Un análisis para inversionistas mexicanos 

En los últimos años, la inteligencia artificial (IA) se ha convertido en la gran promesa tecnológica: discursos corporativos llenos de entusiasmo, valoraciones bursátiles elevadas y una narrativa global que asume que sus beneficios productivos llegaran de forma casi inmediata y garantizada. Sin embargo, la evidencia reciente pinta un panorama más sobrio. Las tasas de adopción empresarial se han estancado, los retornos iniciales no cumplen lo prometido y la pregunta esencial –si la IA realmente elevará la productividad agregada en plazos razonables– sigue abierta. 

Este contraste entre expectativas y datos no es trivial. La historia económica enseña que las tecnologías disruptivas no transforman la productividad simplemente porque exista entusiasmo alrededor de ellas. Se requiere adopción generalizada, incentivos adecuados, mejoras medibles y un periodo de ajuste organizacional que, frecuentemente, reduce la eficiencia antes de aumentarla. La disciplina empírica obliga a distinguir entre narrativas y hechos. Hoy, los hechos invitan a la cautela. 

Lo que dicen los datos: la adopción se estanca en lugar de acelerarse

La encuesta más reciente de la Oficina del Censo de Estados Unidos muestra que apenas alrededor del 11% de los trabajadores usan IA en la producción de bienes y servicios, y ese porcentaje cayó recientemente. Empresas grandes —aquellas con más de 250 empleados— muestran la contracción más marcada. Otros estudios independientes reportan niveles de adopción algo mayores, pero todos coinciden en un punto: el crecimiento se ha frenado. 

Esto es especialmente relevante porque la magnitud de la inversión proyectada es extraordinaria. Se estima que las grandes tecnológicas podrían gastar cerca de 5 billones de dólares en infraestructura de IA hacia 2030, inversión que solo se justifica si los ingresos por IA crecen de 50 mil millones a aproximadamente 650 mil millones de dólares anuales. El consumidor individual no absorberá esa demanda. Las empresas tendrían que hacerlo. Y por ahora, no lo están haciendo. 

Un des aceleramiento temprano en la adopción corporativa puede implicar dos cosas: 

1. La tecnología necesita más tiempo para integrarse en los procesos productivos. 
2. Los beneficios marginales son más bajos de lo que la narrativa dominante sugiere. 

Ambas hipótesis tienen fuertes implicaciones para valoraciones, expectativas de productividad y proyecciones de largo plazo. 

Incentivos organizacionales: la brecha entre el discurso y la realidad

Uno de los hallazgos más intrigantes es la diferencia entre quienes hablan de IA y quienes realmente la usan. En las conferencias de resultados corporativos, la mayoría de los directivos mencionan la IA como prioridad estratégica. Pero dentro de las empresas, la adopción entre mandos medios y empleados es considerablemente menor. 

El fenómeno sugiere que muchos proyectos nacen para satisfacer expectativas de niveles superiores, pero se diluyen cuando enfrentan los costos reales de reorganizar procesos, entrenar equipos, integrar sistemas y asumir riesgos operativos. Cuando la tecnología no presenta beneficios claros y medibles, la fricción interna la vence. 

Este tipo de dinámicas no es nuevo: la historia empresarial está llena de innovaciones anunciadas con entusiasmo que tardan décadas en producir beneficios netos. La clave no está en el discurso, sino en la capacidad de traducir una herramienta en productividad genuina. 

El retorno sobre inversión: la evidencia no muestra mejoras significativas

Las expectativas de mejora de productividad impulsaron valoraciones y proyecciones de crecimiento, pero, por ahora, los mercados no validan, esa tesis. Un índice elaborado para identificar a las empresas más “expuestas” positivamente a la IA —aquellas donde la adopción debería generar mayor crecimiento de utilidades— ha tenido un desempeño inferior al mercado reciente. Si los inversionistas percibieran efectos transformadores inminentes, sería razonable esperar lo contrario. 

Las encuestas ejecutivas también muestran resultados decepcionantes. Cerca de 45% de las empresas reportan retornos menores a lo esperado de sus iniciativas de IA; solo 10% dice que superaron sus expectativas. A nivel académico, estudios recientes señalan que la integración de IA puede disminuir temporalmente la productividad debido a la necesidad de reentrenar flujos de trabajo y adaptar sistemas, fenómeno conocido como la curva J de productividad: primero hay costo de ajuste, y solo después aparecen los beneficios netos. 

A eso suma la llamada “trampa de mediocridad”: la IA generativa puede ayudar a elevar el desempeño de trabajadores menos hábiles, pero también puede inducir a que los más productivos reduzcan esfuerzo o especialización, con un efecto agregado menos claro. Este choque entre expectativas y resultados reales obliga a repensar la velocidad de adopción. 

Qué significa todo esto para inversionistas mexicanos

Para los inversionistas —en México y en cualquier economía abierta— la lección es clara: Los mercados incorporan expectativas, pero la realización de los beneficios depende de datos verificables. Las narrativas tecnológicas son seductoras, pero no sustituyen la evidencia empírica. 

Tres implicaciones destacan: 

1. No asumir productividad automática: La historia de la tecnología (electricidad, computadoras, internet) muestra que las ganancias llegan, pero con rezagos largos y costos de transición altos. 
2. No extrapolar valoraciones basadas en promesas: Si la adopción empresarial continúa lenta, las proyecciones de ingresos de IA deben ajustarse. 
3. Recordar que la diversificación protege al inversionista: Incluso si la IA termina siendo transformadora, la magnitud y el momento de ese impacto son inciertos. 

La disciplina del inversionista consiste en reconocer esa incertidumbre y evitar concentraciones excesivas basadas en hipótesis no comprobadas. 

Conclusión: entre la narrativa y la evidencia, la disciplina importa

Nada en los datos actuales implica que la IA no transformará la productividad en el largo plazo. La pregunta relevante es el cuándo, el cómo y a qué costo. La experiencia histórica sugiere que las tecnologías con alto potencial suelen tener efectos concretos años después de su popularización inicial. 

Lo responsable como inversionista es adoptar una postura de optimismo racional: apreciar el potencial de la tecnología sin ignorar la evidencia de que la curva de adopción está siendo más lenta, desigual y costosa de lo que la narrativa sugiere. 

En este contexto, la diversificación no es una recomendación táctica, sino una regla estructural para proteger el patrimonio. Un portafolio amplio, global y bien diseñado permite capturar los beneficios de cualquier innovación —incluida la IA— sin apostar de manera concentrada a un solo sector, geografía o narrativa. 

Finalmente, la complejidad y velocidad del entorno actual hacen que la guía de un asesor financiero profesional sea fundamental. Un asesor experimentado ayuda a filtrar ruido, interpretar evidencia, evaluar riesgos y construir portafolios alineados con objetivos de largo plazo. En un mundo donde las narrativas cambian diariamente, pero los fundamentos se revelan gradualmente, la disciplina y la asesoría profesional se convierten en los verdaderos motores de la estabilidad financiera.