El futuro se ve envuelto en una niebla de inteligencia artificial

La confianza en una visión concreta del futuro es la base de la inversión a largo plazo. Se adquiere un bono a 30 años cuando se cree en la solvencia del emisor. Se dedica una década a formarse como radiólogo porque se cree que se obtendrá una remuneración acorde con los conocimientos adquiridos con esfuerzo a lo largo de 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 existe cierta incertidumbre, pero cuando se tiene confianza en la capacidad de prever lo que sucederá dentro de 30 años, se construye un rascacielos y una línea ferroviaria. Cuando solo se puede prever lo que sucederá en los próximos meses, se monta una tienda de campaña y se compra una bicicleta. La IA nos ha catapultado a una era que podría describir como de extrema opacidad respecto al futuro. Teniendo en cuenta todo lo que podría cambiar a causa de la IA, parece como si se hubiera extendido una niebla que nos impide ver el futuro. Y, en este momento, ese es su efecto económico más importante —y quizá el más subestimado—. Piense en cómo la incertidumbre sobre las realidades económicas básicas no deja de crecer. Dario Amodei o Sam Altman pronostican la llegada de sistemas de IA superinteligentes en los próximos años. El«apocalipsis laboral»que podría estar a la vuelta de la esquina y el«SaaSpocalipsis», muy presente en la actualidad, han puesto de manifiesto lo vulnerable que puede ser nuestra situación económica actual ante la disrupción generada por la IA. Lo mismo ocurre con las grandes fluctuaciones en las valoraciones de los mercados públicos, aparentemente causadas por el lanzamiento de nuevas funciones por parte de las principales empresas de IA. Y luego están los avances en la IA física, tal vez mejor ejemplificados por la sensación surrealista que muchos de nosotros hemos tenido al ver pasar el mundo desde el asiento trasero de un Waymo, lo que puede dar la impresión de que hemos cruzado la línea hacia la ciencia ficción. Es imposible prever todas las consecuencias de una inteligencia artificial omnipresente, integrada en nuestro software más avanzado y plasmada en diversos sistemas robóticos. ¿Eliminará la IA la necesidad de casi todos los ingenieros de software, o, contrariamente a lo que cabría esperar, generará más puestos de trabajo de este tipo? ¿Qué capacidades tendrán los robots dentro de un par de años, y qué implicaciones tendrá esto para el mercado laboral? ¿Está realmente sentenciado el centro de atención al cliente tradicional? Cada pregunta como esta pone de manifiesto los límites de nuestra capacidad para prever el futuro a corto plazo, y esta incertidumbre extrema pone a prueba los criterios que utilizamos para apostar por inversiones con visión de futuro. Ante esta incertidumbre, los líderes se verán tentados a cambiar las posibles ganancias futuras que reportan los rascacielos y las vías férreas por la utilidad temporal de las tiendas de campaña y las bicicletas. Sin la capacidad de predecir con seguridad hacia dónde nos dirigiremos a partir de ahora, y teniendo en cuenta el elevado coste que supone un compromiso prematuro en entornos volátiles, considero que el mejor enfoque consiste en optimizar para lo desconocido. Como profesor de emprendimiento y asesor de empresas líderes, sostengo que, en una era de extrema opacidad, el éxito suele recaer en quienes dominan la «opcionalidad»: aquellos que 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 Pensemos en la educación, que constituye la mayor inversión a largo plazo que muchos de nosotros realizamos. Dedicamos años de nuestra vida y contraemos una deuda considerable para cursar estudios universitarios y de posgrado, con el fin de acceder a una carrera profesional con un recorrido predecible. Si es usted joven y ambicioso, tal vez invierta en una costosa carrera de medicina a cambio de 30 o 40 años de ingresos procedentes de una carrera gratificante y bien remunerada. O se matricule en un programa de MBA para perfeccionar sus habilidades analíticas y de gestión de cara a una carrera de varias décadas al frente de una cuenta de resultados. Se trata de apuestas por el valor a largo plazo del capital humano. Hoy en día, la decisión de invertir en capital humano es más difícil de justificar. ¿Quién estudiará medicina si no somos capaces de definir siquiera qué es un «médico» en 2035? No lo digo como una provocación sin fundamento. Lo digo literalmente. ¿Será el médico un especialista en diagnósticos? ¿Un asesor a pie de cama? ¿Un ejecutor de procedimientos? ¿Un supervisor de un sistema de triaje basado en IA? ¿La persona que firma los formularios de responsabilidad civil? ¿Ninguna de las anteriores? Quién sabe. Del mismo modo, ¿quién puede estar seguro de que las empresas de consultoría, banca y tecnología contratarán a titulados en MBA de la promoción de 2029? Incluso las titulaciones universitarias generalistas que forman a los estudiantes para pensar, escribir, analizar, elaborar estrategias y comunicarse pueden convertirse en inversiones cuestionables, si los sistemas de IA pueden hacer estas cosas a un coste marginal casi nulo. Aunque esto pueda parecer alarmista, los datos empiezan a acumularse poco a poco. Los puestos de trabajo para los titulados universitarios parecen ser mucho más difíciles de conseguir que en el pasado reciente (aunque las perspectivas pueden parecer algo mejores este año), lo que pone en tela de juicio la rentabilidad de la educación universitaria. Aunque el panorama político también influye, las solicitudes para los programas de MBA también han disminuido drásticamente este año. El argumento gira en torno a una distinción que los economistas rara vez aplican al capital humano: la diferencia entre riesgo e incertidumbre. El riesgo es cuantificable; se le pueden asignar probabilidades que nos permiten valorar una apuesta. La incertidumbre describe entornos en los que se desconoce la propia distribución de probabilidades, lo cual es precisamente la consecuencia de la invisibilidad. La gama de resultados plausibles para un radiólogo que termine su residencia en 2035 abarca desde «indispensable» hasta «profesionalmente obsoleto». Ahí es donde entra en juego el efecto paralizador de la niebla de la IA. Cuando las personas se enfrentan a una distribución de resultados amplia e incognoscible, a menudo se alejan de las apuestas costosas. Las empresas se encuentran al otro lado de las inversiones de los individuos en capital humano. Para aquellas empresas que dependen de trabajadores cualificados, la «niebla de la IA» plantea un problema sin precedentes en la planificación de la plantilla. Los líderes deben decidir a cuántas personas contratar, en qué puestos y con qué salarios, en un contexto en el que es imposible predecir la vigencia de cualquier conjunto de competencias. 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 normativas sobre la reducción de plantilla. Por supuesto, esta puede ser la razón por la que el mercado laboral para los recién graduados universitarios ha sido inestable. 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. Las cuentas de las empresas La incertidumbre del futuro también pone en tela de juicio cómo se valora a las empresas y, por lo tanto, si y cómo obtienen capital y comunican su valor a los inversores y otras partes interesadas. Para los líderes, esto significa que la «niebla de la IA» influirá en el coste del capital, en las condiciones en las que se financia el crecimiento y en si un plan estratégico supera el escrutinio de analistas e inversores. La mecánica de este cambio provocado por la niebla es sencilla, pero sus implicaciones son radicales. El valor de las acciones viene determinado por la cantidad de efectivo que generará una empresa en el futuro. Los analistas proyectan el flujo de caja libre de una empresa para la próxima década, añaden un flujo de beneficios que refleja el rendimiento a largo plazo y actualizan los flujos de caja para establecer su valor actual. Según 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. Una hipótesis fundamental en este contexto —la única justificación del valor terminal— es que creemos que el negocio es sostenible. Si la «niebla de la IA» pone en duda la viabilidad a largo plazo del producto o servicio principal de una empresa, entonces también debemos cuestionar si esta alcanzará su valor terminal. A su vez, si dudamos del valor terminal, la valoración se derrumba. La empresa, sencillamente, vale menos. Otra forma de plantearse esta consecuencia de la «niebla» es que la IA está poniendo en tela de juicio la preservación de las ventajas competitivas de las empresas. Cualquier negocio cuya ventaja competitiva se base principalmente en el software, los procesos, el capital humano o los contenidos es ahora vulnerable ante un competidor capaz de replicar esas características de forma más rápida y económica. Esto es lo que hemos observado en el sector del software como servicio (SaaS) B2B. Las empresas de SaaS han sido las favoritas de los mercados de valores durante décadas, ya que se han beneficiado de elevados costes de cambio de proveedor, una baja tasa de cancelación de suscripciones y amplios márgenes. Pero si la IA sustituye a la funcionalidad del software existente, convierte la creación de software en un producto básico, cambia el modelo de ingresos de unas elevadas cuotas de suscripción por usuario a un consumo simbólico por margen, o genera disrupción en la pila de software empresarial, ¿qué será de 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 incertidumbre La niebla que lo envuelve también afecta a los mercados de capital internos. Casi todas las grandes organizaciones aplican 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 ROIC. Los defensores del proyecto realizan previsiones a un horizonte temporal de cinco o diez años para calcular la rentabilidad esperada. La iniciativa recibe financiación si las cifras superan el umbral del coste del capital y se ajusta a la trayectoria estratégica de la empresa. Pero, ¿qué ocurre con este enfoque cuando el futuro es incierto? Imaginemos un fabricante por contrato de tamaño medio que produce componentes mecanizados de precisión para clientes de los sectores 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, lo que requeriría máquinas CNC avanzadas, acabados en sala limpia y sistemas de inspección automatizados. La ampliación de las instalaciones está dimensionada para hacer frente a la cartera de pedidos prevista de la empresa. El equipo financiero elabora un modelo de ingresos previstos para los próximos diez años en relación con el desembolso de capital. La TIR supera holgadamente la tasa de rentabilidad mínima exigida. ¿Debería la dirección dar luz verde a la inversión? A medida que la incertidumbre se va disipando, deben preguntarse si, en un plazo de dos o tres años, una nueva generación de robots controlados por IA —capaces de aprender las tolerancias a partir de unas pocas pruebas en lugar de meses de configuración— permitirá a los competidores (o incluso a sus propios clientes) internalizar esta producción a una fracción del coste de capital. Con su utillaje específico, sus largas series de producción y sus operarios 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 protege la previsión de la empresa para los próximos 10 años deja de ser fiable. La previsión de ingresos original se esfuma. Optimización para lo desconocido Hemos entrado en un periodo en el que ha disminuido la confianza en las perspectivas de muchas inversiones a largo plazo. Cuanto más opaco se vuelve el futuro, más difícil resulta justificar las apuestas a largo plazo. Esto es válido para las empresas, para los particulares, para los inversores e incluso para los gobiernos. La opacidad eleva el coste del capital, ya que resulta difícil valorar una incertidumbre elevada. Esta imprevisibilidad tiene algunas consecuencias previsibles: las primas de riesgo aumentarán y los proyectos con payoffs a largo plazo perderán atractivo. Es evidente que, si no se puede ver el futuro, resulta difícil prepararse para él. Este tipo de opacidad nos resulta desconocido a muchos de nosotros en Occidente. Durante décadas, hemos disfrutado de una combinación poco habitual de aislamiento geopolítico, estabilidad institucional y cambios tecnológicos que, aunque a la larga resultaron disruptivos, se produjeron con la suficiente lentitud como para no alterar la planificación a largo plazo. Esa estabilidad hacía que resultara racional invertir en proyectos de infraestructura de larga duración, en trayectorias profesionales especializadas, en cadenas de suministro en expansión y en estructuras corporativas diseñadas para un cambio evolutivo, pero no revolucionario. Hemos tenido el lujo de invertir como si el mañana fuera una versión ligeramente actualizada del hoy. Sin embargo, ante la niebla de la IA, la repentina invisibilidad del futuro significa que la única opción convincente es la propia opcionalidad. En el caso de las personas, esto nos exigirá desarrollar agilidad psicológica y profesional. Con ello me refiero a la capacidad de abandonar un plan a pesar de haber invertido en él, de reciclarse con frecuencia, de reorientarse hacia las oportunidades a medida que surgen y de desprenderse de nuestras identidades profesionales para poder adaptarlas a medida que cambian las circunstancias. Los líderes empresariales deben integrar la opcionalidad tanto en sus modelos de asignación de capital como en sus diseños organizativos. En primer lugar, ha llegado el momento de pasar de compromisos de capital plurianuales a inversiones por fases con puntos de decisión explícitos. Del mismo modo, es hora de (re)considerar los sistemas de presupuestación de base cero, con el fin de eliminar parte de la inercia inherente a la asignación de recursos. Será necesario sustituir la pregunta «¿Cuál es el rendimiento a 10 años de esta inversión?» por «¿Cuál es el compromiso mínimo que podemos asumir ahora que nos proporcione información y el derecho, pero no la obligación, de seguir adelante con más capital?». El capital riesgo siempre ha entendido esta lógica. Ahora, las grandes empresas también deben ponerla en práctica. En segundo lugar, en lugar de aferrarse a estructuras organizativas optimizadas para un futuro estable, reflexione sobre cómo organizarse de cara a la llegada de la IA autónoma. Si el futuro «modelo operativo» de la empresa es incierto —como tal vez presagian empresas como Block, que despidió a aproximadamente el 40 % de su plantilla como parte de lo que el CEO Jack Dorsey calificó de cambios relacionados con la IA— y si la incertidumbre rodea la cartera de productos y la economía de las unidades, los líderes no pueden estructurar la empresa en función de una única previsión. 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 humanos o agentes de IA) contribuirán a preservar la capacidad de maniobra. En tercer lugar, los líderes necesitan mejores sistemas de detección. Estamos viviendo un periodo de cambios constantes y sin precedentes en cuanto a la escala y el alcance de las capacidades de IA a nivel empresarial. Resulta difícil incluso tener una visión general de todo lo que está sucediendo, y esa visión general no es suficiente. Los líderes deben crear un pequeño equipo cuya tarea a tiempo completo consista en supervisar las capacidades punteras en materia de IA y traducir los avances técnicos en implicaciones de gestión para la empresa, incluyendo qué adoptar, cuándo adoptarlo, cómo implementarlo y qué significa todo ello para la empresa. Este equipo debería plantear preguntas incómodas desde el principio, antes de que el mercado plantee las mismas preguntas a los líderes, pero con mayor insistencia. ¿Qué nuevas oportunidades, impulsadas por la tecnología, se avecinan? ¿Qué partes de la cartera de productos se convertirán en productos de uso común debido a los avances técnicos? ¿Qué ofertas son realmente defendibles y cuáles siguen prosperando únicamente porque nadie ha dirigido aún hacia ellas un sistema capaz? ¿Qué flujos de trabajo pueden ahora separarse de la mano de obra? . . . Los mercados y las empresas se adaptarán sin duda a esta incertidumbre. Los inversores reajustarán sus estrategias. Se crearán empresas nativas de la IA. Las empresas existentes se reestructurarán, aunque muchas de ellas podrían fracasar. Nada de esto descarta un resultado globalmente optimista. Ya está fluyendo una enorme cantidad de capital hacia áreas en las que existe una confianza colectiva en la viabilidad a largo plazo, como la infraestructura energética, el desarrollo de modelos de base, la robótica y el ecosistema en expansión de empresas que construyen el sustrato físico y computacional que requieren los sistemas inteligentes. Es probable que se materialicen las ganancias de productividad y, para muchas empresas, mejoren la economía unitaria. Sin embargo, esta incertidumbre implica que el crecimiento explosivo de algunos sectores coexistirá con una profunda transformación en otros, y aún es pronto para saber cuáles serán. En resumen, estamos entrando en un cambio de paradigma en cuanto a la forma en que apostamos por el futuro. Las inversiones a largo plazo que definen la vida económica moderna —hipotecas, estudios de Derecho, desarrollo de productos con elevados gastos de capital— surgieron en una época en la que el futuro era lo suficientemente previsible como para justificar el compromiso con él. La inteligencia artificial ha vuelto ese futuro opaco en muchos ámbitos, y lo ha hecho más rápido de lo que nuestras instituciones han tardado en adaptarse. Los mercados de valores han respondido con mayor rapidez al cambio, ya que el capital suele reasignarse con solo pulsar unas teclas. Por supuesto, revalorizar una empresa es mucho más sencillo que reestructurarla. Sin embargo, los líderes siguen elaborando modelos de flujo de caja descontado (DCF) a 10 años. Las universidades siguen vendiendo costosos títulos de cuatro años como activos para toda la vida. Los gobiernos siguen debatiendo si la IA generará realmente disrupción. La niebla ya está aquí. Ya no se trata de si va a transformar la forma en que invertimos, contratamos, construimos y planificamos. La pregunta realmente apremiante es: ¿rediseñaremos nuestras instituciones para hacerlas más opacas antes de que se paralicen las inversiones de todo tipo?

El futuro se ve envuelto en una niebla de inteligencia artificial

Resumen.

Partner Center