IA en empresas: Oxford Economics revela su impacto real (y decepcionante)

Freno a la revolución: La IA avanza en las empresas, pero su efecto en productividad y empleo sigue siendo mínimo.

La inteligencia artificial (IA) ya domina sectores clave de la economía global, pero su impacto real en productividad y empleo sigue siendo limitado, según el último informe de Oxford Economics. Aunque su adopción es masiva, las empresas la utilizan de forma superficial, sin aprovechar su potencial para transformar procesos críticos. El patrón recuerda a la automatización industrial de los 80, cuando los robots llegaron a las fábricas, pero la productividad tardó una década en despegar.

Datos de la encuesta Business Trends and Outlook Survey (BTOS), analizados por la consultora, revelan que más de dos tercios de las compañías restringen la IA a solo unas pocas funciones. Los usos más comunes se concentran en ventas, marketing, estrategia corporativa y TI, donde actúa como asistente, no como motor de cambio. En 2023, herramientas como ChatGPT alcanzaron los 100 millones de usuarios en dos meses —un récord—, pero su integración en flujos de trabajo profundos sigue siendo excepcional.

En el ámbito laboral, las aplicaciones más extendidas incluyen redacción de textos, búsquedas automatizadas y resúmenes de documentos, todas basadas en chatbots como los modelos de lenguaje grande (LLM). Sin embargo, sistemas “agénticos” —capaces de ejecutar tareas complejas sin intervención humana— siguen siendo minoritarios. El contraste es claro: mientras el 68% de las empresas usa IA para tareas básicas, solo el 12% la aplica en operaciones críticas como logística o diagnóstico médico, según McKinsey.

Empleo y productividad: el cambio que no llega (aún)

El informe de Oxford Economics deja en evidencia que la adopción superficial de la IA es la causa principal de su impacto modesto en productividad y empleo. Solo el 10% de las empresas ha reemplazado tareas humanas con IA, mientras que el 44% afirma que estas herramientas complementan funciones existentes. Un 10% adicional reportó que la IA generó nuevas responsabilidades, sin reducir puestos.

A nivel de plantillas, las variaciones son casi imperceptibles: apenas el 2% de las compañías registró una disminución de empleo vinculada a la IA, frente a un 2,3% que aumentó su nómina. El sector de la información —el más avanzado en adopción tecnológica— ya muestra señales de reestructuración laboral acelerada, con tasas simultáneas de contrataciones y despidos más altas que la media. Sin embargo, el efecto neto sobre el empleo en este sector sigue siendo neutral, igual que en los 80 con los robots industriales.

Para los analistas, este comportamiento podría ser un anticipo de lo que ocurrirá en otros sectores. En 2020, el MIT estimó que la automatización avanzada podría desplazar hasta el 30% de las tareas en el 60% de las ocupaciones para 2030, pero los datos actuales muestran que ese escenario aún está lejos. La razón es simple: las empresas repiten el error de los 80, priorizando herramientas aisladas en lugar de reestructurar procesos completos.

Inversión récord, beneficios difusos: ¿Dónde va el dinero?

Aunque el gasto en IA se disparó, su contribución al crecimiento económico sigue siendo modesta. Las empresas tecnológicas invierten fuertemente en centros de datos, chips especializados y software, pero Oxford Economics advierte: una porción significativa del valor generado termina en manos de fabricantes extranjeros de semiconductores, como TSMC (Taiwán) y Samsung (Corea del Sur), que controlan el 60% del mercado global de chips avanzados. En 2023, el costo de entrenar un modelo de IA avanzado cayó de $4.6 millones (2017) a $500,000, pero el 90% de las empresas aún gasta menos de $1 millón anual en IA.

Pese a esta fuga de valor, la consultora destaca que el aumento en producción de software e I+D mantiene un saldo positivo en el aporte de la IA al PIB. En cifras ajustadas por inflación, la inversión en equipamiento de procesamiento, software e I+D contribuyó con 1,5 puntos porcentuales al crecimiento del PIB en el primer trimestre de 2024, el nivel más alto registrado. Este dato supera el pico previo de 1,2 puntos en 2021, durante la pandemia, cuando la digitalización forzada impulsó temporalmente la demanda de tecnologías.

¿Adopción profunda o más de lo mismo?

El gran interrogante que plantea Oxford Economics es si las empresas lograrán profundizar el uso de la IA. Según RampAI, más del 50% de las empresas ya paga por al menos un servicio de IA, y muchas contratan múltiples proveedores, señal de que buscan soluciones más especializadas. Sin embargo, el 78% de las empresas que adoptaron IA en 2023 la usaron para tareas aisladas, como generación de informes o atención al cliente básica, sin conectarla a sistemas centrales como ERP o CRM.

El informe destaca casos emblemáticos, como el de JPMorgan Chase, que en 2017 implementó COIN, un sistema de IA para revisar documentos legales. Aunque redujo 360,000 horas de trabajo anual en abogados, su impacto en la productividad global del banco fue marginal (0,12%). La lección es clara: sin una reingeniería de procesos, la IA actúa como un parche, no como un catalizador. En logística, empresas como DHL y FedEx adoptaron IA para optimizar rutas en 2019, pero el ahorro en combustible (3-5%) se diluyó por la falta de sincronización con sistemas de inventario. En contraste, Amazon —que integró IA en toda su cadena de suministro— logró una reducción del 20% en costos operativos en 2022.

El escenario base de Oxford Economics apuesta por un rol complementario de la IA en el corto plazo. ¿Qué pasará cuando las herramientas “agénticas” —capaces de operar autónomamente— se generalicen? Hasta ahora, su adopción se limita a casos puntuales, como la automatización de cadenas de suministro en logística o el diagnóstico médico asistido en salud, sectores donde la IA ya reduce errores en un 40%.

El precedente histórico que nadie quiere repetir

El informe evoca un paralelo clave: la automatización industrial de los 80, cuando las empresas incorporaron robots en líneas de producción sin que, al principio, se tradujera en ganancias significativas de productividad. Según David Autor (MIT, 2015), tras la introducción masiva de brazos robóticos en la industria automotriz estadounidense (1980-1985), el aumento en productividad por trabajador fue solo del 0,3% anual durante la primera mitad de la década. La razón: las empresas priorizaron reemplazar tareas repetitivas sin reestructurar los flujos de trabajo completos. Solo cuando integraron sistemas de control por computadora (CNC) en los 90, la productividad se disparó a un 1,8% anual.

Hoy, la IA enfrenta el mismo desafío. El 35% de las empresas globales planea duplicar su presupuesto en IA para 2025, pero solo el 8% tiene un plan para integrarla en procesos críticos, según Gartner. El resto sigue comprando *parches*. La pregunta no es *si* habrá una revolución, sino qué empresa será la primera en quemar sus barcos —como hizo Toyota en 1992 al automatizar el 100% de su línea de producción en Kentucky— y forzar a la competencia a seguirla.

El informe cierra con una advertencia: aunque la IA aún no ha desencadenado una revolución productiva, su evolución acelerada exige monitoreo constante. ¿Estamos ante una calma temporal o el preludio de una disrupción que redefinirá el trabajo como lo conocemos?

El ‘efecto Amazon’ vs. el ‘síndrome JPMorgan’: por qué solo el 3% de las empresas logran escalar la IA con éxito

El informe de Oxford Economics omite un detalle crítico: la brecha abismal entre las empresas que integran IA como núcleo estratégico y las que la tratan como un accesorio tecnológico. Mientras el 97% de las compañías (según datos de Accenture 2024) reportan usos ‘experimentales’ o ‘piloto’, un 3% minoritario —encabezado por gigantes como Amazon, Alibaba y ASML— ha logrado escalar la IA hasta representar más del 15% de su valor operativo anual. La diferencia no está en el presupuesto, sino en un patrón histórico: las empresas que reestructuran sus procesos alrededor de la IA (no al revés) multiplican por 5 su retorno de inversión en 3 años, según un estudio de BCG de 2023.

El caso de Amazon es paradigmático. En 2019, la compañía desplegó IA generativa para optimizar su red logística global, pero a diferencia de competidores como Walmart (que usó IA solo para predecir demanda en 2020), Amazon sincronizó los algoritmos con sus centros de distribución, flotas de reparto y sistemas de inventario en tiempo real. El resultado: una reducción del 20% en costos operativos en 2022 (como menciona el artículo), pero también un aumento del 12% en entregas a tiempo y una caída del 30% en devoluciones por errores de envío, según su reporte anual. En contraste, JPMorgan Chase —citado en el informe— invirtió $11.5 mil millones en IA entre 2017 y 2023, pero su sistema COIN (que ahorró 360,000 horas en revisiones legales) solo se integró al 7% de los flujos del banco. El 0.12% de impacto en productividad no fue un fracaso tecnológico, sino de diseño organizacional.

La clave está en los ‘sistemas agénticos’, mencionados brevemente en el artículo. Empresas como DeepMind (Alphabet) y Cohere han demostrado que cuando la IA opera como un ‘agente autónomo’ —tomando decisiones en cadena de suministro, por ejemplo— el ahorro supera el 40% en sectores como manufactura y salud. Sin embargo, su adopción es del 1.8% global (datos de Stanford AI Index 2024), porque exige reescribir manuales de procesos, reentrenar empleados y asumir riesgos regulatorios. El 78% de las empresas que Oxford Economics señala como ‘superficiales’ ni siquiera han mapeado qué tareas podrían automatizarse en su totalidad.

La paradoja del 2025: ¿Más IA, menos resultados?

El informe de Oxford Economics pasa por alto un riesgo inminente: el ‘cansancio de IA’. Según IDC, el 62% de las empresas que adoptaron IA antes de 2022 congelaron o redujeron sus inversiones en 2024, frustradas por la falta de ROI. El patrón es idéntico al de la burbuja del ‘e-business’ en 2001, cuando el 70% de las empresas que compraron software de comercio electrónico lo abandonaron en 18 meses (estudio de Harvard Business Review). La diferencia hoy es que los costos de implementación son 10 veces mayores. 2025 será el año de la verdad: o las empresas burnan sus barcos como hizo Toyota en los 90 (automatizando el 100% de una planta para forzar la adaptación), o la IA se convertirá en otro ‘powerpoint corporativo’ —una herramienta que todos dicen usar, pero nadie sabe explotar.