Por qué los líderes empresariales están perdiendo la fe en la IA

El escepticismo hacia la IA se debe a varios factores. Para empezar, el coste de utilizar grandes modelos de lenguaje sigue aumentando, a menudo con pocos beneficios cuantificables. Según el Índice de Gasto en Tokens de Silicon Data, el gasto en LLM se ha duplicado desde 2025, a pesar de que el coste por token ha disminuido en más del 90 por ciento en los últimos tres años.

En otras palabras, el uso de la IA ha crecido tan rápidamente que la bajada de los precios de los tokens no ha logrado reducir el gasto total, lo que ha provocado que las empresas paguen más que nunca. En términos generales, el Banco de la Reserva Federal de Atlanta estima que las empresas aumentarán su gasto en IA en un 50 por ciento en 2026, hasta alcanzar los 280,000 millones de dólares.

Este aumento repentino del gasto ha puesto de manifiesto una asimetría fundamental. A medida que las empresas se ven sometidas a una presión creciente para justificar el aumento de los costes de la IA, los proveedores de LLM dependen cada vez más del consumo de tokens para mantener el crecimiento de los ingresos y respaldar las elevadas valoraciones de mercado.

La pregunta obvia es cuándo —y si— estas inversiones comenzarán a generar aumentos significativos de productividad o ahorros de costos. Un informe del MIT de 2025 reveló que el 95 por ciento de los programas piloto de IA generativa, incluidos muchos destinados a acelerar el crecimiento de los ingresos, no lograron alcanzar sus objetivos declarados.

Otra fuente de preocupación es el creciente riesgo de que las empresas que implementan herramientas de IA puedan, sin darse cuenta, ceder su propiedad intelectual, datos y conocimientos empresariales, acumulados durante décadas, a importantes proveedores de modelos como OpenAI y Anthropic. Si bien los acuerdos de licencia y las garantías contractuales limitan la exposición, los proveedores de modelos de aprendizaje automático podrían, no obstante, acceder a información que revele cómo las empresas crean, fijan precios y capturan valor.

La disputa entre Anthropic y Figma ilustra esta tensión. Figma se asoció con Anthropic para desarrollar asistentes de diseño impulsados por IA, pero la relación se tensó cuando surgieron informes de que Anthropic estaba desarrollando una herramienta competidora, que posteriormente lanzó como Claude Design.

Este no es un fenómeno nuevo. La historia está repleta de ejemplos de empresas tecnológicas que aprovechan su escala, capacidades y posición en el mercado para entrar en mercados adyacentes, especialmente el caso de Microsoft, que sustituyó a Lotus 1-2-3 y WordPerfect por Excel y Word en la década de 1990. Las empresas harían bien en tener esto en cuenta a medida que aumentan su dependencia de la IA.

Más allá de estos riesgos comerciales, es probable que la IA también imponga costos económicos y sociales más amplios a largo plazo. Estos incluyen una mayor demanda de electricidad, agua e infraestructura de centros de datos, así como un creciente desplazamiento de empleos y desigualdad a medida que la IA automatiza una proporción cada vez mayor del trabajo rutinario.

Abordar estos desafíos requerirá una mayor inversión pública y, en última instancia, impuestos más altos a las empresas, que potencialmente incluyan nuevas formas de apoyo social como una renta básica universal. Muchos líderes empresariales temen que el sector privado sea cada vez más responsable de las consecuencias no deseadas de la IA, lo que genera presión para aumentar los impuestos a las empresas.

En conjunto, estas preocupaciones ayudan a explicar por qué muchos líderes empresariales están adoptando un enfoque más cauteloso respecto a la adopción de la IA. El CEO de Palantir, Alex Karp, reflejó recientemente este sentimiento en una entrevista con CNBC, acusando a OpenAI y Anthropic de «robar los pesos y el alfa de mi negocio» mediante precios basados en tokens.

En este contexto, los líderes empresariales Al desarrollar sus estrategias de IA, las empresas deberían considerar cuatro pasos. Primero, deberían revisar y reestructurar los contratos de IA para que los proveedores de modelos tengan un mayor riesgo. Si los proveedores de modelos de aprendizaje automático confían en que pueden generar miles de millones de dólares en ganancias de productividad y ahorros de costos, deberían estar dispuestos a vincular al menos parte de su compensación al valor que crean, en lugar de depender únicamente de precios basados en el uso.

Los líderes empresariales también deberían comparar continuamente el coste y el tiempo necesarios para que la IA complete una tarea con el coste y el tiempo necesarios para que la realicen los humanos, utilizando métricas operativas y financieras claras para evaluar el valor económico de la IA.

En segundo lugar, las empresas deben evitar depender excesivamente de un único proveedor de modelos. Muchas empresas ya están experimentando con múltiples modelos, asignando diferentes proveedores a diferentes funciones o implementando herramientas de IA en entornos de prueba operativos antes de desplegarlas en toda la empresa.

En términos más generales, las empresas deberían considerar alternativas de código abierto. Muchos de los principales modelos de código abierto actuales han sido desarrollados por empresas chinas y, posiblemente, superan a sus homólogos occidentales. Además, tienen un costo mucho menor. Los precios de los tokens para MiniMax M3 y DeepSeek V4 Pro, por ejemplo, son menores que una décima parte de las de Claude Opus 4.8. Por eso, empresas como DoorDash y Airbnb están recurriendo a modelos chinos. Sin embargo, para muchas empresas occidentales, las preocupaciones geopolíticas y de ciberseguridad probablemente superen esas ventajas.

Esto nos lleva al tercer paso que deben dar los líderes empresariales. Una mayor dependencia de la IA requerirá inevitablemente defensas cibernéticas más sólidas. Más allá de los riesgos de ciberseguridad asociados con las tecnologías de la información actuales, es probable que los avances en cifrado, descifrado y computación cuántica hagan que las ciberamenazas sean más frecuentes y graves, acelerando la fragmentación del ecosistema tecnológico global y dificultando cada vez más las operaciones transfronterizas.

Estas amenazas ya están atrayendo la atención de los responsables políticos. En su último Informe de Estabilidad Financiera, el Banco de Inglaterra advirtió que los rápidos avances en las capacidades de IA de vanguardia han aumentado los riesgos cibernéticos y operativos, incrementando la probabilidad de interrupciones más rápidas y coordinadas.

Finalmente, para justificar las enormes sumas que se están invirtiendo, los líderes empresariales deben establecer plazos para ver pruebas claras de que la IA está cumpliendo su promesa. Con un gasto global en IA que se proyecta que alcance los 2,500 millones de dólares. Con un billón de dólares en 2026 y un aumento del 320 por ciento en los gastos corporativos por tokens desde 2023, la presión para demostrar el valor económico de la IA seguramente aumentará.

Si esas pruebas no se materializan, la creciente impaciencia de los inversores podría provocar una drástica revalorización de los activos relacionados con la IA. Cuanto más tiempo superen las expectativas los resultados, mayor será el riesgo de una dolorosa corrección del mercado.

La autora es economista internacional, autora de “Edge of Chaos: Why Democracy Is Failing to Deliver Economic Growth—and How to Fix It” (Al borde del caos: por qué la democracia no logra generar crecimiento económico y cómo solucionarlo). (Basic Books, 2018).

Copyright: Project Syndicate, 2026.
www.project-syndicate.org