Paddy Flood (Schroders) | A medida que el año llega a su fin, el sector tecnológico entra en la temporada festiva con un deseo claro: tener pruebas de que la enorme inversión en inteligencia artificial (IA) está dando sus frutos. El gasto de capital en IA ha alcanzado niveles sin precedentes, desde la compra de chips hasta la construcción de centros de datos y compromisos plurianuales para el negocio de la nube. Sin embargo, los inversores siguen viendo una visibilidad limitada de los ingresos, beneficios o flujos de caja impulsados por la IA. El resultado es una creciente preocupación por que la IA pueda no estar generando rentabilidades acordes con el entusiasmo.
El mercado tiene razón al preguntarse dónde están los beneficios, pero también debe tener cuidado con dónde busca la respuesta antes de sacar conclusiones apresuradas. Comprender la monetización de la IA significa analizar toda la cadena tecnológica y reconocer que la economía se manifiesta de formas directas, indirectas y, a veces, ocultas.
Comencemos por lo básico: cómo se utiliza realmente la IA. La IA se utiliza de varias formas diferentes, y cada una de ellas tiene implicaciones muy distintas en cuanto a los ingresos. Algunas personas la utilizan de forma gratuita a través de chatbots, como ChatGPT o Gemini. Otras pagan por productos mejorados con IA de proveedores de software, desde herramientas de productividad, hasta servicios para desarrolladores. Y, en muchos casos, los consumidores y las empresas la utilizan sin pagar explícitamente por ella. Un sitio web de noticias que ofrece resúmenes de artículos o una empresa de comercio minorista que incorpora un asistente de compras con IA están ofreciéndola sin cobrar al usuario por ello. El procesamiento de la IA sigue teniendo un coste, pero se absorbe en la experiencia general del producto.
Esta mezcla de uso gratuito y de pago crea una verdadera ambigüedad cuando los inversores buscan ingresos. La IA se está convirtiendo cada vez más en un coste del negocio, similar a la búsqueda, la entrega de contenidos o la ciberseguridad. Es posible que las empresas no la moneticen directamente, pero tienen que ofrecerla o utilizarla cada vez más, o se arriesgan a perder usuarios frente a los competidores que sí lo hacen.
Una empresa como Booking.com es un buen ejemplo. Es poco probable que venda funciones de IA como productos independientes, pero es casi seguro que la utilizará para impulsar sus recomendaciones, resultados de búsqueda y servicio al cliente. La esperanza es que el beneficio económico se refleje en mejores tasas de conversión y una mayor rentabilidad. Es fundamental tener en cuenta que cada vez que alguien utiliza la IA, ya sea de forma gratuita o no, se generan costes en algún punto de la cadena tecnológica. Esos costes son ingresos para las empresas que proporcionan el acceso al modelo subyacente y la capacidad de cálculo. Así pues, cada interacción con la IA implica varias capas de tecnología. En la parte superior, se encuentra la aplicación que ve el usuario, como un chatbot, una herramienta de búsqueda basada en IA o un asistente de compras. Debajo se encuentra el gran modelo de lenguaje que produce el resultado. Y debajo de este está la capa de computación, donde las plataformas en la nube y el hardware especializado proporcionan el procesamiento necesario. Cada vez que se utiliza la IA, el valor fluye hacia abajo en la cadena. Aunque el usuario final no pague nada, las empresas que ofrecen el servicio deben pagar al proveedor del modelo, a la plataforma en la nube o a ambos. Los ingresos no siempre aparecen en la aplicación que ve el usuario, sino en algún lugar de la infraestructura subyacente. Por eso, centrarse únicamente en los productos de IA de pago conlleva el riesgo de subestimar su adopción. Los indicadores más sólidos del uso real de la IA se encuentran en las capas más profundas de la cadena, entre los grandes proveedores de modelos y las plataformas informáticas a hiperescala que registran todas las solicitudes de IA.
La señal más clara de uso y monetización proviene de las grandes empresas de modelos lingüísticos. OpenAI y Anthropic generan ingresos a través de suscripciones de consumidores, licencias empresariales y uso por parte de desarrolladores. Cada acción que utiliza sus modelos consume capacidad y, por lo tanto, contribuye a sus ingresos. Las cifras son sorprendentes. Se espera que los ingresos combinados de estas dos empresas alcancen decenas de miles de millones de dólares en pocos años. Si OpenAI y Anthropic cumplen sus objetivos para 2026, tendrán una escala similar a la de empresas de software consolidadas como Intuit y Adobe. Los proveedores de nube a hiperescala ofrecen un segundo ejemplo visible. Para plataformas como Azure, AWS y Google Cloud, la IA es ahora un factor importante que contribuye al crecimiento incremental. Estas partes del ecosistema ofrecen la visión más transparente de la monetización de la IA, ya que reflejan directamente su uso y han tenido un comienzo impresionante. Sin embargo, aún se necesitará más para que la industria justifique la magnitud de la inversión actual.
Más allá de las empresas que venden IA directamente y las plataformas que proporcionan la computación que la sustenta, existe una capa sustancial de monetización de la IA que es mucho menos visible. Muchas grandes plataformas utilizan la IA no como un producto para vender, sino como una mejora para optimizar sus negocios principales. Esto es lo que sucede, sobre todo, con las grandes plataformas de publicidad digital. Meta y Google están invirtiendo mucho en IA para mejorar la segmentación, optimizar la producción creativa y perfeccionar el rendimiento de las campañas. Los anunciantes no pagan una tarifa por la IA, pero se benefician de un mayor rendimiento de la inversión, y las plataformas se benefician de un mayor compromiso y poder de fijación de precios.
La monetización es real, pero está oculta dentro de líneas de ingresos más amplias que no aíslan la contribución de la IA. Para los inversores activos, esta capa oculta es una oportunidad significativa, precisamente porque el mercado tiende a pasar por alto lo que no puede medir fácilmente. En resumen: los ingresos están ahí, pero no siempre donde se espera.
