La promesa de ahorro de 920.000 millones de dólares por inteligencia artificial no es un eslogan: es la estimación que Morgan Stanley pone sobre la mesa para las empresas del S&P 500 si aceleran la adopción de inteligencia artificial en operaciones y procesos.
El banco proyecta un impacto mixto de recorte de costes y aumento de productividad que, una vez desplegado a escala, también podría disparar el valor de mercado de la bolsa estadounidense.
Según adelantó Fast Company tras acceder al informe AI Adoption and the Future of Work, las compañías del S&P 500 podrían capturar 920.000 millones de dólares en beneficios netos anuales por el uso de IA, con mejoras ligadas tanto a automatización como a la optimización del trabajo humano. El medio destaca además que el retorno no será inmediato: habrá costes iniciales y la curva de beneficios será plurianual.
Más allá del flujo de caja, Morgan Stanley calcula que esa adopción podría traducirse en 13 a 16 billones de dólares (trillions en notación anglosajona) de creación potencial de valor bursátil en el S&P 500.
En términos operativos, el banco estima un alza de márgenes y de beneficios netos si la IA se integra de forma transversal. En paralelo, los grandes tecnológicos seguirán elevando capex en IA, acercándose a casi 1 billón de dólares acumulado entre 2024 y 2026. Todo ello, insisten los analistas, con un horizonte de retorno de varios años, no de trimestres.
¿De dónde viene el ahorro?
El informe divide las palancas en dos frentes: IA agéntica (software que ejecuta tareas y asiste a equipos) y IA física (robots y automatización física). El reparto de valor sería casi equilibrado entre ambos, combinando reducción de costes operativos, reasignación de tareas repetitivas y generación de nuevos ingresos y márgenes.
En lo sectorial, las mayores rentabilidades relativas no estarían en los “sospechosos habituales” de alta tecnología, sino en industrias intensivas en operaciones: distribución de consumo, retail, gestión y desarrollo inmobiliario y transporte, que podrían llegar a superar el 100% de los beneficios pretax previstos para 2026 si se materializa la adopción plena. En cambio, hardware tecnológico y semiconductores capturarían menos ahorro directo por esta vía.
Empleo: impacto amplio, sustitución parcial
Morgan Stanley habla de impacto en el 90% de los empleos, vía automatización total de tareas concretas o augmentación del trabajo (mejores herramientas, más output por empleado). El banco, en línea con otros análisis, subraya que el patrón histórico de grandes olas tecnológicas combina desplazamiento parcial de funciones con creación de nuevos puestos cualificados.
En la frontera de la automatización física, el banco viene señalando que el coste “fully loaded” de un robot industrial puede acercarse a 5 dólares/hora en EE. UU., lo que cambia la ecuación de competitividad en manufactura. Aun así, el propio Morgan Stanley admite que la disponibilidad de robots y la escala de fabricación son hoy cuellos de botella, por lo que la difusión de la robótica será más lenta que la del software.
La letra pequeña: ROI gradual y ejecución
No todo son luces. En paralelo al optimismo de mercado, un estudio reciente del MIT recuerda que el 95% de los pilotos de IA generativa no está entregando aún retorno medible en la cuenta de resultados, fundamentalmente por integración deficiente en procesos y falta de foco en casos de uso de back-office con ROI claro. La implicación: el ahorro potencial existe, pero depende de la ejecución, la reingeniería de procesos y la gobernanza.
¿Qué significa esto para empresas en España y la UE?
Cadencia realista de inversiones
Para CFOs y COOs, el caso de negocio debe contemplar capex y opex (nube, datos, talento, seguridad) y una curva de beneficios a varios años. La presión competitiva llegará desde sectores “menos tech” (retail, logística, transporte, inmobiliario), donde las eficiencias escalan rápido cuando se integran asistentes, RPA avanzada y analítica generativa sobre procesos.
Hoja de ruta por procesos, no por herramientas
El ahorro de 920.000 millones en EE. UU. se logra rediseñando flujos y reasignando tareas, no solo “enchufando” modelos. En España, casos inmediatos pasan por atención al cliente, back-office financiero, compras, operaciones de almacén y field service, con métricas de ciclo y calidad muy medibles.
Gestión del talento
El enfoque de augmentación exige upskilling en prompts, verificación, datos y supervisión. La reasignación de tareas puede absorber parte del impacto laboral, pero habrá que planificar movilidad interna y nuevos roles (gobernanza de datos, cumplimiento de IA, ciberseguridad).
Cumplimiento regulatorio europeo
La AI Act ya está en vigor (1 de agosto de 2024) y escala obligaciones en 2025–2027: desde febrero de 2025 rigen prohibiciones y requisitos de “AI literacy”; desde agosto de 2025 aplican obligaciones para modelos de propósito general; el grueso del marco será plenamente aplicable en agosto de 2026, con plazos extendidos a 2027 para ciertos sistemas de alto riesgo. Anticipar inventario de sistemas, evaluación de riesgos y documentación técnica evitará fricciones en ROI.
Energía y costes ocultos
La oleada de capex en IA de los hiperescaladores presiona costes de computación y energía, por lo que conviene modelizar TCO (almacenamiento, inferencia, latencias, soberanía de datos) y explorar arquitecturas híbridas y optimización de consumo.
Claves accionables para 2025–2026
- Priorizar 3–5 procesos con impacto directo en la cuenta de resultados (SLA, coste por transacción, roturas de stock y DSO), con metas trimestrales.
- Combinar IA agentic y automatización clásica (RPA/IPA), incorporando métricas de calidad (alucinaciones, trazabilidad) desde el día uno.
- Adoptar un modelo de gobierno alineado con la AI Act (inventario, DPIA, red-teaming, disclaimers, auditoría).
- Medir y comunicar la productividad por tarea, no solo el ahorro agregado, para acelerar la adopción interna y el ROI.
