Inteligencia Artificial y productividad. TheNextRecession. Traducción: viento sur
El 22 de julio, Alphabet (Google) anunció sus resultados financieros. A primera vista, los resultados fueron espectaculares: los ingresos subieron un 24 %, y los ingresos de su negocio en la nube se dispararon un 82 %. El beneficio por acción fue de 9,11 dólares, una cifra muy alta. Pero más de dos tercios de ese beneficio se debieron a la contabilización de 77 000 millones de dólares en «ganancias no realizadas» por la compra de acciones de Anthropic, una importante empresa de modelos de Inteligencia Artificial (IA). En otras palabras, estas ganancias son solo en el papel y dependen de que las acciones de Anthropic sigan al alza.
Google es uno de los llamados hiperescaladores, esas megacompañías tecnológicas que están invirtiendo cantidades enormes de dinero en IA, con la esperanza y la expectativa de que en el futuro eso les reporte un fuerte aumento de los beneficios. La inversión de Google en IA ha inyectado tanto dinero en empresas de IA como Anthropic y OpenAI, y en centros de datos para ejecutar la IA con costosos chips fabricados por Nvidia, que sus enormes ingresos en efectivo ya no cubren el coste de la inversión. El flujo de caja libre, como se le llama, se volvió negativo por primera vez en la historia de Alphabet.
Google está aumentando enormemente su inversión en IA este año, al igual que sus rivales, Meta, Microsoft y Amazon, para construir infraestructura de IA; entre los cuatro hiperescaladores, se prevé que gasten más de 725 000 millones de dólares en 2026. Antes de los resultados del miércoles, se consideraba que Google era el hiperescalador mejor posicionado para aguantar la carrera armamentística de la IA, ya que se esperaba que los flujos de caja de su enorme negocio de búsquedas amortiguaran la presión financiera. Pero ahora, el gasto de efectivo para financiar las inversiones en IA va a obligarte a pedir más préstamos y/o a emitir acciones. Alphabet ya ha contraído una deuda de casi 100 000 millones de dólares, y en junio decidió recaudar unos 85 000 millones de dólares en su primera venta de acciones en más de dos décadas.
Todo esto nos dice que la burbuja bursátil de la IA –porque de eso es de lo que se trata– está a punto de estallar. Los hiperescaladores son tremendamente rentables, gracias a sus negocios actuales, con unos beneficios que superan la tendencia en un 59 %. Pero es tal la magnitud del boom de inversión en IA que están llevando a cabo estos hiperescaladores, que incluso estos beneficios se están viendo absorbidos por la IA como el agua que desaparece en el desierto del Sáhara.
Como ya he comentado en entradas anteriores, la economía estadounidense es una gran apuesta por la IA. El valor bursátil de los hiperescaladores representa ahora aproximadamente el 40 % de la capitalización bursátil total del S&P 500. Si hubiera algún indicio de que, en primer lugar, no pueden mantener su ritmo actual de inversión y, en segundo lugar, que están mermando sus beneficios sin obtener ningún rendimiento de esas inversiones en IA, el valor de sus acciones podría caer en picado y arrastrar consigo a todo el mercado bursátil.
La economía capitalista de EE. UU se sostiene sobre la punta de la IA. Todo irá bien si los modelos de IA tienen una gran demanda y empiezan a usarse en empresas de EE UU y en el resto del mundo (lo que impulsará la rentabilidad de los hiperescaladores y, con el tiempo, del resto del sector empresarial), y si el uso generalizado de la tecnología de IA en todos los sectores de la economía conllevara un cambio radical en el nivel de productividad, lo que puede llevar a la economía estadounidense a una nueva era de prosperidad.
Antes de que se diese el boom de la IA, las tecnologías de la información estadounidenses ya se habían convertido en el motor de un crecimiento económico relativamente más rápido en EE UU en comparación con el resto de las economías del G7 durante la Larga Depresión de la década de 2010.
Pero en la década de 2010, todas las economías del G7, incluida la de EE UU, experimentaron una desaceleración en el crecimiento del PIB real, la inversión y la productividad.
Luego, tras la caída provocada por la pandemia, la inflación volvió a la mayoría de las economías, amenazando con introducir un nuevo periodo de estanflación(crecimiento lento o nulo junto con una inflación más rápida y elevada) que no se veía desde los años 70. Ahora, la guerra con Irán está acelerando la inflación de los precios de la energía. La política monetaria de los bancos centrales no logró reactivar las economías en la década de 2010 con tipos de interés bajos o nulos e inyecciones monetarias (flexibilización cuantitativa). Y la política monetaria de los bancos centrales tampoco está logrando frenar el aumento de la inflación desde 2020, a pesar de subir los tipos de interés (BCE) y aplicar un endurecimiento cuantitativo (BoE). Esto se debe a que la única forma de que las economías crezcan sin que suba la inflación es aumentando el crecimiento de la productividad laboral.
El nuevo presidente de la Reserva Federal, nombrado por Trump, espera que la productividad aumente gracias a la IA. Kevin Warsh dice que «la IA es quizás el cambio más significativo en nuestra economía desde que soy adulto. La IA será una importante fuerza desinflacionista, que aumentará la productividad y reforzará la competitividad estadounidense». Cree que las mejoras en la productividad gracias a la IA impulsarán «aumentos significativos en los salarios reales netos. Un aumento de un punto porcentual en el crecimiento anual de la productividad duplicaría el nivel de vida en una sola generación». Tiene razón. Incluso un simple aumento de un punto porcentual en el crecimiento actual de la productividad de EE UU a lo largo de 20 años no solo mantendría baja la inflación, sino que generaría ingresos que podrían acabar con los déficits de los presupuestos públicos, sin subir los impuestos ni recortar el gasto. La ratio de deuda pública respecto al PIB bajaría.
Pero, ¿logrará la IA este cambio radical en la productividad? Entre 2005 y 2019, el crecimiento medio de la productividad en EE UU fue en torno al 1,5 % anual. El ritmo se mantuvo igual de lento durante la pandemia y justo después (2020-2022). Pero la productividad laboral en EE UU se ha acelerado desde 2022. La producción por hora creció alrededor de un 2,5 % al año desde finales de 2022 hasta principios de 2026, superando en un punto porcentual el ritmo anterior a la pandemia.
Entonces, ¿está dando resultados la IA? La mayor parte de la aceleración en el crecimiento de la productividad laboral proviene de un crecimiento más rápido de lo que la economía convencional llama productividad total de los factores (PTF). La PTF no es algo real que se pueda medir; es solo un residuo matemático que surge al analizar los factores que impulsan el crecimiento de la productividad. Que haya más trabajadores y trabajadoras que se esfuercen más, además de más máquinas que funcionen más tiempo, es lo que genera la mayor parte de la productividad del trabajo. La PTF es el residuo que se supone que proviene del impacto de la innovación (por ejemplo, la IA).
Pero el aumento de la PTF en EE UU todavía no es el resultado de la aplicación de la IA en la economía. Según los economistas de Barclays, la adopción de la IA ha sido gradual y constante, más que rápida y transformadora, y la mayoría de los hogares y empresas siguen indicando que su exposición a esta tecnología es limitada. El aumento del crecimiento de la productividad desde 2022 se debe realmente a un uso más intensivo de la tecnología existente tras el fin de la pandemia, no a la introducción de la IA.
¿Cómo lo sabemos? Pues bien, los economistas de Barclays analizaron la Encuesta de Población en Tiempo Real (RPS) a nivel nacional de la Fed de San Luis, realizada entre adultos estadounidenses en edad laboral. La encuesta más reciente muestra que, aunque la IA se ha colado en las rutinas de trabajo del 45 % de las personas encuestadas, el tiempo que le dedican es minúsculo. Suponiendo una jornada laboral de ocho horas, el usuario medio de IA ha pasado de unos 20 minutos de uso a finales de 2024 a unos 30 minutos a mediados de 2026, según muestra la encuesta RPS. Y lo que no se sabe es si las y los trabajadores están usando ese 2 % extra de tiempo de trabajo al día para ser más productivos en general, para revisar y corregir lo que haya generado la IA, ¡o para holgazanear!
De hecho, la mayoría de las encuestas sobre la adopción de la IA por parte de las empresas muestran solo un progreso modesto. La encuesta quincenal Business Trends and Outlook Survey de la Oficina del Censo de EE UU revela que solo el 21 % de las empresas utilizaba conscientemente la IA, el 69 % afirmaba no usarla y el 11 % no estaba seguro de ninguna de las dos cosas.
Un documento de debate de la Junta de Gobernadores de la Reserva Federal señala que «las tendencias de productividad en los tres niveles han sido relativamente constantes a lo largo del tiempo, lo que sugiere que las ganancias de productividad a nivel micro no se suman en el conjunto». Parece que los experimentos a «nivel micro» suelen medir la productividad a nivel de tarea, como la velocidad a la que un programador genera código, en lugar del rendimiento a nivel de puesto de trabajo o de empresa. Una mejora del 10 % en una tarea no tiene por qué traducirse en ganancias proporcionales para una empresa si los costes de ajuste u otros cuellos de botella se encuentran en otras partes del proceso de producción y merman las ganancias de productividad anteriores.
Tras realizar una serie de complicados análisis de regresión con los datos de la encuesta RPS, la Reserva Federal de EE UU concluyó que no hay pruebas de que la IA esté aportando nada positivo: la correlación entre las tasas de adopción a nivel sectorial y las mejoras en la productividad «no son estadísticamente distinguibles de cero», según el informe. Cualquier mejora observable «refleja en gran medida diferencias persistentes entre sectores, más que una aceleración medible del crecimiento de la productividad atribuible a la IA».
Sin embargo, los optimistas de la IA siguen siendo precisamente eso: optimistas. Se refieren a la curva en J que suele seguir el impacto de las nuevas tecnologías en la productividad. Al principio, el efecto sobre la productividad es lento, incluso negativo, ya que las empresas invierten mucho en tecnología. Y luego, llega el auge. Esa curva en J se observó en el crecimiento de la productividad del sector manufacturero estadounidense, que cayó a mediados de los años 80 y luego, tras la recesión de 1991, se aceleró bruscamente hasta mediados de la década de 2000.
Pero incluso esa visión optimista tiene sus salvedades. Para empezar, parece que las y los trabajadores expuestos a la IA se resisten a usarla. Una encuesta realizada en abril a 2400 trabajadores y trabajadoras del conocimiento (knowledge workers) por las empresas de IA Writer y Workplace Intelligence —ambas con intereses comerciales en la adopción de la IA— reveló que el 29 % de admite sabotear activamente la estrategia de IA de su empresa. Entre las y los trabajadores de la Generación Z (menores de 25 años), esa cifra era del 44 %, frente al 41 % del año anterior. Otra encuesta de WalkMe a directivos y empleados de 14 países, realizada el mismo mes, reveló que más del 54 % de las y los trabajadores había eludido las herramientas de IA de su empresa en los últimos 30 días para hacer el trabajo a mano. Los responsables de la encuesta descubrieron que el miedo a quedarse obsoleto es lo que impulsa en gran parte a esta resistencia, tanto activa como pasiva, e incluso pasivo-agresiva. Del mismo modo, The Economist informó que el uso de la IA entre las y los trabajadores estadounidenses, tras un repunte inicial, se redujo a medida que se desvanecía el entusiasmo inicial.
A principios del siglo XIX, al inicio de la revolución industrial en Gran Bretaña, un grupo de tejedores cualificados intentó resistirse a la introducción del tejido a máquina por diversos medios, entre ellos el sabotaje y la destrucción de las máquinas. Se les llamaba luditas. Ahora parece que ha vuelto una forma de ludismo en torno a la IA. Al igual que los luditas tenían motivos para proteger sus medios de vida, también los tienen ahora los trabajadores y trabajadoras de la Generación Z.
Los optimistas de la IA, Erik Brynjolfsson, de Stanford, y ADP Research, están haciendo un seguimiento de 4,6 millones de trabajadores en más de 730 profesiones a través de su Canaries Dashboard. Han descubierto que los puestos de trabajo para personas de entre 22 y 25 años en profesiones expuestas a la IA se están reduciendo más de un 4 % al año. El análisis de Goldman Sachs sugiere que los sectores de la información, los servicios profesionales, los seguros y las finanzas están mejor posicionados para obtener ganancias de productividad tempranas, pero son precisamente en estos ámbitos donde las encuestas sobre sabotaje detectan los índices más altos de resistencia.
Elsie Peng, economista de Goldman Sachs en EE UU, respalda la tesis de la curva en J para la IA. Su estudio sobre la adopción de tecnología en la industria reveló un ligero lastre durante los primeros cuatro años, ganancias estadísticamente significativas solo a partir del octavo año y un impacto máximo de aproximadamente 0,6 puntos porcentuales en el año 12.
Si el lanzamiento de ChatGPT en 2022 es el equivalente al debut del ordenador personal en 1981, esa curva en J sitúa la recompensa en términos de productividad, como muy pronto, alrededor de 2030, y con un pico alrededor de 2034. Según el análisis de Peng, los aumentos significativos de la productividad laboral derivados de las TIC no se hicieron evidentes hasta que aproximadamente el 50 % de las empresas habían adoptado la tecnología. No se trataba de haberla comprado ni de haberla probado en proyectos piloto. La habían adoptado de verdad en sus operaciones principales.
La curva en J de Peng se hace eco de lo que los economistas de la OCDE argumentaron hace tiempo: que, a nivel macroeconómico, históricamente, las tecnologías transformadoras tardan unos 20 años desde su momento de avance decisivo en generar ganancias significativas de productividad. Si ese patrón se mantiene para la IA generativa, tendremos que esperar hasta principios o mediados de la década de 2030, o incluso más tarde, antes de que lleguen los beneficios reales. Así que queda un largo camino por recorrer hasta llegar a una IA generalizada capaz de generar un aumento significativo en el crecimiento de la productividad laboral.
El cambio radical en el crecimiento de la productividad en el que el presidente de la Fed, Warsh, deposita todas sus esperanzas todavía parece estar bastante lejos. Pero, ¿qué pasa con los beneficios de la IA? Hasta ahora, los ingresos que están obteniendo las empresas de modelos de IA está muy, muy lejos de cubrir los costes de I+D en IA y la construcción de centros de datos por todo EE UU. Además, Goldman Sachs calcula que cada dólar invertido en hardware de TIC requiere al menos otros 1,70 dólares de inversión intangible complementaria: software, sistemas de datos y la categoría más difícil de medir, la reestructuración organizativa. Ahora hay 15 veces más capacidad en los centros de datos que demanda para utilizarlos.
Y la deuda no deja de crecer. Bloomberg calcula que hay más de 500 000 millones de dólares en deuda pendiente relacionada con los centros de datos de IA. Nikkei Asia informó esta semana de que Meta, Google, Amazon, Microsoft y Oracle han acumulado alrededor de 1,65 billones de dólares en deuda pendiente en los últimos cinco años, además de cientos de miles de millones de dólares en deuda «fuera de balance», lo que significa que la estructura corporativa les permite no incluirla como parte de sus pasivos.
Los ingresos que obtienen empresas como OpenAI y Anthropic provienen únicamente de las inversiones de los hiperescaladores en sus operaciones. No se obtiene ningún beneficios por el uso de ChatGPT o Claude, en parte porque las empresas de IA no están cobrando a las y los usuarios el coste real del uso de los tokens (unidades de computación). Por eso, las empresas de IA están intentando ahora que las y los consumidores pasen de las tarifas planas a un modelo de precios basado en el uso. Pero esto ha provocado un aumento exponencial en el coste del uso de la IA para las empresas, hasta tal punto que las empresas, ante facturas de IA cada vez más elevadas, están pasando del token maxxing al racionamiento de tokens. Y las empresas estadounidenses están optando por usar modelos de IA de código abierto procedentes de China que pueden igualar casi el rendimiento de los modelos estadounidenses a una fracción del coste.
Primero fue DeepSeek, que causó un gran revuelo en el sector a principios de 2025. Ahora llega el modelo de IA chino más reciente, Kimi K3, que acaba de lanzar la startup Moonshot AI, con sede en Pekín. Los modelos chinos son 112 veces más baratos que los de Anthropic por cada millón de tokens (es decir, un barril de inteligencia). Un token cuesta 56 dólares con Anthropic, 26 dólares con OpenAI, 1,50 dólares con Meta, 1 dólar con xAI y Google, y 0,50 dólares con los modelos chinos. No es de extrañar que la proporción de tokens que usan las empresas estadounidenses a través de modelos de IA chinos haya alcanzado el récord del 58 %. Las empresas estadounidenses ahora usan más modelos de IA chinos que los fabricados en EE UU.
Pero los optimistas no se rinden. Algunos apuestan por la llamada paradoja de Jevons, que sostiene que el aumento de la eficiencia (gracias a la IA) llevará a un aumento de la demanda a medida que bajen los costes unitarios del gasto en IA. Eso generará la rentabilidad que buscan las empresas de IA y que espera el mercado de valores. Pero solo el 2 % de las empresas del S&P 500 mencionaron la productividad de la IA durante las conferencias sobre resultados del primer trimestre de 2026.
Y entre las que lo hicieron, la atención se centró abrumadoramente en el ahorro de costes más que en el crecimiento de los ingresos. Esto plantea serias dudas sobre cómo se puede esperar que los cientos de miles de millones invertidos se conviertan en beneficios, por no hablar de ingresos.
La apuesta por la IA se basa en dos grandes supuestos. El primero, que la IA será rentable… con el tiempo. Pero el hecho de que una tecnología suponga un enorme aumento de la productividad no significa que vaya a generar grandes beneficios. El segundo, que habrá una demanda generalizada de IA, y pronto. La adopción de la IA ha aumentado, pero aún queda mucho para alcanzar su punto álgido. Como ya se ha dicho, Goldman Sachs estima que podría tardar hasta 15 años y la OCDE habla de 20 años. ¿Podrán las actuales empresas de IA sobrevivir tanto tiempo? ¿Podrá el mercado de valores esperar tanto antes de que estalle la burbuja?
