Las empresas de infraestructura están logrando ganar en la transición hacia la inteligencia artificial. Pero el aumento en la productividad aún no se ha producido.

La promesa de la inteligencia artificial era simple: permitir que las máquinas se encargaran del trabajo. Sin embargo, en realidad, para la mayoría de los empleados, la situación es diferente. Todavía estamos en la fase inicial de adopción de la inteligencia artificial, donde los herramientas utilizadas en este campo aumentan el tiempo dedicado al trabajo, en lugar de reducirlo. Un informe reciente, que analizó a más de 10,000 usuarios, concluyó que…Los trabajadores que utilizan la IA pasan hasta un 346% más de tiempo en sus tareas diarias.Las aumentaciones pueden variar entre el 27% y el 346%. Los datos son claros: la inteligencia artificial no reduce las cargas de trabajo. Por el contrario, los profesionales realizan múltiples tareas al mismo tiempo, sacrificando el tiempo necesario para pensar profundamente en favor de la ejecución de tareas rutinarias más extensas.

Esta situación de urgencia crea una nueva clase de presión. La supervisión constante de múltiples herramientas de IA está llevando a lo que los investigadores denominan “desgaste cerebral”. Un estudio publicado en Harvard Business Review concluyó que…Alrededor de uno de cada siete trabajadores dijo haber experimentado fatiga mental debido al uso constante de herramientas de IA en el trabajo.Se define comoCansancio mental causado por el uso excesivo o la negligencia en el uso de herramientas de IA, más allá de las capacidades cognitivas del individuo.Esta “carga cognitiva” es el resultado directo de la cantidad de información que se necesita para gestionar, monitorear y corregir los resultados generados por la IA. Se trata de una clara señal de alerta temprana: el paradigma actual de integración de la IA está creando más trabajo para el cerebro humano, en lugar de reducirlo.

Las herramientas de IA también aumentan el tiempo que se dedica a las tareas más simples, que deberían haber sido automatizadas. El informe ActivTrak mostró que el tiempo dedicado a enviar mensajes aumentó en un 104%, mientras que el tiempo dedicado al chat y a la comunicación también aumentó en un 145% después de la adopción de la IA. El uso de herramientas de gestión empresarial también aumentó en un 94%. No existía ninguna categoría de actividad en la que el uso de la IA no fuera beneficioso para los usuarios. En realidad, la IA no hace que las jornadas laborales sean más sencillas; más bien, las hace más largas y fragmentadas, obligando a los trabajadores a tener que manejar más ventanas de trabajo, tomar más decisiones y supervisar más cosas. Por ahora, la infraestructura basada en la IA se construye sobre la base del trabajo humano, y no lo reemplaza.

El paradojo de la productividad: de la automatización de tareas a la reinvención sistémica

La desconexión entre las promesas teóricas de la IA y su impacto en la productividad en el mundo real es evidente. Aunque la tecnología puede manejar, en teoría, enormes cantidades de trabajo, su adopción real sigue siendo una fracción de su potencial. Un nuevo marco de medición que mide “la exposición observada” revela que…La cobertura actual sigue siendo una fracción de lo que es posible lograr.Este vacío es el núcleo del paradojo de la productividad: aún no estamos utilizando la inteligencia artificial en toda su capacidad. Por eso, no estamos logrando los beneficios sistémicos que esperábamos.

La razón es clara: los aumentos en la productividad requieren algo más que simplemente automatizar tareas individuales. Se necesita una transformación fundamental de todos los procesos empresariales: un cambio de un enfoque basado en la eficiencia incremental hacia un nuevo modelo operativo. Demasiadas empresas se encuentran atrapadas en lo que los expertos denominan “un mundo de experimentos”, donde las tecnologías de IA logran efectos específicos, pero nunca avanzan hacia la producción en masa. El resultado es una tecnología que se utiliza para redactar correos electrónicos o generar informes, pero que aún no se ha integrado en el modo en que se realizan las tareas desde el principio hasta el final. Como señala un análisis…Para convertir el potencial de la IA en resultados comerciales reales y positivos, las organizaciones necesitan algo más que simplemente mejorar la eficiencia de sus tareas. Lo que realmente se necesita es una reingeniería sistémica..

Este cambio sistémico es lo que, con el tiempo, impulsará la adopción exponencial de esta tecnología. Pero también es lo que hace que la transición en el corto plazo sea tan compleja y costosa. El escenario básico propuesto por Goldman Sachs ilustra la magnitud del cambio que se avecina:A nivel mundial, 300 millones de empleos están expuestos a la automatización causada por la inteligencia artificial.Se trata de un desplazamiento del 6-7% de los trabajadores durante un período de transición de 10 años. No se trata de una ola repentina de desempleo, sino de un cambio estructural gradual. La pregunta clave para los inversores no es solo qué puestos de trabajo están en riesgo, sino también qué empresas están desarrollando las infraestructuras y los procesos necesarios para aprovechar al máximo el poder de la IA. Los ganadores serán aquellos que logren superar la automatización de tareas y que puedan utilizar agentes de IA en todo el flujo de trabajo, convirtiendo así las promesas de crecimiento exponencial en una realidad concreta.

La apuesta por la infraestructura: construir las bases para el próximo paradigma.

El auge de la IA no se trata simplemente de un asunto relacionado con el software. Se trata, en realidad, de una construcción masiva de infraestructura. La demanda de nuevas capacidades de energía y centros de datos está creando un factor positivo a largo plazo para las empresas que proporcionan las infraestructuras físicas y computacionales necesarias para el desarrollo de esta tecnología. Desde el año 2022, la construcción de esta nueva infraestructura digital ya ha generado…216,000 nuevos empleos en el sector de la construcciónEste es el rastro tangible del crecimiento exponencial. A medida que la adopción de la IA se acelera, esta demanda solo aumentará aún más, lo que generará una oportunidad de inversión duradera para las empresas que desarrollan los componentes fundamentales de este sector.

Esta necesidad de infraestructura está directamente relacionada con las limitaciones actuales de las herramientas de IA. La “destrucción cerebral” causada por la gestión de múltiples agentes de IA representa un punto de fricción crítico. Según los investigadores,“AI Brain Fry” es la fatiga mental que se produce debido al uso excesivo o al descuido con los herramientas de IA, sin que el individuo pueda manejarlas adecuadamente.Esta variedad es un síntoma del paradigma actual: los agentes de IA son poderosos, pero requieren una supervisión y corrección constante por parte de los humanos. El camino hacia la liberación y hacia el logro de las esperadas mejoras en la productividad pasa por la creación de agentes autónomos y más sofisticados, que puedan operar con menos supervisión. Esta próxima generación de AI requerirá aún más capacidad de procesamiento, lo que llevará a un ciclo continuo de inversión en centros de datos y redes energéticas.

Para los inversores, la posición de las empresas que operan en el sector de la infraestructura es muy atractiva. No apuestan sobre el ciclo de crecimiento de las aplicaciones para consumo o sobre la automatización de tareas simples. Estas empresas tienen la capacidad de aprovechar el crecimiento exponencial, a medida que la adopción de la IA se extiende más allá de su fase actual, que requiere mucho trabajo. Goldman Sachs estima que 300 millones de puestos de trabajo en todo el mundo estarán expuestos a la automatización por parte de la IA. Este proceso requerirá una década de desarrollo masivo de infraestructuras. Las empresas que proporcionan energía, sistemas de refrigeración y hardware para servidores son las que construyen las bases necesarias para el siguiente paradigma tecnológico. Su crecimiento no depende de las márgenes de beneficio a corto plazo, sino del aspecto a largo plazo de la curva de adopción de la IA. En este contexto, la infraestructura es donde se hace la verdadera apuesta para el futuro.

Catalizadores, escenarios y lo que hay que vigilar

La tesis de inversión relacionada con la infraestructura de IA se basa en una sola pregunta prospectiva: ¿cuándo la fase actual de mejora basada en el uso de mano de obra intensiva dará paso a una nueva era de automatización sistémica? Los indicios son claros, pero es necesario monitorear cómo se producirá ese cambio, desde el paradigma actual de productividad, hacia los beneficios exponenciales del futuro.

El principal indicador que hay que tener en cuenta es un cambio en las métricas de productividad. En este momento, los datos muestran que…Los trabajadores dedican hasta un 346% más de tiempo a las tareas diarias.Y…Cansancio mental debido al uso constante de herramientas de IA.La confirmación de que la IA está pasando de la fase de mejora a la fase de automatización llegará cuando estas tendencias se invierten. Es necesario que veamos gananzas en términos de eficiencia: días laborales más cortos, menos errores y un tiempo de trabajo más productivo. Todo esto se logrará gracias a que la IA se encarga de realizar ciertas tareas, en lugar de simplemente supervisarlas. Este cambio será característico de la próxima fase, en la cual los agentes de IA podrán organizar completos flujos de trabajo con muy poca intervención humana.Reinvención sistémicaDe los procesos de negocio.

Un segundo indicador crítico es el ritmo de adopción de la tecnología por parte de las empresas. Si el fenómeno conocido como “brain fry” resulta ser un obstáculo sistémico para la adopción de la IA, veremos una desaceleración en la implementación de la IA en los principales procesos empresariales. El estudio sobre el “brain fry” es una señal de alerta temprana: la carga cognitiva relacionada con la gestión de múltiples herramientas no es sostenible. Un estancamiento en la integración de la IA en las empresas, especialmente en las operaciones de máxima importancia, indicaría que el costo humano asociado a la supervisión supera los beneficios que se pueden obtener con la automatización. Esto pondría en tela de juicio la idea de una automatización rápida y sin problemas, y haría necesario recalibrar los plazos para lograr aumentos en la productividad.

Por último, los gastos de capital en centros de datos e infraestructura eléctrica siguen siendo el principal indicador de la próxima fase de la curva S de la inteligencia artificial. La construcción de esta infraestructura física ya está en marcha, y ha generado…216,000 nuevos empleos en el sector de la construcciónDesde el año 2022, cualquier aceleración en este gasto, motivado por la necesidad de contar con procesamiento informático más avanzado para alimentar a los agentes autónomos, confirmará que el mercado ya está anticipándose a la próxima ola de automatización sistémica. Por otro lado, una desaceleración podría indicar que la fase inicial, basada en el uso intensivo de mano de obra, ya está agotando sus recursos financieros a corto plazo. Esto podría hacer que se suspenda el desarrollo de la infraestructura a largo plazo relacionada con la inteligencia artificial.

En resumen, la tesis de la inversión en infraestructura consiste en apostar por un cambio tecnológico específico. Los catalizadores no son el lanzamiento de nuevos productos, sino los cambios en el comportamiento y en el gasto de las empresas. Debemos esperar el momento en que los indicadores de productividad pasen de un aumento en la carga de trabajo a un aumento en la eficiencia. También debemos esperar que la adopción de estas tecnologías disminuya debido al estrés cognitivo, y que los gastos en infraestructura relacionados con energía y centros de datos vuelvan a aumentar. Estos son los signos que confirmarán si todavía estamos en la fase inicial y ascendente de la curva S, o si ya hemos comenzado a entrar en la fase exponencial.