La inteligencia artificial se presenta como una tecnología capaz de transformar toda la empresa. Pero, tres años después del inicio de la fiebre por la IA generativa, su uso corporativo más relevante sigue siendo mucho más concreto: ayudar a escribir código.

Ese dato importa ahora que OpenAI y Anthropic preparan su salto a los mercados públicos y los inversores empiezan a mostrar dudas sobre las valoraciones de las compañías tecnológicas. La pregunta ya no es solo si el negocio de vender inteligencia artificial seguirá creciendo. Es si puede crecer lo suficiente cuando buena parte de su adopción depende todavía de una comunidad muy específica: los programadores.

Muchas empresas tecnológicas no desglosan sus ingresos por tipo de uso. Aun así, distintas estimaciones apuntan a que entre un tercio y la mitad del consumo de tokens de sus clientes empresariales se destina a tareas de programación. Algunas estimaciones elevan aún más esa proporción. Áreas como atención al cliente, funciones administrativas, contabilidad y recursos humanos ocupan una parte mucho menor del uso real.

La paradoja es evidente. Una tecnología vendida como transversal sigue teniendo, por ahora, una adopción relativamente estrecha.

La adopción real

El problema no parece estar solo en la calidad de los modelos de IA, sino en el tiempo que lleva conectarlos con procesos empresariales antiguos sin rediseñarlos de verdad.

Por eso un profesional individual puede obtener ganancias de productividad visibles al usar IA, mientras que una empresa que intenta desplegarla de forma amplia puede encontrarse con mejoras mucho más modestas. La herramienta funciona; lo que no siempre funciona es la integración con los sistemas, permisos, datos y flujos de trabajo existentes.

Incluso las áreas que parecen más adecuadas para la automatización avanzan despacio. Matthew Fitzpatrick, consejero delegado de Invisible Technologies, una empresa de Nueva York que ayuda a grandes compañías a integrar modelos de IA en sus sistemas, lo resume con claridad: «Atención al cliente sigue en la primera entrada, sorprendentemente en la primera entrada, y en realidad no tiene sentido si se piensa».

La razón es práctica. Muchos agentes de IA desplegados en servicios de atención al cliente no pueden hacer mucho más que mantener una conversación, porque no tienen acceso a las funciones críticas de la red corporativa que les permitirían actuar. «Un agente sin permisos es solo un chatbot», afirma Fitzpatrick.

Código y gasto

La programación sigue concentrando la mayor parte del gasto corporativo en IA. Fitzpatrick sostiene que, si se observan los datos de consumo de tokens, esa actividad podría representar hasta el 90 % del uso actual.

Ni los laboratorios de IA ni las grandes tecnológicas como Alphabet (NASDAQ: GOOGL) detallan cómo utilizan sus clientes estas herramientas. Pero incluso el fuerte aumento reciente de ingresos de Anthropic se ha atribuido en gran medida a la demanda de Claude Code, su producto orientado a programación.

A primera vista, no parece sostenible que una sola comunidad de usuarios sostenga un auge global de la IA respaldado por compromisos de inversión en infraestructuras por valor de 8 billones de dólares.

El riesgo aumenta porque los clientes corporativos también intentan gastar menos en programación. Muchas compañías se inclinan hacia modelos más baratos, más pequeños o incluso de código abierto. Uber Technologies (NYSE: UBER) y Walmart (NYSE: WMT) han limitado el uso interno de IA después de que sus programadores superaran los presupuestos previstos.

La tensión es incómoda para OpenAI y Anthropic. Ambas necesitan seguir aumentando ventas a gran velocidad para justificar sus valoraciones. Pero sus propios clientes buscan contener el gasto, y sus socios tecnológicos no siempre tienen incentivos para empujar hacia los modelos más caros.

Socios ambiguos

Los gigantes de la nube, como Google, Amazon (NASDAQ: AMZN) y Microsoft (NASDAQ: MSFT), ofrecen cientos de herramientas de IA a sus clientes empresariales. Pueden ganar más si esos clientes usan productos propios, como Gemini, pero también ingresan si utilizan modelos de terceros mientras siguen contratando sus servicios de nube.

Ese incentivo mixto reduce la lealtad hacia los laboratorios de IA en los que algunas de esas grandes tecnológicas han invertido. Los llamados hyperscalers, que necesitan enormes centros de datos para operar, quieren mantener satisfechos y cautivos a sus clientes de nube. Por eso no siempre recomiendan las herramientas de IA más avanzadas y caras.

Un ejecutivo de Google llegó a explicar a Olson que animaba a sus clientes a ser más prudentes en el gasto de tokens y a utilizar IA menos avanzada para tareas menores. Microsoft, por su parte, podría alojar en Azure una versión del modelo chino de código abierto DeepSeek, conocido por su bajo coste.

El resultado es un panorama más difícil para los laboratorios líderes. Puede haber más uso de inteligencia artificial, pero no necesariamente más poder de fijación de precios para OpenAI y Anthropic.

La paradoja Jevons

Para responder a estas dudas, muchos tecnólogos recurren a una expresión cada vez más repetida: la paradoja de Jevons.

El concepto, asociado al economista británico del siglo XIX William Stanley Jevons, sostiene que cuando algo se vuelve más barato, su consumo puede aumentar porque más personas encuentran rentable utilizarlo. El ejemplo clásico es la máquina de vapor: aunque las máquinas se hicieron más eficientes, el Reino Unido consumió más carbón porque la demanda total creció.

Aplicado a la inteligencia artificial, el argumento es que las herramientas de programación pueden abaratarse por la competencia entre laboratorios, pero el uso total podría aumentar porque más empleados y empresas tendrían incentivos para adoptarlas.

Un ejecutivo de Google citado por Olson espera que, con el tiempo, no solo los desarrolladores utilicen herramientas de programación asistidas por IA. Puso como ejemplo a un empleado minorista que creó una aplicación capaz de fotografiar un libro de ventas escrito a mano y una hoja de existencias, y llamar automáticamente a los clientes para avisarles de que sus pedidos habían llegado.

El ejemplo muestra el potencial. Pero, por ahora, hay pocas señales de una adopción masiva de herramientas de código por parte de empleados que no trabajen directamente en tecnología.

Quién captura el valor

Incluso si la paradoja de Jevons termina funcionando, no garantiza quién ganará. La demanda puede crecer, pero el valor puede repartirse entre laboratorios líderes, gigantes de la nube, modelos baratos de código abierto y proveedores alternativos como DeepSeek o Qwen, de Alibaba Group (NYSE: BABA).

Eso significa que OpenAI y Anthropic podrían ver aumentar el tamaño del mercado y, aun así, capturar una porción menor de ese crecimiento. La historia de la burbuja puntocom dejó una enseñanza clara: la demanda tecnológica puede ser real y prolongada, pero muchos actores ambiciosos pueden tropezar o desaparecer durante el proceso.

La programación asistida por IA parece una pieza fundacional de la actual revolución tecnológica. Pero quizá no sea suficiente para sostener por sí sola las valoraciones, los planes de inversión y la narrativa de transformación empresarial que rodea a la inteligencia artificial.

La gran cuestión para los inversores es, por tanto, menos futurista y más concreta. No si la IA será importante, sino si los ingresos actuales de los laboratorios líderes son lo bastante amplios, diversificados y defendibles como para justificar el precio que el mercado quiere ponerles.

Claves para suscriptores

---

● Desde 1987, la revista Inversión ayuda cada mes a miles de inversores españoles a tomar grandes decisiones con análisis, estrategia y visión de mercado. Suscríbete a la edición en papel, con acceso web incluido, por 28,99 € el primer año (-42 %).