La inversión empresarial en inteligencia artificial continúa creciendo, pero sus efectos económicos siguen siendo difíciles de encontrar fuera del reducido grupo de compañías tecnológicas que suministran chips, modelos y capacidad de cómputo. El retorno de la IA aparece de momento concentrado en las grandes tecnológicas estadounidenses, mientras la mayor parte del S&P 500 no registra una mejora equivalente en ingresos por empleado, márgenes o productividad.
Es la lectura que hace Torsten Slok, economista jefe de Apollo Global Management, a partir de varios indicadores corporativos. Su análisis muestra que los ingresos reales por trabajador avanzan entre las llamadas «Magnificent Seven», mientras permanecen prácticamente planos en las otras 493 compañías del S&P 500. La misma divergencia aparece en los márgenes de beneficio.
El diagnóstico introduce una cuestión relevante para el mercado de la IA: buena parte de los beneficios económicos visibles se están acumulando entre quienes venden la infraestructura y los servicios necesarios para desplegarla, antes que entre las empresas que pagan por utilizarlos.
Apollo ya había observado en agosto que los márgenes de sectores como consumo, industria, energía, materiales o inmobiliario no mostraban un salto atribuible a la inteligencia artificial. Su conclusión entonces era que el auge del gasto de capital estaba beneficiando principalmente a los vendedores de tecnología, mientras los compradores seguían esperando una rentabilidad medible.
El gasto crece más rápido que los resultados
La ausencia de un efecto agregado todavía no implica que ninguna empresa esté obteniendo resultados. Los datos disponibles describen un mercado muy desigual.
La encuesta global de CEO de PwC publicada a comienzos de 2026 encontró que un 30% de los directivos había registrado ingresos adicionales relacionados con la IA y un 26% había reducido costes. Sin embargo, el 56% no había conseguido ninguno de esos dos beneficios y apenas el 12% declaraba simultáneamente mayores ingresos y menores costes.
Una revisión posterior realizada a mitad de año ofrece cierta mejora, aunque sin alterar sustancialmente la fotografía. El 39% de los CEO consultados declaraba algún efecto positivo sobre ingresos, costes o ambos, frente a una mayoría que seguía sin trasladar claramente la tecnología a sus cuentas.
También existe una fuerte concentración entre quienes sí consiguen extraer valor. Otro análisis de PwC calcula que el 20% de las compañías concentra el 74% del valor generado por IA, una distribución que ayuda a explicar por qué la adopción puede extenderse sin producir todavía una mejora homogénea de productividad o rentabilidad.
La diferencia entre usar IA y obtener un retorno económico de ella empieza así a adquirir relevancia presupuestaria. Una herramienta integrada en software corporativo puede ahorrar tiempo en determinadas tareas sin que ese ahorro termine convirtiéndose automáticamente en menores costes, más producción o mayores ventas.
Para Apollo, ese proceso está llevando a algunas empresas a tratar el consumo de tokens cada vez más como un coste operativo. Sus datos también apuntan a una desaceleración del crecimiento del gasto corporativo en tokens y a una demanda sensible al precio: cuando el coste aumenta, determinados clientes reducen el uso o recurren a modelos más baratos y alternativas abiertas.
El retorno de la IA condiciona el negocio de los centros de datos
La cuestión trasciende los presupuestos de software. Si las empresas no consiguen convertir el cómputo en ingresos, ahorro o productividad suficiente, cambia también la economía de las inversiones multimillonarias en chips, electricidad y centros de datos.
Ese riesgo llega en un momento en el que el ecosistema está movilizando cantidades de capital cada vez mayores. Las denominadas «neoclouds», proveedores especializados en alquilar infraestructura acelerada con GPU, han financiado una expansión rápida mediante deuda, contratos a largo plazo y acuerdos con fabricantes.
Las dudas sobre su sostenibilidad ya han aparecido en los mercados. CoreWeave, Nebius e IREN han sufrido fuertes correcciones durante octubre, mientras el coste de asegurar determinadas emisiones de deuda y las rentabilidades exigidas por los inversores han aumentado. El deterioro refleja la incertidumbre sobre cuánto tiempo puede mantenerse una construcción de capacidad financiada por adelantado si los ingresos futuros no crecen al ritmo previsto.
NVIDIA ocupa una posición singular dentro de este sistema. Su papel ha evolucionado desde proveedor de procesadores hasta financiador e inversor de algunas de las empresas que compran esos mismos sistemas. A 26 de julio, la compañía declaraba participaciones empresariales valoradas en 99.000 millones de dólares y otros 25.000 millones en compromisos de inversión.
El fabricante también ha empezado a respaldar determinados proyectos de infraestructura. Sus cuentas recogen garantías por un máximo de 3.500 millones de dólares sobre obligaciones de centros de datos de algunos proveedores de nube de IA. A ellas se añade un acuerdo mucho mayor firmado en agosto para respaldar hasta 105.000 millones de dólares de determinadas obligaciones relacionadas con el complejo PORTS de SB Energy en Ohio, donde OpenAI prevé utilizar unos 4,25 gigavatios de capacidad mediante contratos de 20 años. Las garantías entrarán en vigor progresivamente conforme las instalaciones comiencen a operar y están sujetas a diversas condiciones.
El diseño permite movilizar capital para construir infraestructura que terminará utilizando hardware de Nvidia. También vincula una parte creciente del crecimiento del fabricante a la capacidad financiera de clientes y operadores para rentabilizar esos activos durante muchos años.
Una adopción amplia sostenida por pocos grandes compradores
La concentración también aparece en el consumo. Datos de Ramp analizados por Apollo muestran que aproximadamente el 10% de las empresas que compran software ya paga a algún proveedor relacionado con GPU, frente a menos del 4% dos años antes. Sin embargo, el 10% de los mayores clientes genera el 99,5% del gasto en servicios de modelos y alrededor del 99% del destinado a neoclouds.
Además, el 80% del 1% de compañías que más gastan en IA cuenta con respaldo de capital riesgo, frente al 13% entre el cliente mediano. Para Apollo, esta composición plantea un riesgo adicional: parte de la demanda de cómputo procede de empresas financiadas con capital externo y todavía no de beneficios generados por sus propios negocios.
Eso deja dos dinámicas avanzando a velocidades diferentes. El uso de IA se está extendiendo entre las empresas, pero el gasto de gran escala y los retornos financieros permanecen concentrados en un grupo mucho menor.
Para los departamentos de tecnología y las direcciones financieras, la siguiente fase de adopción estará condicionada por esa diferencia. Los proyectos corporativos tendrán que justificar con mayor precisión qué costes reducen, qué capacidad liberan o qué ingresos generan. Al mismo tiempo, los proveedores de infraestructura necesitarán demostrar que la demanda futura puede sostener los compromisos de capital, deuda y energía adquiridos durante la expansión.
La rentabilidad empresarial de la IA empieza así a convertirse en una variable que conecta dos decisiones hasta ahora tratadas por separado: cuánto están dispuestas a pagar las empresas por utilizarla y cuánta infraestructura resulta económicamente razonable construir para suministrarla.
