Apollo: la IA no da retorno fuera del sector tech

La IA no mueve la aguja fuera de las Mag 7

El ingreso por trabajador sube en las Mag 7 y está plano en el S&P 493. Los márgenes de beneficio suben en las Mag 7 y también están planos en el resto del índice. Y no hay señales de que la IA esté impulsando el crecimiento de la productividad. Ese es el diagnóstico que publica Apollo en su análisis diario del 24 de octubre de 2026, y es incómodo: después de años de inversión masiva y de un discurso corporativo dominado por la inteligencia artificial, el retorno financiero fuera del sector tecnológico sigue sin aparecer.

Para un founder, la lectura no es "la IA no sirve". Es más precisa y más útil: la IA está generando valor donde el producto es la IA, y todavía no donde la IA es una herramienta de soporte. La distancia entre esos dos mundos es la que va a definir qué startups sobreviven los próximos 24 meses.

¿Por qué el gasto en tokens se volvió un centro de costos?

Apollo lo describe sin rodeos: la América corporativa mainstream está empezando a ver el gasto en tokens no como una fuente de crecimiento, sino como un centro de costos que presiona los márgenes. Las empresas respaldadas por venture capital gastan cada vez más en tokens, pero la empresa tradicional no necesita el último modelo y no está dispuesta a pagar por él.

Esa asimetría tiene números detrás. TechCrunch reportó en junio de 2026 que Uber agotó todo su presupuesto de IA para programación de 2026 en abril, que Microsoft revocó las licencias de Claude Code de sus desarrolladores meses después de habilitarlas y que a un empleado de Priceline una renovación rutinaria de Cursor le volvió a llegar entre 4 y 5 veces más cara. El mismo medio consignó el caso de una empresa que se encontró con una factura de US$500 millones en Claude por no fijar límites de uso a sus empleados.

La paradoja es que el precio por token viene bajando. Lo que sube es el consumo, empujado por agentes autónomos que ejecutan cientos de pasos donde antes había una consulta. Según Jellyfish, el consumo por desarrollador se multiplicó por 18,6 en nueve meses. Y según Goldman Sachs, citado por TechCrunch, el uso global de tokens se multiplicará por 24 hacia 2030.

¿Qué dicen los datos sobre el ROI real de la IA en las empresas?

Los estudios de mercado acompañan el diagnóstico de Apollo. Accenture, en un informe reseñado por Inman en octubre de 2026, encontró que solo el 23% de los directivos de C-suite reporta valor de negocio sostenido y generalizado de la IA, mientras el gasto asociado va camino de superar los US$800.000 millones en 2026. El mismo trabajo señala que menos del 10% de los usuarios y flujos de trabajo concentra la mayor parte de ese gasto.

Gartner, citado por Forbes en septiembre de 2026, es todavía más duro: el 72% de los CIO encuestados dijo que su organización está en punto de equilibrio o perdiendo dinero con sus inversiones en IA, y la firma proyecta que más del 40% de los proyectos de IA agéntica serán cancelados hacia fines de 2027 por costos crecientes.

A esto se suma el dato de WitnessAI que recoge Inman: hacia el verano de 2026, casi 7 de cada 10 empresas estadounidenses dijeron que al menos alguna de sus iniciativas de IA se pasó del presupuesto en el último año, y un tercio afirmó que los sobrecostos ocurrieron casi siempre o siempre.

El argumento central: la inteligencia no es lo mismo que el juicio

La parte más valiosa del análisis de Apollo no son los gráficos, sino la hipótesis sobre por qué el retorno no llega. Incluso si los modelos se commoditizan y la inteligencia se vuelve barata, convertir eso en más ingresos y mejores márgenes puede ser más difícil de lo que suena.

La razón: en los negocios, la inteligencia es sobre todo juicio. Y el juicio depende del contexto. La respuesta cambia según a qué humano o a qué modelo le preguntes. Y, sobre todo, la IA no entiende de responsabilidad, confianza, cultura, reglas no escritas, dilemas éticos ni equidad — exactamente las variables que moldean el riesgo reputacional y, en última instancia, sostienen el crecimiento de ingresos y los márgenes.

Traducido a la operación de una startup: si tu producto de IA reemplaza una tarea de cálculo, el retorno es medible y rápido. Si tu producto toca una decisión donde alguien tiene que responder por el resultado, el retorno es lento, requiere adopción cultural y exige que el humano conserve la última palabra.

¿Dónde está el verdadero cuello de botella del retorno?

Hay una explicación técnica que complementa la tesis de Apollo. Ragy Thomas, en Forbes, sostiene que el ROI de la IA empresarial es un problema de arquitectura antes que de modelos: cuando cada agente se construye aislado, reconstruye contexto, integraciones y controles alrededor de sí mismo, y el costo marginal de desplegar IA no baja nunca. Un caso de servicios financieros estudiado por investigadores de la Universidad de Hong Kong y Stellaris AI mostraba costos de inferencia superiores a US$200.000 al mes aun cuando más del 70% de las consultas eran lo bastante rutinarias para modelos más pequeños.

Ese detalle es oro para un founder técnico: enrutar cada tarea al modelo adecuado y no al más potente es una de las palancas de margen más subestimadas del momento.

Qué significa esto para tu startup

Primero, un ajuste de expectativas. Si vendes IA a empresas fuera del sector tech, tu comprador ya no está en fase de curiosidad: está en fase de auditoría. Alexander Embiricos, responsable de empresa de OpenAI, lo describió a TechCrunch con claridad: hace seis meses las conversaciones eran sobre qué podía hacer el modelo; ahora son sobre cuánto se está gastando, qué visibilidad y qué controles de tokens existen.

Segundo, un cambio de métrica. El número que importa no es el costo por token, sino el costo por resultado útil. Como resume George Zheng, de Edensign, en Inman: la generación más barata no es la de menor costo de cómputo, sino la que produce un resultado usable con menos reintentos y menos corrección humana.

Tercero, una oportunidad de posicionamiento. Si el S&P 493 es donde se va a decidir la historia de la IA —como concluye Apollo—, entonces el mercado grande no está en las tecnológicas que ya adoptaron, sino en las empresas de servicios, manufactura, retail y salud que todavía no encontraron su caso de uso rentable.

Tres acciones concretas

• Instrumenta el costo por resultado, no por token. Antes de escalar cualquier flujo con IA, define una métrica de negocio (ticket cerrado, documento procesado, incidencia resuelta) y calcula cuánto cuesta producirla. Sin esa unidad, no puedes defender el precio ni el presupuesto.
• Implementa enrutamiento de modelos. Reserva los modelos frontera para las tareas de juicio complejo y manda el volumen rutinario a modelos pequeños o a lógica determinista. Es la palanca que separa un margen sano de una factura fuera de control.
• Construye memoria, no solo integraciones. Como advierte Shayan Hamidi, de Rechat, en Inman, cuando los datos viven dispersos el sistema no recuerda nada y paga la búsqueda en cada paso. Invertir en contexto persistente baja el consumo de forma estructural.

Conclusión

El análisis de Apollo no dice que la IA haya fracasado. Dice algo más específico y más exigente: el retorno todavía no cruzó la frontera del sector tecnológico, y el mercado ya empezó a castigar el gasto que no puede justificarse. Para un founder hispanohablante que construye con IA, eso es una ventaja si se lee bien. Las empresas de LATAM y España que adoptan tecnología suelen hacerlo con restricciones de capital más duras que sus pares estadounidenses, y esa restricción obliga a algo que ahora resulta ser la habilidad escasa: medir el retorno antes de escalar.

La pregunta que deja abierta el informe es si la inteligencia barata alcanza para mover ingresos y márgenes en la empresa promedio. La evidencia disponible hoy sugiere que no por sí sola. Lo que mueve la aguja es el juicio aplicado con contexto, y eso —por ahora— sigue siendo trabajo humano.

Fuentes

• Apollo — No Signs of AI Payoff Outside the Tech Sector (fuente original)
• TechCrunch — The token bill comes due
• Inman — Real estate AI adoption is easy. Proving ROI is the hard part
• Forbes — Why Enterprise AI ROI Is An Architecture Problem
• Business Insider — The AI capex boom won't sustain S&P 500 earnings much longer, Goldman says
• InvestmentNews — AI capex and rising real yields reshape advisor asset allocation