CEOs: la IA no ha impulsado la productividad en 40 años

Párrafo inicial

Contexto

El debate sobre si la inteligencia artificial está reformando la productividad y el empleo ha regresado a una idea que Robert Solow articuló hace cuatro décadas: «Puedes ver la era del computador en todas partes menos en las estadísticas de productividad». Esa observación, publicada por primera vez en 1987, resurgió en la cobertura general tras la publicación de un artículo de Fortune el 19 de abril de 2026, que informa que "miles de CEOs" dicen que la IA no ha tenido un impacto medible en el empleo ni en la productividad. El contraste entre el sentimiento de los ejecutivos y el entusiasmo prevaleciente en los mercados de capitales es marcado: valoraciones, flujos de inversión y planes estratégicos corporativos presuponen ganancias de eficiencia considerables por la IA incluso cuando gerentes de línea y CEOs reportan poco o ningún efecto en el terreno. Para los inversores institucionales, esa divergencia plantea preguntas sobre el momento, la medición y los canales por los que se espera que la IA influya en el PIB y en los márgenes corporativos.

La cita de Solow y la cobertura de Fortune del 19 de abril de 2026 crean juntas un marco histórico que obliga a reexaminar cómo las revoluciones tecnológicas se traducen en estadísticas macro y en el desempeño corporativo. Si las empresas líderes declaran un impacto inmediato limitado de herramientas de IA ampliamente desplegadas, esto plantea una doble cuestión para los analistas: ¿fallan los marcos de medición en capturar la creación de valor, o la adopción se limita a tareas de bajo apalancamiento que aún no alteran la producción por hora? Este artículo evalúa la evidencia, compara el sentimiento de los CEOs con datos macro y de mercado, y expone las implicaciones para asignaciones en renta variable y en el sector tecnológico.

La cobertura de Fortune no es un anécdota aislada; subraya un patrón más amplio donde las encuestas de sentimiento y los estudios de caso a nivel de empresa con frecuencia divergen de las narrativas de los mercados de capitales. Los inversores institucionales necesitan una lectura disciplinada de cómo las declaraciones de los CEOs podrían traducirse en ajustes de ganancias potenciales, expectativas de CapEx y trayectorias productivas a más largo plazo. Este texto sintetiza la cobertura reciente con contexto histórico y presenta una visión basada en datos sobre las vías realistas por las que la IA podría —o no— manifestarse en las estadísticas oficiales de productividad.

Análisis profundo de datos

El ancla cuantitativa más directa en la cobertura reciente es temporal: han pasado aproximadamente 40 años desde la observación de Solow en 1987, y ese lapso es un comparador útil para entender cuánto pueden tardar en aparecer cambios estructurales en las estadísticas agregadas. El artículo de Fortune del 19 de abril de 2026 hace referencia explícita a "miles de CEOs", un umbral de escala que exige atención porque implica que la observación no se limita a sectores aislados o casos atípicos. Allí donde hay medición empírica disponible, las estadísticas de productividad en las economías avanzadas han mostrado tendencias desiguales en la última década, lo que complica atribuciones simples a una sola ola tecnológica.

A nivel de empresa, las encuestas de sentimiento gerencial muestran históricamente retrasos entre la adopción tecnológica y las ganancias de producción medibles. Esto puede ilustrarse con oleadas pasadas: los despliegues de sistemas ERP en los años 1990 generaron grandes promesas de CapEx y productividad, pero las ganancias medibles en producción por hora a menudo aparecieron varios años después y se concentraron entre los adoptantes de mejores prácticas. Ese patrón —ganancias concentradas, largos retrasos— sigue siendo relevante al interpretar las declaraciones de los CEOs en 2026. Sugiere que el sentimiento en los titulares puede reflejar desafíos actuales de implementación más que un veredicto definitivo sobre el papel económico eventual de la IA.

Los indicadores de mercado ofrecen corroboración parcial. Los múltiplos de grandes tecnológicas y los proveedores de hardware centrados en IA continuaron registrando valoraciones elevadas entre 2024 y 2026, sustentadas en expectativas de aceleración de productividad e ingresos a varios años. Sin embargo, las estadísticas macro oficiales —incluida la producción por hora del sector empresarial y las series agregadas de productividad compiladas por las agencias estadísticas nacionales— no han mostrado un pico uniforme proporcional a la escala de la inversión privada en infraestructura de IA. Los analistas deben, por tanto, diferenciar entre los impactos operativos a corto plazo que experimentan los gerentes y la huella estadística a más largo plazo que desplazaría las series de productividad y el PIB per cápita.

Implicaciones sectoriales

Si los informes de los CEOs de que la IA aún no afecta materialmente el empleo o la productividad son precisos, los ganadores y perdedores sectoriales se distribuirán de forma no lineal. Los sectores caracterizados por procesos estandarizados y repetibles (por ejemplo, servicio al cliente básico, entrada de datos rutinaria o secuencias de fabricación predecibles) probablemente capturen antes ganancias de productividad medibles. Por el contrario, los sectores que dependen de conocimiento tácito, complejidad regulatoria o juicio humano de alto contacto —servicios profesionales, muchas funciones sanitarias y fabricación a medida— pueden experimentar mejoras más tardías o incrementales.

Para la renta variable, esa dispersión sectorial importa tanto para la selección de títulos bottom-up como para la asignación top-down. Los incumbentes tecnológicos que venden infraestructura habilitadora (semiconductores, computación en la nube y software empresarial) pueden beneficiarse de ciclos de CapEx sostenidos incluso antes de que las ganancias de productividad impacten las líneas del estado de resultados (P&L) corporativo. En contraste, los sectores usuarios finales pueden retrasar la materialización de la expansión de márgenes hasta que los sistemas de IA demuestren mejoras de calidad consistentes e integración con flujos de trabajo legados. Los inversores deben ponderar el momento del reconocimiento del CapEx (que impulsa a los proveedores) frente al momento de la realización de márgenes (que beneficia a los usuarios).

Las comparaciones con puntos de inflexión tecnológicos anteriores son instructivas. La adopción de la era de internet en los años 1990 mostró patrones similares: inversión intensa por parte de los vendedores y valoraciones sobredimensionadas precedieron una mejora más difusa y retardada en la productividad medida. La diferencia ahora es la velocidad de iteración y la escala del cómputo; la similitud es que las mediciones macro suelen quedarse atrás de los desplazamientos microeconómicos reales. Las estrategias institucionales que asumen levantamientos inmediatos de productividad entre sectores corren el riesgo de errar en el tiempo de sus exposiciones; las estrategias que se enfocan en estructuras estructural duradera