A medida que se acelera la inversión en infraestructura de IA, la sociedad afronta un nuevo reto: determinar si el valor económico generado puede justificar el capital invertido. El VII Informe Global de Tecnología de Bain & Company concluye que financiar la creciente demanda de capacidad de computación de la IA requeriría generar 6 billones de dólares de ingresos anuales para 2031, y que buena parte de ese valor deberá proceder de nuevas formas de innovación, más allá de las mejoras de productividad de los empleados.
Las aplicaciones actuales de la IA seguirán creciendo. La IA de consumo, a través de suscripciones y publicidad, y la IA empresarial, aplicada al desarrollo de software, ventas, marketing, atención al cliente y operaciones de TI, podrían representar en conjunto entre 1,2 y 1,8 billones de dólares de ingresos. Pero además de estas aplicaciones, se necesitan nuevas categorías de innovación. La investigación de Bain identifica cuatro categorías clave que probablemente permitan generar los 4,2 billones de dólares restantes. En primer lugar, los proveedores de modelos de IA están reemplazando a los motores de búsqueda e incorporando publicidad para generar nuevos ingresos. En segundo lugar, la expansión de la autonomía-, especialmente en automóviles, camiones y drones junto con otras formas de automatización industrial-, impulsará el desarrollo de nuevos productos y servicios. En tercer lugar, la IA física, incluidas las simulaciones, los gemelos digitales y la robótica, abrirá un amplio abanico de nuevas aplicaciones en I+D y fabricación. Por último, surgirán nuevos productos y usos que todavía no existen y que permitirán crear nuevos mercados y oportunidades gracias a una inteligencia cada vez más abundante; entre ellos la investigación farmacéutica, la salud mental y la energía.
“El debate actual se centra en la productividad de los empleados. La economía de la infraestructura de IA exige generar billones de dólares de nuevos ingresos, más allá de las mejoras de productividad. El sector necesita una ola de innovación que supere ampliamente lo que hicieron posible las tecnologías móviles y la nube. La infraestructura de IA se está construyendo muy por delante de la curva de demanda y financiarla de forma sostenible requerirá sumar aproximadamente un punto porcentual al crecimiento anual del PIB mundial”, afirmó Alberto Requena, socio de Bain & Company.
El hardware vuelve con fuerza
La enorme demanda de capacidad de computación para IA ha revitalizado la industria del hardware. En un cambio de tendencia, las acciones de las compañías de hardware y semiconductores se revalorizaron a una tasa anual compuesta del 24 % entre 2020 y 2026, frente al 6 % de las compañías de software. Entre los segmentos de mayor crecimiento se encuentran la memoria de alto ancho de banda (HBM), el empaquetado avanzado y el silicio a medida, con una rápida expansión de los circuitos integrados de aplicación específica (ASIC).
El desarrollo conjunto de memoria dinámica de acceso aleatorio (DRAM) y los chips lógicos dificulta además el cambio entre proveedores. Al mismo tiempo, al centrarse los grandes fabricantes en aumentar su capacidad de HBM, se está reduciendo la inversión en memorias DDR y NAND, lo que podría agravar los problemas de suministro y elevar los precios de los smartphones y los PC.
Los aceleradores especializados de alto rendimiento están dejando de ser una tecnología de nicho para convertirse en una solución cada vez más generalizada, a medida que los proveedores de centros de datos y las empresas nativas de IA diseñan chips optimizados para sus propias cargas de trabajo. Como resultado, los chips personalizados están ganando cuota en el mercado de computación para centros de datos. El punto de inflexión está siendo la aparición de cargas de trabajo homogéneas a gran escala —de entrenamiento, inferencia y sistemas agénticos— cuyo volumen permite amortizar el desarrollo de diseños a medida.
Los riesgos para los precios y el suministro derivados de catástrofes naturales, disrupciones geopolíticas y controles a la exportación están reconfigurando la dinámica de las cadenas de suministro. Las empresas están asegurando el abastecimiento desde múltiples ubicaciones y con una base diversificada de proveedores; los fabricantes de semiconductores están siguiendo una estrategia similar, especialmente en chips lógicos.
“Estamos ante un momento de gran dinamismo para las empresas del sector del hardware. Las estrategias de cadena de suministro y compras se están convirtiendo cada vez más en fuentes de ventaja competitiva. La inversión en capacidad productiva de los proveedores, los acuerdos a largo plazo, las inversiones de capital en la cadena de suministro y el abastecimiento con múltiples proveedores y geografías ocupan ya un lugar prioritario en la agenda de la alta dirección. También están cambiando las decisiones sobre estrategia de producto. El antiguo modelo, en el que un proveedor innovaba y vendía al resto del mercado, está evolucionando, y estamos viendo una creciente verticalización y una mayor presencia de diseños semipersonalizados”, afirmó Alberto Requena.
La ciberseguridad afronta un punto de inflexión
En los últimos tiempos, varios incidentes de gran repercusión, en particular los relacionados con pruebas de modelos de IA de frontera, han situado la ciberseguridad en primera línea de la agenda de los responsables de seguridad de la información (CISO). Bain concluye que la IA ha reducido drásticamente el tiempo necesario para llevar a cabo un ciberataque típico, de unas cuatro semanas a aproximadamente 18 horas, y que la proliferación de agentes de IA amplía aún más su impacto. La gestión deficiente de los agentes de IA constituye una vulnerabilidad especialmente relevante. La ausencia de una solución única por parte de los proveedores está llevando a muchas empresas a retrasar sus decisiones, cuando, según Bain, deberían crear de forma proactiva soluciones pragmáticas y flexibles que combinen desarrollo propio, compra de tecnología y alianzas.
La encuesta de Bain entre responsables de seguridad de la información (CISO) también identifica el riesgo asociado a la cadena de suministro como una cuestión prioritaria. Las empresas deben comprender y controlar cómo sus proveedores utilizan la IA durante toda la vigencia de los contratos, incluyendo modificaciones introducidas durante su ejecución y riesgos vinculados a proveedores de tercero y cuarto nivel. Sin embargo, dado que los proveedores introducen cambios en modelos y software a diario, los sistemas de supervisión basados en cuestionarios esporádicos no pueden seguir ese ritmo.
Las empresas líderes están reforzando sus modelos operativos de remediación. Según el informe, han aumentado los presupuestos destinados a esta área generalmente en porcentajes de dos dígitos, y llegan a reasignar entre el 20 % y el 25 % de su personal de ciberseguridad desde otras funciones hacia la resolución de alertas generadas mediante análisis basados en IA. Los equipos DevOps también están asumiendo un papel creciente en la identificación y mitigación de vulnerabilidades. Además, las empresas líderes están priorizando la actuación sobre las concentraciones de riesgo de IA más difíciles de corregir, incluidas las asociadas a plataformas heredadas, capas de red y proveedores de software como servicio (SaaS).
La velocidad de integración de la IA se convierte en una nueva ventaja competitiva
La velocidad de integración, es decir, el ritmo al que las empresas son capaces de hacer operativa la IA, se ha convertido en una nueva variable competitiva, según Bain. Para acelerar ese proceso, los principales laboratorios de IA están invirtiendo más de 9.750 millones de dólares en modelos basados en equipos de ingeniería que trabajan directamente con el cliente, con el objetivo de ayudar a las empresas a incorporar la IA con mayor rapidez. Los proveedores también están desarrollando las capas de aplicaciones e infraestructura que permiten conectar la IA con los sistemas empresariales y transformar la inteligencia de los modelos en resultados concretos para el negocio.
Aunque se intensifica la competencia entre modelos y caen los precios de los tokens, Bain no prevé una comoditización de los grandes modelos de lenguaje.
“El escenario que consideramos más probable es que convivan de forma continua modelos de frontera y modelos maduros. Los casos de uso nuevos y aún no probados favorecerán inicialmente a los modelos de frontera y, a medida que maduren, probablemente migrarán hacia alternativas de menor coste. Los proveedores de modelos de frontera avanzarán hacia retos más fundamentales y capturarán valor allí donde una inteligencia superior sea determinante. Entretanto, los modelos de menor coste, especializados y optimizados atenderán de forma eficiente las tareas más habituales y proporcionarán los servicios y el soporte que necesitan los clientes empresariales”, afirmó Requena.
“El estado final del sector dista mucho de estar definido. Probablemente avancemos hacia una segmentación entre modelos de frontera y modelos menos avanzados, o hacia una ampliación de lo que entendemos por modelo, en lugar de seguir un patrón clásico de diferenciación por valor.”, concluye.
A medida que las empresas mejoran su capacidad para desplegar el modelo adecuado para cada tarea, surge otro reto: construir los sistemas de gestión de ingeniería necesarios que permitan aprovechar eficazmente estas herramientas. La última encuesta de Bain a líderes de tecnología e ingeniería, realizada a 293 altos responsables tecnológicos, concluye que los encuestados prevén una mejora del 148 % en la velocidad de los ciclos de lanzamiento y un incremento del 95 % en la productividad de los desarrolladores de software durante los próximos uno o dos años.
Estas previsiones están muy por encima de las mejoras de productividad que la mayoría de las empresas consigue actualmente: entre un 20 % y un 27 % en los principales indicadores.
Aunque la IA acelera la programación, también desplaza los cuellos de botella hacia ámbitos como la revisión, la coordinación, la calidad y la gobernanza. Por ello, optimizar tareas individuales sin rediseñar todo el ciclo de vida del desarrollo de software desplaza la fricción, en lugar de mejorar el rendimiento de extremo a extremo. Las empresas líderes aplican tres estrategias: estructuran el conocimiento del que dependen los agentes de IA, incorporan la calidad y la confianza desde el diseño en el flujo de trabajo, y gestionan el ciclo de vida del desarrollo de software (SDLC) como un producto sujeto a mejora continua.
