Doxa 2512

El futuro está envuelto en una niebla de IA

El efecto más importante de la IA es el que no podemos ver

Por Toby E. Stuart

Estrategia

Harvard Business Review

#Doxa #IA #Futuro #Niebla #Invisible #Efecto #Tecnología #Transformación #Sociedad #Ética #Algoritmos #Datos #Automatización #Inteligencia #Cambio #Humano

Resumen. El rápido avance de la IA está creando nuevas limitaciones en la visibilidad de los líderes sobre el futuro a corto plazo y desafiando los criterios que utilizan para comprometerse con inversiones con visión de futuro. Mirando haciaLos beneficios futuros de los rascacielos y las vías férreas se destinan a la utilidad temporal de tiendas de campaña y bicicletas. En este entorno incierto, la mejor estrategia es optimizar lo desconocido. Los líderes deben dominar las opciones, aprender a gestionar el capital por etapas, mantener la agilidad en su identidad y construir sistemas organizativos adaptables.

La confianza en una visión específica del futuro es la base de la inversión a largo plazo. Se compra un bono a 30 años cuando se cree en la solvencia del emisor. Se dedica una década a formarse como radiólogo porque se confía en que la experiencia adquirida con esfuerzo será recompensada durante toda la carrera profesional. Se invierte en una empresa de software cuando se tiene la certeza de que generará ingresos recurrentes durante muchos años.

Siempre hay cierta incertidumbre, pero cuando uno confía en su capacidad para prever el futuro a 30 años vista, construye rascacielos y vías férreas. Cuando solo puede preverlo a unos meses, monta una tienda de campaña y compra una bicicleta.

La IA nos ha catapultado a una era que solo puedo describir como de extrema incertidumbre sobre el futuro. Ante todos los cambios que podría provocar, parece que una niebla nos envuelve, impidiéndonos vislumbrar el futuro. Y ahora mismo, ese es su efecto económico más importante, y quizás el más subestimado.

Pensemos en cómo la incertidumbre sobre las realidades económicas básicas sigue multiplicándose. Dario Amodei o Sam Altman pronosticaron la llegada de sistemas de IA superinteligentes en los próximos años. El inminente « jobpocalipsis » y el ya presente « SaaSpocalipsis » han revelado la vulnerabilidad de nuestra situación económica actual ante la disrupción impulsada por la IA. Lo mismo ocurre con las grandes fluctuaciones en las valoraciones de los mercados públicos, aparentemente causadas por los lanzamientos de nuevas funciones de las principales empresas de IA. Y luego están los avances en la IA física, quizás mejor ejemplificados por la sensación surrealista que muchos hemos tenido al ver pasar el mundo desde el asiento trasero de un Waymo, lo que puede hacernos sentir como si hubiéramos cruzado la línea hacia la ciencia ficción.

Es imposible prever todas las ramificaciones de la inteligencia artificial omnipresente, integrada en nuestro software más avanzado y plasmada en diferentes sistemas robóticos. ¿Eliminará la IA la necesidad de casi todos los ingenieros de software, o, paradójicamente, creará más puestos de trabajo? ¿Qué tan capaces serán los robots dentro de un par de años y qué implicaciones tendrá esto para el mercado laboral? ¿Está realmente obsoleto el tradicional centro de atención al cliente ?

Cada pregunta de este tipo revela las limitaciones de nuestra visión a corto plazo, y esta extrema incertidumbre pone en tela de juicio los criterios que utilizamos para comprometernos con inversiones a futuro. Ante esta incertidumbre, los líderes se verán tentados a sacrificar las posibles ganancias futuras de rascacielos y ferrocarriles a cambio de la utilidad temporal de tiendas de campaña y bicicletas.

Ante la imposibilidad de predecir con certeza nuestro futuro, y considerando el alto costo de los compromisos prematuros en entornos volátiles, creo que la mejor estrategia es optimizar la incertidumbre. Como profesor de emprendimiento que también asesora a empresas líderes, sostengo que el éxito en una era de extrema opacidad suele pertenecer a quienes dominan la flexibilidad; a quienes aprenden a gestionar el capital por etapas, a mantener la agilidad en su identidad y a construir sistemas organizativos adaptables.

El dilema del capital humano

Consideremos la educación, que representa la mayor inversión a largo plazo que muchos realizamos. Dedicamos años y contraemos deudas considerables para obtener títulos universitarios y de posgrado, y la oportunidad de acceder a una trayectoria profesional con un desarrollo predecible. Si eres joven y ambicioso, podrías invertir en una costosa carrera de medicina a cambio de ingresos durante 30 o 40 años, gracias a una carrera gratificante y bien remunerada. O bien, inscribirte en un programa de MBA para perfeccionar tus habilidades analíticas y de gestión, preparándote para una carrera de décadas al frente de una empresa. Se trata de apostar por el valor a largo plazo del capital humano.

Hoy en día, invertir en capital humano es más difícil de justificar. ¿Quién estudiará medicina si en 2035 ni siquiera podemos definir qué es un «médico»? No lo digo a la ligera, sino literalmente. ¿Será el médico un diagnosticador? ¿Un consejero al pie de la cama del paciente? ¿Un médico que realiza procedimientos? ¿Un supervisor de un sistema de triaje con IA? ¿El firmante de formularios de responsabilidad civil? ¿Ninguna de las anteriores? Quién sabe.

Asimismo, ¿quién puede estar seguro de que las empresas de consultoría, banca y tecnología contratarán a graduados de MBA de la promoción de 2029? Incluso las licenciaturas generalistas que capacitan a los estudiantes para pensar, escribir, analizar, elaborar estrategias y comunicarse podrían convertirse en inversiones cuestionables si los sistemas de IA pueden realizar estas tareas a un coste marginal prácticamente nulo.

Si esto suena alarmista, los datos han comenzado a acumularse lentamente. Encontrar trabajo para los recién graduados parece ser mucho más difícil que en el pasado reciente (aunque las perspectivas podrían ser algo mejores este año ), lo que pone en tela de juicio el retorno de la inversión en la educación universitaria. Si bien el panorama político también influye, las solicitudes para programas de MBA también han disminuido drásticamente este año.

El argumento se basa en una distinción que los economistas rara vez aplican al capital humano: la diferencia entre riesgo e incertidumbre. El riesgo es cuantificable; se pueden asignar probabilidades que permiten calcular el precio de una apuesta. La incertidumbre describe entornos donde la distribución de probabilidad es desconocida, lo cual es consecuencia directa de la invisibilidad. El abanico de resultados plausibles para un radiólogo que finalice su residencia en 2035 abarca desde lo "indispensable" hasta lo "profesionalmente obsoleto". Ahí es donde se manifiesta el efecto paralizador de la incertidumbre generada por la IA. Cuando las personas se enfrentan a una distribución de resultados amplia e incognoscible, suelen desistir de apuestas costosas.

Las corporaciones se encuentran al otro lado de las inversiones individuales en capital humano. Para las empresas que dependen de trabajadores cualificados, la creciente presencia de la IA plantea un problema sin precedentes en la planificación de la fuerza laboral. Los líderes deben decidir cuántas personas contratar, en qué puestos y con qué salarios, en un contexto donde la vigencia de cualquier conjunto de habilidades es impredecible. La misma incertidumbre que disuade a las personas de invertir en educación también dificulta que los líderes contraten e inviertan en su personal, especialmente en regiones con restricciones regulatorias para la reducción de personal. Por supuesto, esto podría explicar la inestabilidad del mercado laboral para los recién graduados universitarios. Si los agentes de IA pueden redactar memorandos, escribir código, realizar tareas administrativas básicas, llevar a cabo investigaciones y crear modelos financieros de forma más rápida y económica que los empleados junior, las empresas ajustarán sus planes de contratación en consecuencia.

En pocas palabras, las expectativas sobre los planes de contratación de las empresas y las inversiones individuales en capital humano son dos caras de la misma moneda.

Matemáticas corporativas

La incertidumbre del futuro también plantea interrogantes sobre cómo se valoran las empresas y, por lo tanto, sobre si captan capital y cómo comunican su valor a inversores y otros grupos de interés. Para los líderes, esto significa que la incertidumbre generada por la IA influirá en el coste del capital, en las condiciones de financiación del crecimiento y en si un plan estratégico convence a analistas e inversores. La mecánica de este cambio, impulsado por la incertidumbre, es sencilla, pero sus implicaciones son radicales.

El valor de las acciones se determina por la cantidad de efectivo que una empresa generará en el futuro. Los analistas proyectan el flujo de caja libre de una empresa para la próxima década, le suman un flujo de ganancias que refleja el desempeño a largo plazo y descuentan los flujos de caja para establecer un valor presente. Con los múltiplos actuales del mercado público, el valor terminal de una empresa típica podría representar entre el 60 % y el 80 % de su capitalización bursátil total.

Un supuesto fundamental —la única justificación del valor terminal— es que creemos que el negocio es sostenible. Si la IA en la nube pone en duda la viabilidad a largo plazo del producto o servicio principal de una empresa, entonces también debemos cuestionar si alcanzará su valor terminal. A su vez, si dudamos del valor terminal, la valoración se desploma. La empresa simplemente vale menos.

Otra forma de entender esta consecuencia de la incertidumbre es que la IA está poniendo en peligro la preservación de las ventajas competitivas de las empresas. Cualquier negocio cuya ventaja competitiva se base principalmente en software, procesos, capital humano o contenido es ahora vulnerable a un competidor que puede replicar funcionalidades de forma más rápida y económica.

Esto es lo que hemos visto en el sector del software como servicio (SaaS) B2B. Las empresas SaaS han sido las favoritas de los mercados de valores durante décadas porque se han beneficiado de altos costos de cambio, baja rotación de clientes y márgenes elevados. Pero si la IA sustituye la funcionalidad del software existente, convierte la creación de software en un producto básico, cambia el modelo de ingresos de altas tarifas de suscripción por usuario al consumo marginal de tokens, o revoluciona fundamentalmente la infraestructura de software empresarial, ¿qué sucederá con estas empresas? ¿Podrá el mercado seguir justificando múltiplos de valoración de 50 veces el flujo de caja libre o superiores, como los que vemos actualmente en empresas como Samsara, Cloudflare y otras?

Dentro de la empresa, la misma niebla

La incertidumbre también afecta a los mercados de capitales internos. Casi todas las grandes organizaciones utilizan un proceso de asignación de recursos por etapas. Un equipo propone una nueva iniciativa que requiere una inversión de capital. Los líderes evalúan la propuesta en función de un umbral de retorno sobre el capital invertido (ROIC). Los promotores del proyecto realizan proyecciones a cinco o diez años para calcular la rentabilidad esperada. El proyecto se financia si las cifras superan el umbral del coste del capital y se alinea con la estrategia de la empresa. Pero, ¿qué ocurre con este enfoque cuando el futuro es incierto?

Consideremos un hipotético fabricante por contrato de tamaño mediano que produce componentes mecanizados de precisión para clientes de la industria aeroespacial y de defensa. El equipo de operaciones de la empresa propone una inversión de 30 millones de dólares en una nueva línea de producción, que requeriría máquinas CNC avanzadas, acabado en sala limpia y sistemas de inspección automatizados. La ampliación de las instalaciones está dimensionada para gestionar la cartera de pedidos prevista de la empresa. El equipo financiero modela los ingresos proyectados para una década en relación con la inversión de capital. La TIR supera con creces la tasa de rentabilidad mínima exigida.

¿Debería la dirección dar luz verde a la inversión? A medida que la incertidumbre aumenta, deben preguntarse si, en dos o tres años, una nueva generación de robots controlados por IA aprenderá las tolerancias a partir de unas pocas series de prueba, en lugar de meses de configuración, lo que permitirá a los competidores (o incluso a sus propios clientes) internalizar esta producción a una fracción del coste de capital. Con sus herramientas especializadas, largas series de producción y maquinistas cualificados, la nueva línea está optimizada para el paradigma de fabricación actual. Pero si los sistemas robóticos de uso general reducen drásticamente los costes de configuración que siempre han protegido a los fabricantes especializados, la ventaja competitiva que respalda la previsión a 10 años de la empresa deja de ser fiable. La previsión de ingresos original se desvanece.

Optimización para lo desconocido

Hemos entrado en un periodo en el que la confianza en las perspectivas de muchas inversiones a largo plazo ha disminuido. Cuanto más incierto se vuelve el futuro, más difícil resulta justificar las apuestas a largo plazo. Esto es cierto para las empresas, los particulares, los inversores e incluso los gobiernos. La falta de transparencia eleva el coste del capital, ya que la alta incertidumbre es difícil de cuantificar. Existen algunas consecuencias previsibles de esta imprevisibilidad: las primas de riesgo aumentarán y los proyectos con beneficios a largo plazo perderán atractivo. Es evidente que si no se puede prever el futuro, es difícil construir para él.

Este tipo de opacidad resulta desconocida para muchos de nosotros en Occidente. Durante décadas, hemos disfrutado de una combinación inusual de aislamiento geopolítico, estabilidad institucional y cambios tecnológicos que, si bien a la larga resultaron disruptivos, llegaron con la suficiente lentitud como para no desbaratar la planificación a largo plazo. Dicha estabilidad justificó la inversión en proyectos de infraestructura de larga duración, en trayectorias profesionales especializadas, en extensas cadenas de suministro y en estructuras corporativas diseñadas para un cambio evolutivo, pero no revolucionario. Nos hemos dado el lujo de invertir como si el mañana fuera una versión ligeramente actualizada del hoy.

Sin embargo, ante la incertidumbre que genera la IA, la repentina invisibilidad del futuro implica que la única opción viable es la propia posibilidad de elección.

Para las personas, esto requerirá que cultivemos agilidad psicológica y profesional. Con esto me refiero a la capacidad de abandonar un plan a pesar de haber invertido en él, de adquirir nuevas habilidades con frecuencia, de reorientarnos hacia las oportunidades a medida que surgen y de desprendernos de nuestra identidad profesional para poder adaptarla según evolucionen las circunstancias.

Los líderes empresariales deben incorporar la flexibilidad tanto en sus modelos de asignación de capital como en sus diseños organizativos.

En primer lugar, es hora de pasar de los compromisos de capital plurianuales a la inversión por etapas con puntos de decisión explícitos. Asimismo, es hora de (re)considerar los sistemas de presupuestación de base cero para eliminar parte de la inercia inherente a la asignación de recursos. Será necesario sustituir la pregunta "¿Cuál es el retorno a 10 años de esta inversión?" por "¿Cuál es el compromiso mínimo que podemos asumir ahora para obtener información y el derecho, pero no la obligación, de invertir más capital posteriormente?". El capital de riesgo siempre ha comprendido esta lógica. Las grandes corporaciones también deben ponerla en práctica.

En segundo lugar, en lugar de aferrarse a estructuras organizativas optimizadas para un futuro estable, conviene pensar en cómo organizarse para la llegada de la IA con capacidad de agencia. Si el futuro "modelo operativo" de la empresa es incierto, como quizás anticipan compañías como Block, que despidió a cerca del 40 % de su personal como parte de lo que el CEO Jack Dorsey afirmó que eran cambios relacionados con la IA, y si existen dudas sobre la cartera de productos y la economía unitaria, entonces los líderes no pueden basar la empresa en un único pronóstico. Los equipos modulares, los cambios frecuentes en los procesos y diseños organizativos a medida que las empresas innovadoras descubren enfoques nuevos y más eficientes, el diseño de puestos de trabajo con flexibilidad incorporada y las capas de coordinación delgadas y adaptables (ya sean humanas o agentes de IA) contribuirán a preservar la capacidad de maniobra.

En tercer lugar, los líderes necesitan mejores sistemas de detección. Estamos presenciando un período de cambios constantes y sin precedentes en la escala y el alcance de las capacidades de IA a nivel empresarial. Incluso una conciencia pasiva de todo lo que sucede es difícil de lograr, y esta no es suficiente.

Los líderes deben conformar un pequeño equipo dedicado exclusivamente a monitorear las capacidades de IA de vanguardia y traducir el progreso técnico en implicaciones gerenciales para la empresa, incluyendo qué adoptar, cuándo adoptarlo, cómo implementarlo y qué significa todo esto para la compañía. Este equipo debería plantear preguntas incómodas desde el principio, antes de que el mercado haga las mismas preguntas a los líderes, pero con mayor insistencia. ¿Qué nuevas oportunidades tecnológicas se avecinan? ¿Qué partes de la cartera de productos se convertirán en productos básicos debido a los avances técnicos? ¿Qué ofertas son realmente defendibles y cuáles siguen prosperando solo porque aún no se ha desarrollado un sistema capaz para ellas? ¿Qué flujos de trabajo pueden ahora separarse de la mano de obra?

...

Los mercados y las empresas sin duda se adaptarán a la incertidumbre. Los inversores reajustarán sus estrategias. Se fundarán empresas nativas de IA. Las empresas existentes se reestructurarán, aunque muchas podrían fracasar. Nada de esto descarta un resultado generalmente optimista. Ya se está invirtiendo una enorme cantidad de capital en áreas donde existe una confianza colectiva en la viabilidad a largo plazo, como la infraestructura energética, el desarrollo de modelos básicos, la robótica y el creciente ecosistema de empresas que construyen el sustrato físico y computacional que requieren los sistemas inteligentes. Es probable que se materialicen aumentos de productividad y, para muchas empresas, esto mejorará la rentabilidad por unidad.

Pero la incertidumbre implica que el crecimiento explosivo en algunos sectores coexistirá con una profunda disrupción en otros, y aún es prematuro saber cuáles serán.

En resumen, estamos entrando en un cambio de paradigma en la forma en que apostamos por el futuro. Las inversiones a largo plazo que definen la vida económica moderna —hipotecas, títulos de derecho, desarrollo de productos con alto gasto de capital— surgieron en una era en la que el futuro era lo suficientemente legible como para justificar el compromiso con él. La IA ha vuelto ese futuro opaco en muchos ámbitos, y lo ha hecho más rápido de lo que nuestras instituciones se han adaptado. Los mercados de valores han respondido con bastante rapidez al cambio, porque el capital generalmente se puede reasignar con unos pocos clics. Por supuesto, revalorizar una corporación es mucho más sencillo que reestructurarla. Pero los líderes aún realizan análisis de flujo de caja descontado a 10 años. Las universidades aún venden costosas licenciaturas de cuatro años como activos para toda la vida. Los gobiernos aún debaten si la IA será realmente disruptiva.

La incertidumbre ya está aquí. Ya no se trata de si transformará nuestra forma de invertir, contratar, construir y planificar. La pregunta verdaderamente urgente es: ¿Rediseñaremos nuestras instituciones para adaptarlas a la opacidad antes de que se paralicen las inversiones de todo tipo?

Lea más sobre Estrategia o temas relacionados: IA y aprendizaje automático, Tecnología y análisis, Estrategia de operaciones, Gestión del cambio, Estrategia corporativa, IA generativa y automatización.

Toby E. Stuart es titular de la Cátedra Helzel de Emprendimiento, Estrategia e Innovación; Director Académico del Programa de Emprendimiento Berkeley Haas; Vicedecano de Asuntos Externos; y Director Académico del Instituto de Innovación Empresarial de la Escuela de Negocios Haas de la Universidad de California en Berkeley.