IA en empresas: Goldman Sachs alerta sobre brecha récord y el surgimiento de ‘superempresas’

División irreversible: La IA ya separa a las empresas en dos mundos, con inversiones que superan el PIB de países enteros.

Goldman Sachs (GS) lanzó una advertencia contundente: la expansión de la inteligencia artificial (IA) y los agentes autónomos está reconfigurando el panorama corporativo a una velocidad nunca antes vista. Según el informe del banco, esta transformación no solo acelerará la brecha entre las “superempresas” líderes y el resto del mercado, sino que obligará a las compañías a destinar recursos masivos a software, datos, reorganización laboral y estructuras operativas compatibles con la nueva era. El gasto global en estos rubros —excluyendo hardware— podría superar el US$1 billón en los próximos años, una cifra equivalente al PIB anual de México o Indonesia. Para contextualizar, esto representa cuatro veces el presupuesto anual de la NASA.

Los analistas Joseph Briggs y Sarah Dong, autores del estudio, advierten que las empresas que logren implementar agentes de IA de manera efectiva “se distanciarán de sus competidores y emergerán como las próximas “superstar firms””. Este fenómeno ya tiene un precedente histórico: durante la Revolución Industrial, las compañías que adoptaron tempranamente la maquinaria a vapor dominaron sus sectores durante décadas. Sin embargo, la brecha actual podría ser más profunda y rápida. Un ejemplo reciente lo ofrece Nvidia, cuya capitalización de mercado se multiplicó por 50 en solo 5 años (de US$28.000 millones en 2019 a US$1,4 billones en 2024), gracias a su liderazgo en chips para IA.

El informe destaca un dato crítico: mientras el mercado se enfoca en la infraestructura física (centros de datos y semiconductores), el componente “invisible” del ciclo de inversión en IA —datos, software y reestructuración interna— está creciendo a un ritmo acelerado. En Estados Unidos, los costos laborales asociados a esta transición ya alcanzan los US$150.000 millones anuales, y las inversiones en reorganización empresarial rondan los US$40.000 millones al año. Esto equivale a destinar el 0,7% del PIB estadounidense solo a adaptarse a la IA, una cifra superior al presupuesto anual de educación en países como Reino Unido.

La IA reescribe las reglas internas (y los costos ocultos)

Goldman Sachs subraya que los agentes de IA representan un salto cualitativo respecto a ciclos anteriores de automatización. A diferencia de las máquinas tradicionales, estas herramientas pueden “planificar, razonar y ejecutar autónomamente” en múltiples áreas, lo que obliga a las compañías a rediseñar sus estructuras desde cero. Briggs y Dong advierten que las organizaciones deberán resolver desafíos críticos, como la seguridad de datos (con un mercado de ciberseguridad para IA que crecerá un 30% anual hasta 2027, según Gartner) y la supervisión humana, antes de lograr autonomía plena.

Este cambio organizacional explica por qué la transición hacia la IA no depende exclusivamente de semiconductores. El informe revela que los ingresos de empresas especializadas en gestión de datos —como Snowflake (SNOW), Databricks y Palantir (PLTR)— se triplicaron desde 2022, año en que ChatGPT popularizó la IA generativa. Paralelamente, los ingresos por servicios en la nube de gigantes como Amazon AWS (AMZN), Microsoft (MSFT) y Alphabet (GOOGL) superaron los US$500.000 millones desde 2022 y podrían superar el US$1 billón hacia 2030. Para dimensionarlo: esto equivale a sumar los PIB anuales de Argentina, Colombia y Perú.

La migración de operaciones hacia plataformas compatibles con IA ya implica una inversión anualizada de US$153.000 millones solo en reasignación de trabajadores tecnológicos. Además, la reorganización laboral tiene un costo directo: el informe calcula que cada trabajador afectado por restructuraciones cuesta a las empresas unos US$84.000, con un gasto acumulado proyectado de US$900.000 millones en EE.UU. durante este ciclo. Esto supera el presupuesto anual de defensa de Alemania (US$56.000 millones en 2023) o India (US$72.000 millones). El objetivo es adaptar las compañías a un modelo donde las tareas rutinarias sean ejecutadas por agentes autónomos, mientras los humanos se enfocan en supervisión y decisiones estratégicas. Un caso emblemático es JPMorgan, que ya utiliza IA para analizar 375.000 contratos legales anuales en segundos, reduciendo en un 90% el tiempo que antes requería un equipo de abogados.

Capital intangible: el activo que no aparece en las estadísticas

Goldman Sachs identifica un fenómeno clave: la IA está potenciando el capital intangible —software, propiedad intelectual, bases de datos— por encima de la inversión física tradicional. Este tipo de activos ya representa más del 50% de toda la inversión en economías como EE.UU. y Reino Unido. Sin embargo, gran parte de este gasto no se refleja en métricas tradicionales como el PIB, distorsionando la percepción del crecimiento real. Un ejemplo claro es Alphabet (GOOGL), que en 2023 invirtió US$27.600 millones en I+D (más que el PIB de Paraguay), pero solo el 15% se destinó a hardware; el resto fue a software y modelos de IA.

El banco recurre a la teoría de la “curva J” de productividad para explicar este desfasaje: las grandes transformaciones tecnológicas generan inicialmente costos elevados y una aparente caída en la productividad, antes de que las ganancias se materialicen. Un caso histórico similar ocurrió con la electricidad a finales del siglo XIX: las fábricas que la adoptaron tardaron décadas en mostrar ganancias, pero luego dominaron sus industrias. Hoy, empresas como OpenAI (respaldada por Microsoft) y Anthropic (con inversión de Google) han restringido el acceso a sus modelos más avanzados, creando un ecosistema cerrado donde solo quienes pagan licencias millonarias pueden competir. En 2020, el 75% de los modelos de IA eran de código abierto; hoy, ese porcentaje cayó al 10%, según la OCDE.

¿Quiénes dominarán la era de las “superempresas”?

El informe profundiza en cómo la IA podría acelerar la concentración empresarial, beneficiando a las compañías que logren integrar mejor los activos intangibles. Estos activos —software, datos y organización interna— tienen tres características clave: escalabilidad rápida, bajos costos marginales y ventajas competitivas difíciles de replicar. Según Briggs y Dong, las firmas que invierten en intangibles “capturan una mayor participación de ingresos” y reducen su dependencia del trabajo humano. Los datos respaldan esta tesis: en las últimas décadas, el aumento del capital intangible ha coincidido con una mayor concentración de ingresos en las compañías dominantes. Goldman Sachs calcula que cada incremento de 1 punto porcentual en la participación del capital intangible reduce entre 0,2 y 0,3 puntos la participación laboral en los años siguientes. En la práctica, por cada US$100 millones invertidos en IA, las empresas podrían ahorrar entre US$20 y US$30 millones en salarios anuales.

Para el banco, la combinación de automatización, reducción de costos laborales y escalabilidad tecnológica favorecerá a las empresas capaces de absorber estas inversiones con rapidez. El informe concluye que “las compañías que desplieguen IA y agentes autónomos de manera más efectiva capturarán una mayor participación de ingresos y emergerán como la próxima generación de superempresas”. Sin embargo, Goldman Sachs evita pronosticar qué sector liderará este ciclo. Podría tratarse de fabricantes de chips (como Nvidia o TSMC), desarrolladores de modelos fundacionales (como OpenAI), o incluso empresas usuarias que logren reinventar sus operaciones. En 2023, solo 10 empresas (incluyendo Microsoft, Amazon y Meta) concentraron el 48% de todo el gasto global en IA, según Stanford”s AI Index.

Latinoamérica: ¿proveedora de datos o creadora de superempresas?

El informe termina con una pregunta incómoda: ¿Están las empresas latinoamericanas preparadas para competir? Un precedente histórico debería alertar a la región: en los 90, los países asiáticos que no invirtieron en semiconductores quedaron relegados a ensamblar componentes para Corea del Sur y Taiwán. Hoy, México gasta solo el 0,3% de su PIB en I+D (frente al 3,5% de Israel o el 2,9% de EE.UU.), y Brasil tiene menos de 10.000 especialistas en IA, según la Sociedad Brasileña de Computación. Mientras, Chile y Colombia ni siquiera aparecen en el top 50 del Índice de Preparación para IA 2024 de Oxford Insights. La brecha no es futura; ya existe. En 2023, el 60% de las patentes de IA registradas en el mundo correspondieron a empresas con sede en EE.UU. y China, según la OMPI. ¿Logrará Latinoamérica evitar repetir el error de Asia, o se convertirá en la “fábrica de datos baratos” del siglo XXI?

El precedente de IBM: cómo una superempresa perdió el liderazgo en IA (y qué enseña a Nvidia y Microsoft)

Mientras Goldman Sachs alerta sobre el surgimiento de las ‘superempresas’ de IA, un caso histórico demuestra que el dominio tecnológico no es irreversible: IBM. En los años 60 y 70, la compañía controlaba el 70% del mercado de mainframes y su modelo de negocio —vender hardware con márgenes del 60-70%— la convirtió en sinónimo de computación corporativa. Sin embargo, su fracaso en adaptarse a la revolución del software y los microprocesadores en los 80 y 90 la relegó. Para 1993, IBM reportó pérdidas récord de US$8.100 millones (el mayor déficit en la historia corporativa estadounidense hasta entonces), mientras empresas como Microsoft (fundada en 1975) y Intel capitalizaban el nuevo paradigma.

El paralelo con la IA actual es inquietante. Hoy, Nvidia domina el 80% del mercado de chips para IA (según Jon Peddie Research), y su valoración superó los US$1,4 billones en 2024. Pero, como IBM, enfrenta riesgos estructurales: el 90% de sus ingresos depende de tres clientes (Microsoft, Meta y Amazon), y competidores como AMD y Google ya desarrollan chips propios para reducir dependencia. Además, el informe de Goldman Sachs omite un dato clave: en 2023, el 68% de las startups de IA en EE.UU. usaban modelos de OpenAI o Anthropic, pero el 32% restante migraba a alternativas de código abierto (como Mistral AI o Llama 2), según Scale AI. La lección de IBM es clara: incluso las ‘superempresas’ pueden colapsar si subestiman los cambios en la arquitectura tecnológica o la comoditización de sus productos estrella.

Otros dos factores aceleraron la caída de IBM y podrían repetirse:

• Sobreinversión en activos obsoleto: IBM gastó US$5.000 millones entre 1980-1990 en desarrollar el sistema operativo OS/2, que Microsoft eclipsó con Windows 95. Hoy, empresas como Salesforce y Oracle destinan miles de millones a integrar IA en sus plataformas, pero riesgo que modelos genéricos (como los de OpenAI) las hagan irrelevantes.
• Subestimación de los intangibles: IBM poseía el hardware más avanzado, pero perdió el control del software (donde Microsoft y Apple generaron el 90% de las ganancias en los 90). Hoy, el 70% del valor de Nvidia proviene de su ecosistema de desarrolladores (CUDA), no de sus chips. Si un competidor crea una plataforma más eficiente, su hegemonía podría quebrarse en menos de 5 años.

¿Están Nvidia y Microsoft repitiendo los errores de IBM?

El informe de Goldman Sachs asume que las ‘superempresas’ de IA mantendrán su ventaja, pero la historia sugiere lo contrario: la concentración de poder tecnológico rara vez dura más de una década. En 2013, BlackBerry controlaba el 40% del mercado de smartphones; para 2016, su cuota era del 0,1%. La pregunta clave no es quién lidera hoy, sino qué empresa está invirtiendo en la próxima arquitectura (por ejemplo, IA en el edge o modelos neuromórficos). Amazon, que gastó US$87.000 millones en I+D entre 2020-2023, ya explora chips de IA para dispositivos domésticos, un mercado que podría ser 10 veces más grande que el de los centros de datos para 2030, según McKinsey. La advertencia de Goldman Sachs es válida, pero incompleta: las ‘superempresas’ de hoy podrían ser los dinosaurios tecnológicos de mañana.