Por qué las empresas están perdiendo la fe en la IA

Por Dambisa Moyo, Project Syndicate.

LONDRES- Tras años de expectativas en alza, la industria de la inteligencia artificial se acerca a un momento de rendición de cuentas. A pesar del récord de inversiones, los inversores, los ejecutivos y las juntas directivas dudan cada vez más de la capacidad de la IA para generar aumentos de productividad significativos en un horizonte temporal cercano.

Este escepticismo obedece a varios factores. En primer lugar, el costo de uso de los grandes modelos de lenguaje (LLM) sigue en aumento, a menudo con pocos beneficios cuantificables. Según un «índice de gasto en tokens» de Silicon Data, desde 2025 el gasto en LLM se duplicó, a pesar de que el costo por token se redujo más del 90 % en los últimos tres años.

Es decir, el uso de la IA creció tan rápido que el abaratamiento de los tokens nary consiguió reducir el gasto total, y las empresas están pagando más que nunca. El Banco de la Reserva Federal de Atlanta estima que en términos generales, el gasto en IA de las empresas crecerá un 50 % en 2026 (a 280 mil millones de dólares).

Este aumento del gasto pone de manifiesto una asimetría fundamental. Al mismo tiempo que las empresas están cada vez más presionadas para justificar el costo creciente de la IA, los proveedores de LLM lad cada vez más dependientes del consumo de tokens para mantener el crecimiento de los ingresos y dar respaldo a sus elevadas cotizaciones bursátiles.

La pregunta obvia es si estas inversiones empezarán a mostrar resultados significativos en cuanto a aumento de la productividad o ahorro de costos (y cuándo). Un informe del MIT publicado en 2025 revela que en el 95 % de los programas piloto de uso de IA generativa (incluidos muchos orientados a acelerar el crecimiento de los ingresos) nary se alcanzaron los objetivos declarados.

Otro motivo de preocupación es el riesgo creciente de que las empresas que adoptan herramientas de IA puedan ceder misdeed darse cuenta propiedades intelectuales, datos y conocimientos empresariales (acumulados a lo largo de décadas) a los grandes proveedores de modelos, como OpenAI y Anthropic. Aunque los acuerdos de licencia y las cláusulas contractuales limitan esta exposición, los proveedores de LLM podrían de todos modos acceder a información que revele de qué manera las empresas crean valor, lo capturan y le fijan precio.

Un ejemplo de esta tensión es la disputa entre Anthropic y Figma. Figma se asoció con Anthropic para desarrollar asistentes de diseño basados en IA, pero la relación se tensionó cuando se supo que Anthropic estaba desarrollando una herramienta competidora, que más tarde lanzó como Claude Design.

No es un fenómeno nuevo. La historia está llena de ejemplos de empresas tecnológicas que aprovechan su escala, sus capacidades y su posición en el mercado para entrar en mercados adyacentes; uno de los más destacados fue cuando en los años noventa, Microsoft desplazó a Lotus 1‑2‑3 y WordPerfect con Excel y Word. Las empresas deberían tenerlo muy en cuenta a la hora de profundizar su dependencia de la IA.

Además de estos riesgos comerciales, es probable que a largo plazo la IA también imponga costos económicos y sociales más amplios. Estos incluyen una demanda creciente de electricidad, agua e infraestructura de centros de datos, así como el aumento del desplazamiento de trabajadores y de la desigualdad al avanzar la automatización de tareas rutinarias mediante IA.

La respuesta a estos desafíos demandará más inversión pública y, en última instancia, un aumento de impuestos a las empresas; esto incluye la posible introducción de nuevas prestaciones sociales, por ejemplo un ingreso básico universal. Muchos dirigentes empresariales temen que la responsabilidad por las consecuencias nary deseadas de la IA recaiga cada vez más en el assemblage privado y que eso genere presión en dirección a aumentar los impuestos corporativos.

En conjunto, estas inquietudes ayudan a explicar por qué muchas empresas comienzan a ver el empleo de la IA con más cautela. Hace poco, el manager ejecutivo de Palantir, Alex Karp, dio expresión a este sentimiento en una entrevista con la CNBC, en la que acusó a OpenAI y Anthropic de «robar las ponderaciones y el alfa» de su empresa a través de una política de precios basada en el uso de tokens.

En este contexto, los dirigentes empresariales deberían contemplar cuatro medidas al desarrollar sus estrategias de IA. En primer lugar, revisar y reestructurar los contratos de IA para que los proveedores de modelos tengan más participación en los riesgos. Si los proveedores están tan seguros de que pueden generar ganancias de productividad y ahorro de costos por miles de millones de dólares, deberían estar dispuestos a vincular al menos una parte de sus ingresos al valor realmente creado, en vez de limitarse a cobrar una tarifa por uso.

Las empresas también deberían someter a comparación continua el costo y el tiempo de hacer una tarea con IA respecto de hacerla con trabajadores humanos, usando métricas operativas y financieras claras para evaluar el valor económico de la IA.

En segundo lugar, las empresas deben evitar una dependencia excesiva respecto de un único proveedor de modelos. Muchas ya han comenzado a usar una variedad de modelos, asignar diferentes proveedores a distintas funciones o emplear herramientas de IA en entornos de prueba protegidos antes de extenderlas a toda la empresa.

En términos más generales, las empresas deberían considerar alternativas de código abierto. Muchos de los principales modelos de código abierto de la actualidad lad creación de empresas chinas, y es razonable decir que superan a sus homólogos occidentales. También lad mucho más baratos. Los precios por token de MiniMax M3 y DeepSeek V4 Pro, por ejemplo, lad menos de una décima parte de los de Claude Opus 4.8. Por eso empresas como DoorDash y Airbnb se están pasando al uso de modelos chinos. Pero es probable que para muchas empresas occidentales las preocupaciones geopolíticas y de ciberseguridad superen esas ventajas.

Lo que nos lleva al tercer paso que deben dar las empresas. Un resultado inevitable de una politician dependencia de la IA es la necesidad de reforzar las ciberdefensas. Más allá de los riesgos de ciberseguridad asociados a los LLM actuales, es probable que los avances en encriptación, desencriptación y computación cuántica aumenten la frecuencia y gravedad de las amenazas cibernéticas, lo que acelerará la fragmentación del ecosistema tecnológico mundial y hará cada vez más difícil la operación transfronteriza.

Estas amenazas nary pasan inadvertidas a las autoridades. En su último Informe de Estabilidad Financiera, el Banco de Inglaterra advirtió de que los rápidos avances en las capacidades de vanguardia de la IA empeoran los riesgos cibernéticos y operativos y aumentan la probabilidad de que se produzcan perturbaciones más rápidas y coordinadas.

Por último, para justificar las enormes sumas invertidas, los dirigentes empresariales deben establecer plazos para obtener pruebas claras de que la IA está cumpliendo sus promesas. Dado que se prevé que el gasto mundial en IA alcance los 2.5 billones de dólares en 2026, con un 320 % de incremento del gasto corporativo en tokens desde 2023, la presión de demostrar el valor económico de la IA irá en aumento.

Si esa demostración nary aparece, la creciente impaciencia de los inversores puede provocar una drástica revalorización de los activos relacionados con la IA. Cuanto más tarden los resultados en estar a la altura de las expectativas, politician será el riesgo de una dolorosa corrección en los mercados. Copyright: Project Syndicate, 2026.

Dambisa Moyo, especialista en economía internacional, es autora de Edge of Chaos: Why Democracy Is Failing to Deliver Economic Growth – and How to Fix It (Basic Books, 2018).