En el futuro, ¿la IA generará riqueza en numerosas industrias o será una pérdida neta?

• Hay casos en los que una tecnología innovadora crea nueva riqueza empresarial y otros en los que contribuye al cambio social, pero deja pocos beneficios para los inversionistas
• Surge la pregunta de a cuál de estas categorías pertenece la IA generativa; por ahora, parece seguir la línea de las innovaciones previas de las TIC, avanzando hacia una estructura oligopólica centrada en grandes corporaciones
• Al comparar los casos históricos del microprocesador y el transporte en contenedores, es posible que la IA también concentre gran parte de las ganancias en los consumidores y algunas grandes empresas, más que en los productores
• Como estrategia para invertir en IA y obtener rendimientos, podrían ser prometedoras las empresas de infraestructura o los sectores que usan IA para reducir costos y mejorar la productividad
• Para la mayoría de los inversionistas en nuevas empresas de IA, quizá no haya una oportunidad tan grande como se espera, y en última instancia se prevé que los consumidores y las empresas establecidas más eficientes sean los principales beneficiarios

---

El nacimiento de la riqueza con las tecnologías innovadoras

• Tecnologías innovadoras como el ferrocarril, la electricidad, el motor de combustión interna y el microprocesador crearon nuevas eras industriales y otorgaron enorme riqueza e influencia a inversionistas y emprendedores
• En cambio, también existen casos como el transporte en contenedores, que transformó profundamente a la sociedad pero tuvo un efecto limitado en el aumento del valor empresarial

El valor de inversión de la innovación tecnológica y la cuestión de “quién se beneficia”

• Al invertir en nuevas tecnologías, es decisivo cuánto valor se crea y quién se apropia de esos beneficios
• Las innovaciones de las TIC generaron riqueza para nuevas empresas e inversionistas, mientras que en el transporte en contenedores el valor se diluyó, por lo que muchos inversionistas no obtuvieron beneficios
• Sigue siendo incierto en qué categoría encajará la IA, especialmente la IA generativa

Comparación entre los casos del microprocesador y el transporte en contenedores

• La innovación del microprocesador fue difícil de predecir al principio, pero a través de la experimentación y la entrada al mercado se formó un círculo virtuoso de innovación
• A fines de los años 70, el crecimiento gradual del mercado de PC y la formación de barreras de entrada impulsaron la inversión y el crecimiento del ecosistema
• Grandes empresas ya establecidas como IBM, HP y DEC mostraron poco interés inicial en adoptar la PC, mientras que los recién llegados pasaron a ser el centro de la innovación
• Se explica el papel de inversionistas y emprendedores, así como los puntos de inflexión, en la secuencia de burbuja TIC → estallido de la burbuja → crecimiento estable

La analogía entre la IA y el transporte en contenedores

• El transporte en contenedores también provocó enormes cambios sociales y económicos, pero debido a las escasas barreras de entrada y la intensificación de la competencia, la mayoría de los inversionistas no obtuvo grandes rendimientos
  • Solo el fundador de SeaLand, McLean, y algunos inversionistas lograron acumular riqueza real al liderar la innovación
  • Las grandes navieras, los inversionistas en infraestructura y las empresas que aprovecharon mejor la ventaja real (por ejemplo, IKEA y Walmart) fueron quienes más se beneficiaron
• La intensificación de la competencia, la sobreinversión frente a la demanda y el aumento de los costos de infraestructura derivaron en una estructura que limitó los retornos de inversión

El ciclo de innovación de la IA y el entorno de inversión

• Según la teoría de la economista Carlota Perez, la innovación tecnológica avanza en cuatro etapas: irrupción, frenesí, sinergia y madurez
  • Las oportunidades de rentabilidad para los inversionistas tienden a concentrarse en las etapas de frenesí y sinergia
• La IA ya está avanzando hacia la oligopolización e integración bajo el control de grandes empresas de TIC
• Las grandes compañías de modelos, así como las empresas de infraestructura, chips y datos, ocupan un papel clave dentro de la cadena de valor
• Siguen apareciendo nuevas startups de aplicaciones, pero es muy probable que sean absorbidas por las grandes empresas de modelos o queden rezagadas frente a la competencia

Oportunidades y riesgos de inversión en la industria de la IA

• Las oportunidades de inversión en empresas de modelos ya son limitadas, y se prevé que incluso en los modelos especializados por dominio solo unas pocas compañías destaquen mediante consolidación y adquisiciones
• La inversión en empresas de infraestructura (por ejemplo, NVIDIA) también refleja ya expectativas muy elevadas, por lo que el margen para rendimientos adicionales es limitado
• Es muy probable que las empresas de sectores que aplican IA —como servicios profesionales, salud, educación y finanzas— y que la usen estratégicamente para reducir costos y mejorar la productividad sean las principales beneficiarias
• Para nuevas empresas y startups, será difícil atraer inversiones a gran escala debido a la competencia intensificada y las barreras de crecimiento, por lo que la experiencia y la capacidad de ejecución serán claves

El impacto económico de la IA y los beneficiarios finales

• Se prevé que la IA genere en el futuro un valor agregado equivalente al 1%–7% del PIB mundial, pero es probable que la mayor parte de ese beneficio termine en manos de los consumidores y de las empresas establecidas con mayor productividad
• Gracias al aumento de la productividad en la industria de servicios, se espera un incremento del bienestar del consumidor y una ampliación de las oportunidades de acceso a diversos servicios
• Al igual que ocurrió con la automatización en la manufactura en el pasado, solo si la reducción de costos sociales derivada de la IA se incorpora a la estrategia empresarial podrán surgir oportunidades de inversión realmente destacables

Conclusión – Estrategia de inversión en la era de la IA

• Más que dejarse llevar por las expectativas indiscriminadas de las primeras etapas de una tecnología innovadora, se necesita una forma de pensar la inversión más diferenciada, centrada en qué mercados y estrategias puede abrir el aumento de la productividad de los trabajadores del conocimiento
• En adelante, el factor de éxito no será apostar solo por la tecnología en sí, sino tener claridad sobre cómo esa tecnología abrirá nuevas oportunidades y nuevos mercados

[tensun]

¿No se volverá algo muy importante cuando el impacto disruptivo de la IA y los robots se haga sentir en el trabajo, la logística, la seguridad y los servicios?

[GN⁺]

Opiniones de Hacker News

• Lo interesante de la IA es que realmente parece bajar muchísimo la barrera de entrada en muchos campos Hasta ahora no he visto ninguna empresa que haya mostrado de forma convincente que esto realmente les haya impactado. La mayoría solo hace promoción y, en la práctica, no se siente gran cosa. Pero sí he visto muchos ejemplos de uso individual, incluyéndome a mí mismo Desde hace tiempo me gusta experimentar con el desarrollo de videojuegos como hobby, pero los recursos artísticos siempre habían sido el mayor obstáculo. No sé dibujar y no tengo presupuesto, así que buscaba paquetes de assets en Itch.io, y muchas veces la dirección del proyecto quedaba definida por lo que ellos ofrecían. Pero desde este año todo cambió muchísimo. Ahora, invirtiendo solo una hora, puedo crear los gráficos que quiero y, después de ajustarlos, obtener assets que encajan justo con lo que necesito. Ya puedo armar assets adaptados al juego que quiero hacer Esto es, al final, una cuestión de barrera de entrada. Los assets que hago siguen siendo de nivel shovelware, y no estoy montando un negocio con esto. Pero ahora una sola persona en internet puede explorar a fondo sus hobbies y desarrollar habilidades libremente. Tengo la esperanza de que algún día surja una idea realmente grande y entonces pueda contratar artistas de verdad e invertir dinero Me parece una tendencia parecida a cómo GarageBand, iMovie y YouTube permitieron que la gente experimentara con la creación de música y video sin equipos complejos ni software caro de Adobe

  • Yo siento algo parecido Durante mucho tiempo intenté empezar proyectos personales, me atoraba con problemas pequeños (por ejemplo, cuando el servidor arrojaba un error raro), me frustraba y terminaba abandonándolos. No era trabajo, y mi paciencia para trabajar gratis tenía un límite Con ChatGPT puedo copiar y pegar el error y recibir sugerencias sobre cómo resolverlo. A veces acierta al primer intento y a veces no, pero al menos siempre me da algo que probar, y una vez que avanzas un poco, se genera impulso y te terminas metiendo más al proyecto Sigue habiendo mucho esfuerzo de mi parte, pero la IA sí funciona como una buena herramienta en esa barrera inicial de entrada

  • Yo también noto este fenómeno Es una gran ventaja para las startups. Antes hacía falta gente especializada para tareas como diseño de logo, diseño gráfico, programación, copywriting, etc.; ahora el founder puede resolverlas “más o menos” con IA. Hay áreas, como lo legal o los vendors de SaaS, donde no puede reemplazar por completo la ayuda humana, pero la IA sí puede aconsejar qué servicios usar Pero, irónicamente, si crear startups se vuelve fácil para todos, la competencia se intensifica y el entorno se vuelve todavía más duro para los founders. Al final, no está claro si el segmento prosumer o el de founders terminará siendo el beneficiado También es interesante pensar que, si la tendencia pasa a ser reemplazar transacciones antes costosas por una IA de $20 al mes, eso podría incluso terminar reduciendo la actividad económica total

  • Antes, subcontratar el arte de un juego costaba miles de dólares y alrededor de un mes, y eso limitaba mucho el alcance de lo que se podía hacer y ponía grandes restricciones cada vez que cambiabas el plan. Ahora, gracias a la IA, puedes producir 2, 5 o 10 veces más assets de arte, audio y demás casi sin costo adicional, explorar ideas libremente, descartarlas y cambiar de dirección muy rápido

  • Coincido con la comparación con GarageBand, iMovie y YouTube como herramientas que hicieron más accesible la música y el video para el público general. Vale la pena leer The Death of the Artist de William Deresiewicz. Da para pensar si ese marketing de que “todos pueden hacer arte/juegos/crear” realmente termina siendo algo positivo para esos campos

  • Respecto a eso de que “la IA baja la barrera de entrada”, habría que pensar si pedirle a un LLM que genere una imagen significa realmente que ya entré al campo del arte visual, o si pedirle que haga música me convierte en músico, o si hacer que produzca texto me convierte en escritor

• Innovaciones como esta, aunque tengan un gran impacto social, no necesariamente crean nueva riqueza, sino que refuerzan estructuras existentes La contenerización de hace 15 años tampoco hizo inmensamente ricos a los pioneros de la industria, pero sí se convirtió en la base de la economía exportadora de Asia Oriental, el offshoring y modelos minoristas como Walmart y Amazon, generando enormes cantidades de riqueza aguas abajo. Con la IA probablemente pasará lo mismo: habrá más oportunidades no tanto para la minoría que posea la infraestructura real, sino allí donde la IA reconfigure estructuralmente cómo se redistribuye el valor agregado Esto importa porque crear modelos, construir infraestructura y operar centros de datos es extremadamente intensivo en capital y está sometido a una competencia brutal. La riqueza de verdad se concentrará en quienes puedan reorganizar industrias sobre una nueva estructura de costos

  • La idea central de este texto es que hay que invertir en los sectores downstream de la IA

  • Ya están apareciendo señales de que la IA sigue ese mismo patrón. La competencia en infraestructura también es interesante, pero el valor más tangible y duradero se acumulará después, en el downstream

• Creo que la IA evolucionará de forma parecida a la automatización industrial Millones de fábricas se beneficiarán, mientras que solo un número relativamente pequeño de empresas proveerá los componentes de automatización (transportadores, sistemas de visión/manipulación, robots industriales, etc.). Pero si la competencia es feroz, los proveedores de tecnología no necesariamente se harán absurdamente ricos Los primeros en adoptarla pagarán más, pero a medida que los LLM se vuelvan commodities, el costo de inferencia se perfilará como el factor clave de competitividad. Hoy las grandes empresas están sacando los productos más avanzados con inversiones enormes, pero el open source y los modelos gratuitos vienen pisándoles los talones En este momento, el área que más rápido está avanzando no es el LLM en sí, sino los sistemas de agentes, razonamiento e investigación construidos sobre LLM. Ahí la capacidad de ingeniería importa más que los grandes clústeres de entrenamiento Apenas estamos entrando en la primera ronda de la IA (la era de los LLM). Esta era no va a durar mucho, y aparecerán nuevas arquitecturas y algoritmos de aprendizaje incremental para AGI. Harán falta algunas generaciones más de avances, pero en adelante lo central serán estructuras más complejas donde el LLM sea solo un componente más (algo parecido a lo que DeepMind planea para los próximos 5 a 10 años), y los sistemas que se construyan alrededor del LLM serán la base de la siguiente etapa de capacidades

• El verdadero desafío no es si la IA “reemplaza” a las personas, sino cómo preservar espacios donde realmente se puedan practicar y desarrollar habilidades Las prácticas, los proyectos junior y los puestos de nivel inicial existían no por eficiencia, sino para ofrecer una curva de crecimiento y un entorno de aprendizaje. Si la IA reemplaza estas oportunidades demasiado rápido, existe el riesgo de cortar la escalera que forma a la próxima generación de ingenieros y creadores competentes La verdadera pregunta no es “¿la IA quitará empleos?”, sino “¿cómo diseñamos campos de entrenamiento donde la IA se encargue del trabajo repetitivo y, al mismo tiempo, los humanos puedan aprender?”

• Lo confuso y frustrante del boom de la IA es que se siente como si estuviéramos aprendiendo a correr antes de aprender a caminar Por ejemplo, en la web hay muchos sitios que generan imágenes fotorrealistas de cualquier cosa, pero no existe una herramienta que responda con precisión a una petición realmente simple y específica, como “ícono de manzana PNG de 16x16” La razón es que las redes neuronales son fuertes con datos orgánicos de tamaño fijo, pero en la práctica también hay partes donde se sienten sorprendentemente flojas. Por eso ahora incluso los generadores de sitios web con IA terminan creando assets en código (como sintetizadores de web audio) justo en lugares donde una persona común simplemente usaría archivos de imagen o sonido Ojalá el boom de la IA se desacelere y todos empiecen a enfocarse menos en lo “sorprendente” y más en lo práctico y cotidiano. Aunque, claro, el mundo parece llevar bastante tiempo evitando las cosas aburridas pero útiles

  • Le pedí a ChatGPT-5 un “ícono de manzana PNG de 16x16” y me dio exactamente eso Está claro que los LLM tienen limitaciones esenciales, pero también cubren muchos edge cases en la medida en que estos existan en el dataset de entrenamiento

  • Si la “caminata” de la IA es generar algo “más o menos plausible” a partir de lo que alguien pidió, entonces seguir instrucciones detalladas de manera perfecta sería “correr” Solo que ahora, por la dirección en la que ha evolucionado la tecnología, parece que el orden se invirtió

• Si la IA hubiera sido propiedad de una sola persona, probablemente esa persona sería absurdamente rica De verdad deberíamos agradecer que Google no haya mantenido en secreto para sí misma la tesis de “Attention is All You Need”

  • Creo que en 5 años puede que ya no pienses eso

• Creo que hace falta ampliar todavía más el planteamiento del OP

  • La IA permite optimizar costos en empresas ya existentes, lo que puede llevar a menos empleo y productos más baratos. A corto plazo, la reducción del empleo también afecta el lado de la demanda, mientras que la baja de costos operativos cambia la oferta y la estructura de costos
  • No hay que enfocarse solo en los LLM; hay que mirar la capacidad que han logrado las redes neuronales en muchas áreas: fármacos, simulación biológica, proteínas, generación de video, generación de imágenes, etc. No se trata solo de hacer con más eficiencia tareas existentes, sino también de crear categorías de productos completamente nuevas, tal como hicieron los microcontroladores
  • Baja la barrera de entrada para emprender. Un programador que no sabe arte puede hacer un juego con IA generativa. La automatización en empresas existentes causará más desempleo temporal, pero también hará que más personas intenten emprender. Saldrán muchos productos nuevos, pero queda la duda de si la demanda será suficiente para sostener la vida de esos emprendedores. El tiempo y la atención humana son limitados, y con menos empleo quizá también circule menos dinero, aunque los productos en sí serán más baratos
  • Todavía se está subestimando cuánto abren de oportunidades y posibilidades los LLM y modelos de IA de estos últimos 1 o 2 años. Aunque el open source no iguale a la generación más reciente, el hecho de que puedan correrse en hardware barato permite que cualquiera pruebe nuevas ideas de producto. Se parece mucho a la etapa temprana de los microcontroladores, cuando la gente experimentaba en su cochera
  • Solo por estas características, algunas industrias concretas (por ejemplo, los call centers) tendrán que correr como en una carrera de la Reina Roja solo para no quedarse atrás, pero al mismo tiempo surgirán industrias totalmente nuevas e inesperadas que repartirán nueva riqueza entre muchísima gente

  • Campos como el de los juegos ya entraron en esa carrera de la Reina Roja. Si la GenAI facilita hacer videojuegos, en realidad baja todavía más la probabilidad de éxito. El mercado ya está saturado de juegos de alta calidad y es aún más difícil para los recién llegados hacerse un lugar

  • También se puede imaginar un escenario donde se arrastra con una red hasta el último pedazo del trabajo acumulado en web, datos, juegos y sistemas operativos durante los últimos 20 o 30 años, y luego se excluye a las personas que hicieron ese trabajo. Pero si el progreso en estos campos se detiene por eso, ¿significa que “ya se acabó”? La IA basada en LLM depende de sus inputs, así que sus límites son claros, y aunque se intente cerrar esa brecha con RLHF (aprendizaje por refuerzo con retroalimentación humana), el feedback mismo tiene límites, y los productos de segunda generación serán de peor calidad. Al final esto solo baja la barrera de entrada para productos ya existentes, y la gente de esos sectores quedará aplastada por la nueva competencia

  • No estoy de acuerdo con la idea de que optimizar los costos de una empresa haga que bajen los precios de sus productos En la práctica, las empresas simplemente cobran el máximo que pueden y mantienen apenas la calidad mínima necesaria. El efecto de la optimización se va íntegro a las ganancias

• En la práctica, el impacto de la IA podría ser aún mayor o menor de lo que pensamos Por un lado, existe la idea de que la IA reemplazará empleos o reducirá mucho el personal en muchos sectores. Los desarrolladores web junior, ingenieros de software, copywriters, diseñadores, artistas gráficos, asistentes de investigación y otros trabajos repetitivos y estructurados están en riesgo. Si lo que se necesita es simplemente “algo que funcione”, entonces la gente de esos campos tiene motivos para preocuparse. Incluso recopilar materiales ya existentes es algo que la IA puede reemplazar Por otro lado, es poco probable que la IA se vuelva todopoderosa como creen algunas empresas. Ayuda en tareas ampliamente conocidas, como escribir código boilerplate para ingeniería de software, pero su calidad cae mucho cuando se trata de tareas nuevas o áreas menos exploradas. Sobre todo en profesiones como derecho o medicina, donde la precisión del resultado se relaciona directamente con la supervivencia o con responsabilidades legales, la IA no puede reemplazar completamente a las personas En resumen, la IA es excelente para tareas repetitivas donde la calidad final del resultado no es tan importante. Pero no es adecuada para áreas donde el feedback es indispensable o donde los errores se vuelven graves por falta de especialización

• La dicotomía del título, eso de “¿juego de suma cero o ganancia neta?”, está mal planteada Si la riqueza no se concentra y se distribuye, toda la sociedad sale ganando. Si los usuarios usan directamente la IA para acumular valor y las empresas de IA solo cobran montos pequeños como $20 al mes, entonces trabajo valioso podrá hacerse a bajo costo y eso se traducirá en una ganancia neta para toda la sociedad Sería algo así como el efecto opuesto a la falacia de la ventana rota

  • Como toda tecnología nueva, esos beneficios baratos y distribuidos no van a durar para siempre, y al final sobrevivirán en la competencia quienes tengan más respaldo de VC, para luego subir los precios

• Algunos dicen que los cambios de la IA son predecibles, pero yo no siento que lo sean tanto Hay quienes dicen que la IA se limita a los LLM y pronto dejará de ser útil (Ed Zitron), y hay quienes afirman que AGI y la superinteligencia están a la vuelta de la esquina (Musk/Altman). Si de verdad llega una superinteligencia, no es nada fácil predecir cómo se desarrollarán sus efectos John von Neumann dijo en 1958 que el progreso tecnológico y los cambios en la vida humana se estaban acelerando hacia una singularidad esencial, y ese término detonó el debate actual sobre la singularidad de la IA. Incluso comparada con las cinco grandes innovaciones del pasado, como la electricidad, el automóvil o la TI, la IA sigue siendo un terreno mucho menos predecible