Ganancias de productividad gracias a la IA: qué deberían tener en cuenta los inversores

La inteligencia artificial puede ayudar a las empresas a producir más con los recursos que ya tienen. Que esas ganancias se traduzcan en salarios más altos, mayores beneficios o precios más bajos depende de decisiones que van mucho más allá de la propia tecnología.

Un estudio global del economista Swapnanil SenGupta, publicado en Technological Forecasting and Social Change, analiza esa relación desigual.¹ El estudio abarca 69.783 empresas cotizadas de 83 países entre 2004 y 2023 y asocia una mayor atención pública a la IA con una productividad más alta. Sin embargo, los resultados salariales difieren entre las economías avanzadas y las economías en desarrollo.

Para los inversores, los resultados abren un debate útil sobre cómo el progreso tecnológico se convierte en valor empresarial. La productividad crea una oportunidad. La competencia, los costos de implementación, las capacidades de la fuerza laboral y la demanda de los clientes ayudan a determinar quién termina beneficiándose.

Qué mide el estudio sobre la IA y los salarios

El estudio mide la atención a la IA a partir de las búsquedas en Google Trends de inteligencia artificial como campo de estudio. Esto refleja la relevancia que adquiere la IA en el entorno informativo de un país. No permite determinar si empresas concretas han instalado sistemas de IA ni con qué intensidad los utilizan sus empleados.

Esa distinción es fundamental. Los directivos pueden reconsiderar la contratación, la capacitación o la inversión cuando cambian las expectativas sobre una tecnología. Los trabajadores pueden reevaluar qué habilidades desarrollar. Estas respuestas pueden producirse al mismo tiempo que la adopción, lo que dificulta separar sus contribuciones individuales.

La medida salarial también debe interpretarse con cautela. Representa el gasto promedio de las empresas en salarios y sueldos por empleado. Las variaciones pueden reflejar tanto cambios en la composición de la fuerza laboral como en la remuneración. Por ejemplo, un aumento de las contrataciones de personal júnior podría reducir el gasto promedio sin que los empleados actuales recibieran recortes salariales.

Por tanto, el análisis describe las relaciones entre la atención a la IA y los resultados empresariales. No demuestra que un aumento del interés de búsqueda cause por sí solo cambios en los salarios de los trabajadores.

La productividad y los resultados salariales de la IA varían entre economías

Entre las empresas cotizadas de las economías avanzadas, una mayor atención a la IA se asocia con salarios promedio más bajos, una productividad laboral más alta y una productividad total de los factores más elevada. La productividad laboral describe la producción en relación con el insumo de trabajo. La productividad total de los factores intenta reflejar la eficiencia más allá de los cambios en insumos medidos, como el trabajo y el capital.

Las empresas cotizadas de los mercados emergentes y las economías en desarrollo presentan un patrón salarial distinto: las ganancias iniciales se desvanecen con el tiempo, mientras que las respuestas de productividad son positivas.

Una interpretación es que las empresas de las economías avanzadas afrontan expectativas más fuertes de automatización y control de costos. Al principio, las empresas cotizadas de las economías en desarrollo podrían necesitar más habilidades, capacitación y capacidad organizativa. El estudio analiza estas explicaciones, pero no las identifica como mecanismos demostrados.

La muestra de economías en desarrollo también es selectiva. Las empresas cotizadas difieren considerablemente de los negocios informales y las pequeñas empresas no cotizadas. Sus resultados no deben considerarse representativos de la fuerza laboral de países enteros.

Por qué una mayor productividad no garantiza mayores beneficios

Las implicaciones para la inversión parten de una distinción entre crear valor económico y retenerlo.

Pensemos en una empresa hipotética que usa IA para reducir el tiempo necesario para procesar los pedidos de sus clientes. Un procesamiento más rápido genera capacidad. Los beneficios solo aumentan si la empresa utiliza esa capacidad de manera productiva y la ventaja supera los costos del software, la integración, la supervisión y la capacitación.

La competencia puede redistribuir las ganancias. Si las empresas competidoras adoptan herramientas similares, los clientes pueden exigir precios más bajos. La industria se vuelve más eficiente, mientras que cada empresa retiene pocos beneficios adicionales. Por otra parte, la escasez de habilidades técnicas o el poder de los proveedores de software pueden hacer que estos absorban parte de las ventajas mediante remuneraciones o tarifas más altas.

Estas son posibilidades económicas, no resultados demostrados por este estudio. Explican por qué los inversores deberían analizar cómo compite una empresa antes de convertir un anuncio sobre ganancias de productividad gracias a la IA en una previsión de beneficios.

Una empresa con productos diferenciados, relaciones de confianza con sus clientes o procesos difíciles de replicar puede tener más margen para retener valor. Aun así, es posible que el precio de sus acciones ya refleje expectativas ambiciosas.

Cómo convertir el tiempo ahorrado gracias a la IA en beneficios financieros

Otro desafío es convertir el tiempo ahorrado en resultados comerciales cuantificables.

Una herramienta podría ahorrar a los empleados una hora al día sin reducir el gasto total en nómina. Aun así, puede aportar valor si los empleados resuelven más problemas de los clientes, mejoran los productos o atienden una demanda creciente. El beneficio financiero depende de lo que ocurra después.

Un estudio de 2026 sobre directivos de empresas aporta contexto pertinente. A partir de las respuestas de casi 750 directivos, señala que las mejoras de productividad percibidas superan las ganancias medidas, lo que posiblemente refleja el tiempo que transcurre antes de que los beneficios se traduzcan en ingresos. También encuentra pocas pruebas de descensos agregados del empleo a corto plazo, pese a las distintas expectativas sobre la fuerza laboral en las empresas.

Esto sugiere que los inversores deberían distinguir entre las mejoras en las tareas y las mejoras en el negocio. Redactar o analizar más rápido es un resultado intermedio. Una mayor retención de clientes, ventas adicionales o menores costos una vez implementada la herramienta ofrecen pruebas más sólidas de valor económico.

La cobertura reciente de Securities.io sobre la IA y la eficiencia en la contratación explora una oportunidad relacionada: adaptar la dotación de personal a la demanda. Una mayor eficiencia puede implicar ampliar la capacidad allí donde los clientes la necesitan y, a la vez, controlar los gastos innecesarios.

La inversión en la fuerza laboral puede respaldar rendimientos duraderos de la IA

La divergencia salarial que plantea el estudio de SenGupta también suscita una pregunta sobre la sostenibilidad. Un menor gasto laboral promedio puede mejorar los resultados financieros a corto plazo, pero no demuestra que una empresa haya creado un modelo operativo más sólido.

Los empleados suelen conocer las excepciones, las preferencias de los clientes y las limitaciones operativas, aspectos difíciles de plasmar en un software. Las empresas necesitan ese conocimiento para decidir dónde funciona la automatización y cuándo sigue siendo necesario el criterio humano.

La capacitación puede ayudar a los empleados a aprovechar eficazmente la capacidad adicional. Las responsabilidades claras y los procedimientos confiables para escalar los problemas pueden evitar que unos procesos más rápidos provoquen errores costosos. Estas consideraciones se relacionan con el análisis de Securities.io sobre la confianza de los empleados y los rendimientos de la automatización.

Entre las preguntas útiles para los inversores figuran las siguientes:

• ¿Se miden los ahorros declarados una vez descontados los costos de implementación y operación?
• ¿Se mantiene estable la calidad del servicio a medida que aumenta la producción por empleado?
• ¿Puede la dirección explicar cómo contribuye el tiempo ahorrado a los ingresos o al flujo de caja?

Las respuestas respaldadas por métricas operativas coherentes son más informativas que las promesas generales de transformación.

Accenture ofrece exposición a la implementación de IA en empresas

La necesidad de conectar la tecnología con los procesos empresariales prácticos crea una oportunidad para las empresas que ayudan a otras a implementar la IA. Accenture es un ejemplo pertinente por su trabajo en integración tecnológica, datos, cambio organizacional y operaciones empresariales.

Su papel se relaciona directamente con las inversiones complementarias que se analizan en el estudio. Antes de que la IA genere beneficios confiables, las empresas quizá deban preparar los datos, rediseñar los flujos de trabajo, capacitar a los empleados e integrar los sistemas. Estos requisitos generan demanda más allá de los modelos subyacentes.

Los resultados del ejercicio fiscal 2026 de Accenture registraron ingresos de 74,2 mil millones de dólares y nuevos contratos por valor de 84,5 mil millones de dólares. Son cifras de toda la empresa, no medidas de los ingresos procedentes de la IA ni pruebas de que las implementaciones para clientes hayan generado rendimientos positivos.

La tesis de inversión también está sujeta a presiones contrapuestas. La IA podría aumentar la demanda de servicios de implementación y, al mismo tiempo, reducir la mano de obra necesaria para algunos trabajos actuales. Los inversores deberían analizar si los nuevos proyectos, los modelos de precios y las eficiencias en la prestación de servicios permiten un crecimiento rentable una vez considerados los costos de reestructuración e inversión.

El estudio de SenGupta no evalúa específicamente a Accenture. La empresa es pertinente por su participación en la implementación de soluciones para grandes empresas, mientras que su atractivo como inversión depende de la ejecución, la competencia y la valoración.

Últimas noticias y novedades de Accenture (ACN)

Cómo evaluar los avances de la IA más allá de los titulares

El análisis histórico del estudio termina en 2023, lo que limita las conclusiones sobre los sistemas de IA generativa actuales. Sus métodos estadísticos también arrojan tamaños del efecto muy distintos, y el autor advierte que no se debe dar demasiado peso a las estimaciones excepcionalmente grandes obtenidas mediante variables instrumentales.

Aun así, su pregunta central sigue siendo pertinente: ¿cómo interactúan las mejoras de productividad con la remuneración y los ajustes organizacionales?

Para los inversores, el siguiente paso es buscar pruebas específicas de cada empresa. Las empresas que convierten la capacidad adicional en productos valorados y servicios fiables tienen una vía más clara hacia rendimientos duraderos. La IA amplía lo que pueden lograr las empresas; las decisiones de gestión y las condiciones del mercado determinan qué parte de esa oportunidad llega a los accionistas, los trabajadores y los clientes.

Referencias:

¹ SenGupta, S. (2027). Efectos de la atención a la IA a nivel de empresa sobre los salarios y la productividad: un estudio comparativo global. Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913