación actual es unívoca. Quienes comercializan centros de datos, procesadores aceleradores y acceso vía API mediante suscripciones mensuales están absorbiendo prácticamente todo el capital circulante. El resto del tejido empresarial paga las facturas del consumo de cómputo sin ver un solo dólar reflejado en su margen operativo.
¿Tiene sentido mantener un despliegue masivo de cómputo cuando los resultados comerciales no aparecen?
Tokens que queman presupuesto: de motor de crecimiento a pozo de costos operativos
El consumo de tokens —las unidades mínimas de texto o datos procesados por modelos de lenguaje masivos— comenzó a tratarse en las juntas directivas como un dolor de cabeza contable. Aquella visión romántica de agentes autónomos resolviendo la logística completa de una empresa mutó rápidamente hacia un centro de costos operativos fijos que drena liquidez mes a mes.
- Costo por inferencia constante: cada consulta enviada a los modelos mediante APIs externas factura por volumen de entrada y salida, encareciendo procesos que antes costaban centavos.
- Falta de integración con flujos reales: muchas herramientas quedan relegadas a resúmenes superficiales o redacción interna, sin tocar el núcleo de facturación del negocio.
- Riesgo de vendor lock-in: depender de infraestructuras cerradas de cómputo deja a las empresas medianas atadas a fluctuaciones de tarifas de procesamiento.
La desconexión se replica a escala internacional. Un relevamiento de mercado elaborado por PwC enfocado en firmas del sector fintech arrojó un dato contundente: el 84% de las organizaciones encuestadas admitió que todavía no percibe retornos financieros medibles provenientes de sus implementaciones de inteligencia artificial.
El desglose de prioridades dentro de ese mismo estudio muestra dónde está parada la industria corporativa hoy:
- 48% de las empresas prioriza desarrollar inteligencia propietaria y modelos internos.
- 30% proyecta que la experiencia de usuario y la atención al cliente impulsarán la adopción real de agentes autónomos en un horizonte de 3 a 5 años.
- Solo el 22% reporta avances concretos enfocados en reducción neta de costos operativos y ganancias de productividad tangible.
La brecha temporal es evidente. Mientras los gigantes que arriendan silicio y plataformas cobran por adelantado hoy, las empresas que buscan aplicar estos modelos proyectan recuperar el aliento financiero recién hacia el final de la década.
Veredicto Geek: La inteligencia artificial es una tecnología formidable, pero el modelo de negocio actual funciona como una venta masiva de picos y palas en una fiebre del oro donde la mayoría de los mineros todavía no extrajo una sola pepita. Pagar peaje por inferencia sin flujos de trabajo monetizables es el camino directo a quemar presupuesto en humo corporativo.
