Deutsche Bank: US$5T en IA y predicciones que fallaron

Predicciones tecnológicas que el tiempo enterró

En 1995, Bob Metcalfe, coinventor de Ethernet, pronosticó que internet se volvería "espectacularmente supernova" y colapsaría en 1996. Cuando no ocurrió, trituró su propia columna en una licuadora y se la bebió en una conferencia en 1997. La anécdota abre el último informe de Deutsche Bank sobre inteligencia artificial, que recorre medio siglo de predicciones tecnológicas fallidas para recordar una idea incómoda: acertar el destino de una tecnología es mucho más difícil que acertar su velocidad.

Deutsche Bank no eligió el tema por nostalgia. Lo hizo porque el debate actual sobre la IA —entre quienes ven una revolución productiva y quienes alertan sobre un riesgo existencial— replica los mismos sesgos, los mismos incentivos profesionales y la misma dificultad para separar hype de trayectoria real.

El espejo que pone Deutsche Bank sobre el debate de la IA

El analista Adrian Cox, de Deutsche Bank Research, parte de un inventario de errores memorables. El presidente de IBM, Thomas Watson, aseguró en 1943 que existía un mercado mundial para "quizás cinco computadoras". Albert Einstein sostuvo en 1934 que no había indicación de que la energía nuclear pudiera obtenerse; ocho años después, un equipo de la Universidad de Chicago logró la primera reacción en cadena autosostenida. Steve Ballmer, entonces CEO de Microsoft, dijo en 2007 que no había "ninguna posibilidad" de que el iPhone obtuviera una cuota de mercado significativa; desde su lanzamiento se han vendido más de 3.000 millones de unidades.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La lista incluye también errores de quienes construyeron las plataformas. Steve Chen, cofundador y CTO de YouTube, afirmó en 2005 que "simplemente no hay tantos videos que quiera ver"; Google compró YouTube un año después por US$1.650 millones. Geoffrey Hinton dijo en 2016 que la gente debería "dejar de formar radiólogos ahora"; el banco apunta que el número de estos especialistas creció alrededor de 10% durante la última década, en parte por las limitaciones de la IA y por una mayor demanda.

El patrón se repite ahora con la propia IA. Sam Altman, CEO de OpenAI, había estimado que entre el 30% y el 40% de las tareas de la economía podrían ser realizadas por IA "en un futuro no muy lejano". En mayo admitió que habían estado "bastante equivocados" sobre la velocidad de la disrupción, y en una entrevista reciente con el podcaster David Senra amplió el argumento: cuando lanzó GPT-4 en 2023 esperaba una adopción económica casi inmediata, pero la inercia organizativa —software legacy, datos dispersos, compliance, presupuestos congelados— la frenó. "Estoy encantado de estar equivocado en esto", resumió, según TechTimes.

Por qué cuesta tanto anticipar el impacto

Deutsche Bank identifica tres razones. La primera es tratar sistemas complejos como si fueran lineales: pequeñas variaciones en regulación, cultura organizacional o comportamiento del consumidor producen desenlaces muy distintos. Los vehículos autónomos ilustran esa brecha: durante años fueron presentados como inminentes y los obstáculos regulatorios y psicológicos siguen retrasándolos.

La segunda son los sesgos cognitivos: las personas piensan de forma lineal frente a cambios exponenciales, subestiman costos y sobreestiman beneficios. La Escuela de Negocios Saïd de Oxford estudió más de 3.000 megaproyectos: solo el 0,2% cumplió simultáneamente presupuesto, plazo y beneficios previstos. La tercera son los incentivos profesionales. Cox lo resume en una frase: "los fundadores necesitan convicción, los inversionistas necesitan impulso, los actores establecidos necesitan seriedad, los consultores necesitan urgencia, los responsables de política necesitan relevancia, los ejecutivos necesitan una narrativa y los periodistas necesitan drama". Las redes sociales, añade, premian las posiciones extremas y entierran los matices.

El tamaño real de la apuesta

El debate se da mientras la inversión en infraestructura de IA alcanza cifras históricas. Deutsche Bank calcula que solo los hiperescaladores invertirán más de US$5 billones durante los próximos cinco años. En una línea independiente, CNBC reportó que los cuatro grandes —Meta, Amazon, Google y Microsoft— han invertido alrededor de US$1,1 billones desde el inicio de 2023, tras el lanzamiento de ChatGPT, y que este año se espera que destinen cerca de US$750.000 millones adicionales.

Goldman Sachs, según Yahoo Finance, cree que el capex global de IA en 2026 estará más cerca de US$1 billón que de los US$800.000 millones del consenso, porque las estimaciones no capturan bien el gasto privado ni el de empresas fuera de EEUU. McKinsey & Co. proyecta que la inversión global en infraestructura de IA alcanzará los US$7 billones hacia 2030, a la que la consultora describe como "una de las mayores obras de infraestructura de la historia moderna".

Deutsche Bank, sin embargo, no se mueve con el catastrofismo ni con el evangelio. Para Cox, el futuro de la IA dependerá "más de los prosaicos desafíos de la integración de los flujos de trabajo en las empresas que tendrán que pagar por ella que de lanzar otro modelo con una mejora marginal en sus capacidades". Es la misma lógica de la llamada ley de Roy Amara: sobreestimamos el impacto de una tecnología a corto plazo y lo subestimamos a largo plazo. La pregunta no es si la IA importará, sino cuánto tardarán las empresas en convertir la capacidad en productividad facturable.

Qué significa esto para tu startup

El informe de Deutsche Bank no es una predicción más: es un catálogo de por qué la mayoría de las predicciones tecnológicas anteriores fallaron. Para un founder, la lectura práctica es concreta.

No ancles tu roadmap en titulares extremos. El péndulo entre apocalipsis y boom genera cobertura, no señal. Mide a tus competidores y a tus clientes por indicadores operativos —uso semanal, retención, revenue por seat, payback— no por el último paper viral ni por el último recorte de un CEO.
Diseña para la inercia, no para la velocidad del modelo. Si tus compradores tienen datos legacy, compliance pendiente y presupuestos aprobados a fin de año, asume que el ciclo real de adopción es de 12 a 24 meses, no de 6 semanas. Altman mismo aprendió eso en carne propia: la economía se mueve más lento que los laboratorios.
Apunta al flujo de trabajo, no a la demo. El mensaje central del informe —"el futuro de la IA se hará en Main Street, no en Silicon Valley"— significa que la ventaja competitiva se construye donde el modelo deja de ser tecnología y se convierte en proceso: integración con ERP, datos limpios, cambio de rol del equipo, métricas de negocio que el CFO pueda defender.
Planifica con la ley de Amara, no contra ella. En el corto plazo, el valor suele estar en ser pragmático y olvidable —automatización de tareas administrativas, copilots internos—; en el largo plazo, la posición se gana apostando por tesis que parecen exageradas hoy.

Deutsche Bank cierra con una advertencia que cualquier founder debería enmarcar: acertar sobre la tarea que desaparecerá no es lo mismo que anticipar qué harán los trabajadores después. Las computadoras fueron anunciadas como amenaza de los empleos administrativos y terminaron siendo la columna vertebral del trabajo de conocimiento. La IA puede seguir el mismo camino —o romper el patrón. Lo que sí sabemos es que la respuesta no se escribirá desde un laboratorio ni desde un p(doom): se escribirá factura a factura, equipo por equipo, integración por integración.