IA y eficiencia en la contratación: lo que los inversores deben saber

A menudo se presenta la inteligencia artificial como una forma de hacer más trabajo con menos empleados. Ese enfoque pasa por alto otra oportunidad: ayudar a las empresas a emplear la cantidad adecuada de personas a medida que la demanda cambia. Contratar de forma demasiado agresiva puede inflar los costos. Contratar con demasiada cautela puede dejar a los clientes esperando, retrasar el desarrollo de productos y ceder el crecimiento a los competidores.

Un estudio de Kai Xing y sus colegas, titulado La inteligencia artificial y la eficiencia de la inversión laboral: evidencia de empresas estadounidenses, analiza esta dimensión menos visible del valor empresarial de la IA.¹ Publicado como artículo en versión preliminar en Journal of International Money and Finance, concluye que las empresas vinculadas a la IA tienden a mostrar menores diferencias entre la contratación real y la prevista según sus circunstancias económicas.

Para los inversores, la implicación va más allá del ahorro en nóminas. El gasto en IA puede merecer un escrutinio más detenido como una inversión en la capacidad de respuesta organizacional. La oportunidad reside en conectar mejor información con mejores decisiones, reconociendo que la adopción de tecnología y la obtención de sus beneficios son logros independientes.

Qué mide realmente la eficiencia de contratación con IA

Los investigadores analizan 36 078 observaciones empresa‑año de 5 843 compañías cotizadas en EE. UU. entre 2004 y 2020. Se excluyen las firmas financieras y las utilities porque sus entornos regulatorios y estructuras contables difieren de los de otras empresas.

El estudio estima la contratación neta esperada a partir de fundamentos empresariales, incluidos el crecimiento de ventas, la rentabilidad, los rendimientos de acciones, el tamaño de la empresa y la liquidez. Luego mide en qué medida la contratación real se desvía de ese punto de referencia. Desviaciones menores indican una mayor eficiencia de la inversión laboral.

Esta distinción es importante. La eficiencia no implica automáticamente reducir la plantilla. Una empresa que necesita ingenieros para respaldar una demanda creciente podría mejorar su eficiencia medida contratando más. Otra empresa que recluta antes de un crecimiento de ventas sostenible podría mejorar ralentizando la contratación.

Tampoco la medida establece directamente la productividad de los empleados, la satisfacción del cliente o la calidad del trabajo. Describe cuán estrechamente la contratación neta se alinea con una estimación estadística. Esa estimación ofrece una comparación útil entre empresas, pero no puede capturar todas las razones estratégicas por las que una compañía podría mantener temporalmente una capacidad excedente.

Por ejemplo, contratar especialistas antes del lanzamiento de un producto puede parecer excesivo en relación con las ventas actuales, aunque siga siendo comercialmente razonable. Por lo tanto, los inversores deben considerar los hallazgos como evidencia sobre la alineación del personal, y no como una fórmula para la fuerza laboral ideal.

Qué descubre el estudio sobre IA y dotación de personal

El análisis principal identifica a las empresas vinculadas a la IA mediante su pertenencia a fondos cotizados (ETFs) temáticos de IA. Los autores interpretan esto como una exposición a la IA reconocida por el mercado, más que como una medida directa de la implementación dentro de cada empresa. Pruebas adicionales utilizan indicadores de fuerza laboral y patentes relacionados con la IA.

A través de estos enfoques, los resultados generalmente respaldan una asociación positiva entre la exposición a la IA y la eficiencia de la inversión laboral. La relación abarca tanto la sobrecontratación como la subcontratación, lo que sugiere que el beneficio relevante implica alineación más que una preferencia uniforme por plantillas más pequeñas.

Los autores también encuentran asociaciones positivas con la rentabilidad y la valoración de mercado. Estos resultados refuerzan la relevancia del artículo para los inversores, aunque no establecen que la IA por sí sola haya causado esos resultados.

Por qué una mejor dotación de personal podría generar valor empresarial

Considere una empresa de servicios hipotética que enfrenta una demanda impredecible. Sin información fiable, los directivos pueden alternar entre contratar demasiado tarde y mantener capacidad después de que la demanda disminuya. Los clientes experimentan demoras durante los períodos de alta actividad, mientras que los períodos más tranquilos dejan a la empresa con costos evitables.

La IA podría ayudar a pronosticar el trabajo entrante, identificar cuellos de botella recurrentes y distinguir los picos temporales del crecimiento sostenido. Los directivos podrían entonces ajustar los horarios, redistribuir a los empleados o reclutar habilidades específicas antes de que el servicio se deteriore.

Esta es una interpretación operativa de los hallazgos, más que un mecanismo demostrado por el estudio. Su valor radica en que amplía la cuestión de inversión. En lugar de preguntar solo cuántos puestos elimina la automatización, los inversores pueden preguntar si la empresa responde de forma más eficaz a las condiciones cambiantes.

La misma lógica se aplica más allá de los flujos de trabajo de oficina. La reciente cobertura de Securities.io sobre ganancias de productividad de IA en la agricultura explora cómo una mejor asignación de recursos puede crear valor en industrias físicas. El trabajo es otro recurso cuyo momento y despliegue influyen en los resultados comerciales.

La interrupción de la fuerza laboral puede debilitar los rendimientos de la IA

El despliegue de tecnología introduce sus propios costos de ajuste. Los empleados deben aprender nuevos sistemas, las responsabilidades pueden cambiar y los gerentes deben decidir cuándo las recomendaciones automatizadas merecen revisión humana. La productividad puede verse afectada mientras se implementan esos cambios.

El documento encuentra un patrón compensatorio asociado a su variable de rotación de personal. Sin embargo, ese proxy mide cambios en el empleo en relación con el tamaño de la fuerza laboral. No debe interpretarse como una medida directa de renuncias, retención o insatisfacción de los empleados.

Incluso con esa limitación, el hallazgo plantea una pregunta de gestión útil: ¿cuánta interrupción acompaña la transición? Una empresa podría automatizar tareas rutinarias con éxito mientras pierde valioso conocimiento institucional por una reestructuración mal planificada.

Esa preocupación se conecta con el examen de Securities.io sobre confianza de los empleados y ROI de la automatización. Una estrategia de despliegue creíble necesita que los empleados comprendan las responsabilidades cambiadas y aporten información sobre dónde fallan los sistemas.

La recapacitación también afecta si la capacidad liberada se convierte en capacidad útil. Ahorrar a los empleados varias horas no genera automáticamente ingresos adicionales. Las empresas necesitan un plan práctico para redirigir ese tiempo hacia la atención al cliente, el desarrollo de productos u otro trabajo valioso.

Por qué la flexibilidad financiera es importante para la adopción de IA

La asociación entre IA y eficiencia de personal es más fuerte entre las empresas con mayor capacidad innovadora y flexibilidad financiera. Eso sugiere que los recursos complementarios merecen atención junto con la propia tecnología.

Los despliegues pueden requerir limpieza de datos, integración, capacitación y rediseño de procesos antes de que aparezcan los beneficios. Las compañías con posiciones de efectivo más sólidas pueden estar mejor capacitadas para financiar esa transición sin abandonarla durante un trimestre difícil.

El estudio también informa una asociación más fuerte entre IA y eficiencia bajo condiciones financieras internacionales más estrictas y mayor demanda extranjera de activos estadounidenses. Estas son relaciones históricas, más que pronósticos de cómo se desarrollará el próximo ciclo de financiamiento.

Una inferencia práctica es que los inversores deben evaluar si una empresa puede sostener el gasto de implementación frente a la incertidumbre. Comprar software es más fácil que financiar los cambios organizacionales que lo hacen efectivo.

Cómo los inversores pueden evaluar los beneficios empresariales de la IA

Los hallazgos sugieren un marco de evaluación más útil que simplemente contar anuncios de IA o comparar la plantilla antes y después del despliegue. Los inversores deben buscar evidencia de que las mejoras operativas perduren más allá de la fase de demostración.

• ¿Se ajusta el personal a la demanda mientras la calidad del servicio se mantiene estable?
• ¿Se miden los beneficios reportados después de la implementación y los costos operativos?
• ¿Pueden los empleados usar la capacidad liberada para trabajos que mejoren los resultados empresariales?

Estas preguntas también ayudan a distinguir las capacidades del proveedor de los resultados del cliente. Un producto puede funcionar bien en un flujo de trabajo controlado mientras brinda un valor limitado en una empresa fragmentada.

Los despliegues modernos implican cada vez más la coordinación de sistemas en lugar de generar respuestas aisladas. La discusión de ServiceNow de marzo de 2026 sobre benchmarking de IA empresarial describe la evaluación de modelos frente a condiciones de negocio, incluyendo el procesamiento de documentos y la ejecución de flujos de trabajo. Esa prueba es relevante porque el costo de las excepciones y la intervención humana puede determinar si la aparente eficiencia se traduce en valor económico.

ServiceNow ofrece exposición a la automatización de flujos de trabajo con IA

Para los inversores interesados en compañías que desarrollan esta infraestructura, ServiceNow brinda un ejemplo pertinente. Su plataforma conecta flujos de trabajo empresariales, datos y acciones automatizadas, situándola cerca de las decisiones operativas a través de las cuales la IA podría cambiar los requerimientos laborales.

En mayo de 2026, la compañía amplió su Fuerza Laboral Autónoma en todas las funciones empresariales, introduciendo especialistas en IA para TI, gestión de relaciones con clientes, servicios al empleado y seguridad y riesgo. Estas ofertas están diseñadas para ejecutar procesos dentro de permisos y controles de gobernanza definidos.

Un anuncio de julio que describe Leidos’ despliegue ampliado de flujo de trabajo de IA ofrece un ejemplo contemporáneo de la demanda empresarial. Los objetivos declarados incluyen mejorar los servicios a los empleados, ampliar el autoservicio de TI y centralizar la gobernanza de IA. Esos son objetivos de despliegue, más que pruebas verificadas independientemente de ahorros realizados.

La conexión de inversión es directa: las empresas que buscan coordinar el trabajo humano y automatizado pueden requerir plataformas que integren la ejecución con la supervisión. ServiceNow participa en ese mercado. Su atractivo como inversión sigue dependiendo de la valoración, la competencia, los costos de implementación y de si los clientes renuevan y amplían sus gastos.

Los beneficios de la IA en la dotación de personal necesitan mejores evidencias

La muestra histórica del estudio termina en 2020, antes del auge actual de la IA generativa. Por lo tanto, sus hallazgos no pueden establecer los efectos de los agentes de IA actuales ni validar las afirmaciones de ningún proveedor específico.

Sin embargo, ofrece una dirección útil para evaluar el papel económico de la IA. Las empresas pueden obtener valor cuando la tecnología les ayuda a evitar tanto la falta de capacidad como la expansión innecesaria. Los inversores deberían buscar evidencia de que decisiones de dotación de personal más acertadas se traduzcan en un servicio duradero, rentabilidad y crecimiento, teniendo en cuenta los costos para lograrlo.

Referencias:

¹ Xing, K., Xiong, K., Xiao, F., & Zhang, H. (2026). La inteligencia artificial y la eficiencia de la inversión laboral: evidencia de empresas estadounidenses. Journal of International Money and Finance. Publicación anticipada en línea. https://doi.org/10.1016/j.jimonfin.2026.103684