IA “normal”: la tesis aburrida que ayuda a ganar dinero

Comparte

La hipótesis de que la inteligencia artificial (IA) es una “tecnología normal” —poderosa, pero sujeta a los mismos frenos de adopción, regulación y rediseño organizacional que otras revoluciones— tiene efectos prácticos para un portafolio en México. En vez de apostar al “gran ganador” o por el apocalipsis laboral, conviene invertir en la infraestructura, los integradores y los controles que permiten el despliegue gradual de la IA. Y hacerlo con disciplina de valoración, asumiendo que gran parte del optimismo ya está reflejado en los precios actuales. Esta es, precisamente, la lectura templada del artículo de The Economist sobre el trabajo de Arvind Narayanan y Sayash Kapoor.

 

1) La idea central: la IA no vuela sola, escala por “carriles normales”

La visión “normalista” sostiene que la adopción de IA va detrás de la innovación: usuarios curiosos abundan, pero las horas de uso siguen siendo una fracción pequeña de la jornada laboral, y traducir demostraciones en procesos auditables exige rediseñar flujos, limpiar datos y cumplir normas. Esto ya lo vimos con la electrificación: transformar fábricas movidas por ejes de línea en plantas electrificadas tomó décadas, debido a los cambios de diseño y organización; la productividad llegó después. La lección: no hay atajos. Para la IA, los impactos económicos serán graduales, sobre todo en sectores donde se exige prueba en el mundo real (farmacéutica, automoción, salud, finanzas).

 

2) Trabajo: menos “hacer”, más controlar y supervisar

Si la adopción es paulatina, el empleo no cae en un precipicio; simplemente cambia de forma. Más tareas pasan a configurar, monitorear y corregir sistemas de IA: humanos que gestionan excepciones, validan contextos y documentan trazabilidad. Esta transición es consistente con el marco de “tareas” en economía laboral: la tecnología desplaza funciones y crea otras nuevas (diseño de prompts, aseguramiento de calidad, cumplimiento regulatorio,etc.).

Para México, la exposición promedio a la IA generativa es de aproximadamente 19% de los empleos, por debajo del 26% de la OCDE—una señal de que los efectos vendrán, pero no de golpe, y serán heterogéneos por región y sector.

 

3) Riesgo: reforzar defensas aguas abajo

Intentar construir modelos “imposibles de usar mal” es como buscar una computadora que no pueda servir para fines indebidos. Lo razonable es fortalecer el ecosistema existente: ciberseguridad, controles de acceso, registro y reporte de incidentes, así como divulgación obligatoria del uso de IA en procesos sensibles. Esa postura reduce riesgo sistémico y es compatible con marcos existentes (protección de datos, auditorías, continuidad de negocio). Para inversionistas, esto sugiere una canalización creciente de flujos hacia ciberseguridad, identidad digital, observabilidad de modelos, regtech y seguros.

 

4) México: dónde están los motores económicos

Infraestructura de cómputo y datos.

En 2024–2025 se activó un salto de infraestructura: Google Cloud abrió región en Querétaro, AWS lanzó su región México (Central) con un plan de inversión de US$5,000 millones a 15 años, y Microsoft anunció US$1,300 millones para nube e IA. Más recientemente, CloudHQ comunicó US$4,800 millones para seis centros de datos en Querétaro. Esto crea “anclas” que aceleran la adopción corporativa local y servicios de valor agregado.

Energía y redes.

El cómputo intensivo en IA es altamente demandante en energía. La IEA estima que el consumo eléctrico de centros de datos más que se duplicará hacia 2030; proveedores en México ya enfrentan cuellos de conexión a la red, lo que obliga a desarrollar plantas de respaldo y contratos a largo plazo. Implicación para portafolios: interés en transmisión, generación flexible, gas y renovables, además de compañías que suministran equipos eléctricos y enfriamiento.

Nearshoring + manufactura.

La integración con EE. UU. y el empuje de relocalización siguen sosteniendo exportaciones (alrededor de 83% se dirige a ese mercado). La IA aplicada a calidad, logística, mantenimiento predictivo y visión computacional agrega márgenes graduales conforme maduren los casos de uso en automotriz, autopartes y electrónica.

Adopción empresarial.

La penetración actual es dispareja: estimaciones recientes señalan que solo 17% de las grandes y 0.1% de las microempresas usan IA hoy, lo que implica un campo enorme para integradores, capacitación y tooling (RAG, agentes, MLOps). El inversionista debe pensar en capex organizacional—no solo licencias—y en gastar donde el ROI es verificable (reducción de fraudes, SLA más altos, ciclos de venta más cortos).

 

5) Cómo traducir esto a decisiones de portafolio (con cabeza fría)

  1. Infraestructura local (“picos y palas”)
    • Centros de datos y colocation; proveedores de construcción especializada, energía de respaldo, HVAC avanzado y fibra metropolitana.
    • Nube pública con regions en México y su ecosistema (interconexión, peering, CDN). La tesis no depende de identificar al “campeón de IA”, sino de capturar el volumen.
  2. Ciberseguridad, identidad y observabilidad de modelos
    Si el marco regulatorio se mueve hacia reportes obligatorios y divulgación de uso de IA, la demanda de monitoreo, trazabilidad y cumplimiento tenderá a ser no discrecional.
  3. Integradores y software aplicado
    En México, partners que “aterrizan” IA en ERP/CRM, cobranza, detección de fraude, KYC y chatops bilingües pueden capturar valor. El filtro: proyectos con datos listos, claridad regulatoria y pruebas A/B que muestran impacto real en el estado de resultados.
  4. Energía y redes
    La capacidad eléctrica y transmisión son cuellos de botella. La demanda de IA crea colas de conexión y contratos de energía de largo plazo. Empresas de generación flexible, gas natural, renovables despachables y equipamiento eléctrico podrían beneficiarse si ejecutan con disciplina de capital.
  5. Manufactura exportadora aumentada
    Donde ya existe escala y estándares (automotriz, electrónica, dispositivos médicos), la IA de visión y planeación mejora rendimientos, scrap y lead times. El catalizador no es la “magia de la IA”, sino la acumulación de mejores operativas pequeñas.

 

6) Expectativas y valuación: disciplina antes que narrativa

Los mercados incorporan rápidamente historias convincentes; eso dificulta extraer alfa de narrativas “obvias”. La receta práctica:

  • Precio y flujos primero. Paga por flujos de caja verificables, no por promesas.
  • Márgenes con ventaja duradera. Prefiere negocios con ventajas competitivas reales (datos propios útiles, distribución, costos de conmutación) sobre features replicables.
  • Pruebas de realidad. Busca evidencia de adopción (uso horario, ingresos por expansión, NRR) y retorno (menos fraude, más conversión, menor churn), no solo comunicados de prensa.
  • Diversificación con sesgos razonables. Si el mercado ya precifica al “triunfador total”, mejor capturar el ciclo vía picos y palas y energía, con estructuras de entrada y salida entendibles.
  • Horizonte y margen de seguridad. La historia de la electrificación y la “paradoja de la productividad” sugiere que los beneficios tardan: la rentabilidad acompaña a quienes aguantan el calendario operativo, no el de las conferencias.

 

7) Políticas que importan para el riesgo del portafolio

Para México, la dirección de viaje que más reduce incertidumbre es:

  • Claridad en interconexiones eléctricas y expansión de capacidad, facilitando contratos de largo plazo con CFE/CENACE.
  • Lineamientos de reporte de incidentes y divulgación de uso de IA en procesos sensibles (finanzas, salud, sector público).
  • Protección a denunciantes y registros de despliegues de IA crítica, evitando fricción innecesaria en pilotos de bajo riesgo.

Estas ideas—centradas en incentivos, transparencia y responsabilidad—apuntan a resiliencia sistémica sin sofocar la innovación.

 

8) Conclusión: el camino “aburrido” que suele funcionar

Si la IA es “normal”, tu estrategia también debe serlo: comprar calidad a precio razonable, favorecer infraestructura y controles, y exigir pruebas de que la tecnología realmente impacta en el estado de resultados. La exuberancia vende titulares; la paciencia compone capital. La mitad del trabajo es no pagar de más por futuros perfectos; la otra mitad es quedarse el tiempo suficiente para que la curva de adopción haga su trabajo.

Y como en toda revolución tecnológica, el riesgo está en apostar todo a un solo caballo. Los inversionistas están mejor protegidos cuando diversifican inteligentemente, distribuyendo su capital entre sectores, geografías y estrategias. Además, contar con la guía de un asesor financiero profesional ayuda a filtrar ruido, evaluar riesgos reales y mantener disciplina en momentos de volatilidad. La innovación tecnológica puede transformar industrias; pero la diversificación y la asesoría experta son lo que transforma patrimonios.

  • The Economist. “What if artificial intelligence is just a ‘normal’ technology?” (4 de septiembre de 2025).
  • Arvind Narayanan y Sayash Kapoor. “AI as Normal Technology.” Paper, Princeton University, 2025.
  • Paul A. David. “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox.” American Economic Review, 1990.
  • Erik Brynjolfsson, Daniel Rock y Chad Syverson. “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics.” NBER Working Paper 24001, 2017.
  • OCDE. Job Creation and Local Economic Development 2024 – México (exposición a IA generativa ~19%).
  • BBVA Research. “México: semana laboral de 40 horas—Más tecnología e IA.” (julio 2025).
  • BBVA Research. “México: Comercio y IED 1S25.” (septiembre 2025).
  • AWS. Anuncio de la región Mexico (Central) (enero 2025).
  • Google Cloud. Apertura de región en Querétaro (diciembre 2024).
  • Microsoft. Inversión de US$1,300 millones en nube e IA en México (septiembre 2024).
  • CloudHQ. Plan de US$4,800 millones para seis data centers en Querétaro (septiembre 2025).
  • IEA. “AI is set to drive surging electricity demand from data centres…” (abril 2025).
  • Rest of World. “Rising AI demand is outpacing energy supply worldwide” (septiembre 2025).

Autor

Julio Cacho

Autor

Julio Cacho

Miembro de la Facultad de Economía en Rice University, especialista en inversiones cuantitativas y gestión de riesgos con más de 20 años de experiencia. Ha publicado diversos artículos en revistas académicas. Actuario y Economista (ITAM) con Doctorado en Economía y Finanzas por Princeton University.