Apollo: la IA da cero retorno al S&P 493 fuera de tech

Qué encontró Apollo en las cuentas del S&P 493

El economista jefe de Apollo Global Management, Torsten Slok, revisó las cuentas de las 493 empresas del S&P 500 que no son tecnológicas y no encontró ninguna señal de que la IA esté mejorando sus márgenes de beneficio o sus ingresos por trabajador. En una nota reciente, Slok lo resume así: «A pesar de las inversiones masivas y el hype generalizado en torno a la inteligencia artificial, la tecnología ha entregado cero retorno financiero a las empresas estadounidenses fuera del sector tecnológico».

Para un founder, el dato importa por una razón concreta: si las grandes compañías que no son tecnológicas no están viendo retorno, el presupuesto que tu startup espera venderles —y el que tu propia empresa destina a herramientas de IA— va a pasar por un escrutinio mucho más duro en los próximos trimestres. Apollo Global Management es el gigante del private equity que, según recuerda TechCrunch, fue dueño del propio medio que publicó la nota.

Por qué el S&P 493 es la métrica que hay que mirar

Slok llama S&P 493 a las 500 mayores empresas cotizadas de Estados Unidos menos Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla. La distinción no es caprichosa: separa a quienes venden la infraestructura de IA de quienes la compran.

Bloomberg recogió la nota con una frase que resume la brecha: los ingresos por trabajador suben en el grupo de las Magnificent Seven, pero están planos en el S&P 493. Lo mismo ocurre con los márgenes de beneficio. La IA, por ahora, mueve las cuentas de sus proveedores, no las de sus clientes.

Slok añadió otro matiz que debería hacer ruido en cualquier equipo de finanzas: la corporate America «está empezando a ver el gasto en tokens no como una fuente de crecimiento, sino como un centro de costo que presiona los márgenes», según Bloomberg. En otras palabras, la conversación pasó de «cuánto podemos hacer con IA» a «cuánto nos está costando la IA».

La demanda de IA se está volviendo sensible al precio

Cryptobriefing reportó que Slok detectó una desaceleración en el crecimiento del gasto en tokens y describió la curva de demanda de cómputo como plana y muy sensible al precio. Un comprador sensible al precio es el que se va en cuanto sube la factura: si eso se generaliza, los proveedores no pueden subir precios para recuperar lo invertido.

El mismo análisis atribuye a Slok una proyección incómoda: el capex de los hyperscalers podría llegar a cerca del 3% del PIB de Estados Unidos anual entre 2027 y 2029. Y Bloomberg cita una estimación de Gartner según la cual más de US$3,5 billones en gasto en infraestructura de IA podrían quedar sujetos a deterioro hacia 2030 si los ingresos de la IA no justifican la inversión. En ese contexto, el mismo medio menciona que los planes de salida a bolsa de la australiana Firmus Grid se cayeron después de que gestores estadounidenses rechazaran una valoración de US$30.000 millones.

Los estudios que respaldan el escepticismo

El argumento de Slok no flota solo. Hay tres cuerpos de evidencia que apuntan en la misma dirección, y conviene conocerlos antes de aprobar el próximo presupuesto de IA.

• MIT Media Lab (Project NANDA), en su estudio «The GenAI Divide» de julio de 2025, encontró que, pese a un gasto empresarial de entre US$30.000 y US$40.000 millones en IA generativa, el 95% de las organizaciones no veía retorno medible. Solo el 5% de los pilotos integrados generaba resultados de negocio relevantes, según recogió TechTimes.
• METR, en un ensayo controlado aleatorizado publicado el mismo mes, midió que desarrolladores experimentados que usaban herramientas de IA tardaron 19% más en completar tareas que sin ellas. Antes del estudio, esos mismos desarrolladores estimaban que la IA los haría 24% más rápidos.
• Gartner encuestó en mayo de 2026 a 350 ejecutivos de empresas con más de US$1.000 millones de facturación que ya desplegaban IA. El 80% había reducido plantilla, y las compañías que más recortaron mostraron retornos financieros casi idénticos a las que recortaron menos. En varios casos, las que recortaron menos rindieron mejor, según TechTimes.

A esto se suma un dato más fino sobre dónde se pierde el tiempo ahorrado. Un paper de Google, Google DeepMind y MIT de septiembre de 2026, basado en unos 15 millones de interacciones anonimizadas con Gemini y una encuesta a 637 científicos, encontró que quienes ahorraban tiempo con IA ganaban casi siete horas semanales, pero el 89% destinaba más del 10% de ese ahorro a verificar, depurar o chequear la salida de la IA, y el 46% le dedicaba más de un cuarto de ese tiempo, según The Journal.

Y hay una paradoja de adopción que conviene tener presente: una encuesta de Gallup recogida por ZDNet muestra que el uso de IA subió del 39% al 51% de los adultos, mientras la confianza en la tecnología cayó del 32% al 28%. Se usa más y se cree menos.

¿Qué significa esto para tu startup?

Hay dos lecturas, y las dos son accionables.

Si tu startup vende IA a empresas, prepárate para un comprador mucho más cauto. El ciclo de venta se va a llenar de preguntas sobre retorno medible, y «ahorra tiempo» ya no alcanza como propuesta de valor. Los datos de Gartner y del MIT sugieren que el comprador corporativo ya escuchó esa promesa y no la vio en su balance.

Si tu startup usa IA internamente, el riesgo es el opuesto: gastar en herramientas por FOMO y contabilizarlo como inversión cuando en realidad es un centro de costo. Slok lo dice sin rodeos: la IA «puede ser una gran calculadora, pero en los negocios la inteligencia es sobre todo criterio». Y añade que la IA no entiende responsabilidad, confianza, cultura, reglas no escritas ni trade-offs éticos, que son justamente lo que sostiene el riesgo reputacional y, al final, los márgenes.

Cómo medir el ROI real de la IA en tu empresa

Cuatro movimientos concretos que puedes aplicar este trimestre:

• Define la métrica de negocio antes de comprar la herramienta. No «horas ahorradas», sino margen bruto por empleado, costo por ticket resuelto o tiempo de ciclo. Si esa métrica no se mueve en un trimestre, corta la herramienta. Es la única forma de no terminar como el S&P 493.
• Presupuesta el costo de verificación. El paper de Google y MIT muestra que hasta el 46% del tiempo ahorrado se va en revisar la salida de la IA. Si no lo contabilizas, tu ROI está inflado por definición.
• Separa el gasto en tokens como línea de costo operativo, no como inversión. Es exactamente el cambio de marco que Slok detectó en las grandes corporaciones, y hacerlo antes te da una ventaja: sabes cuánto cuesta cada caso de uso antes de que el CFO te lo pregunte.
• Si vendes IA, construye el caso de negocio junto al cliente. Lleva un benchmark de su métrica antes y después del despliegue. En un mercado donde el 95% de las iniciativas no muestra retorno, demostrar el tuyo es el diferenciador comercial más barato que existe.

Conclusión

La nota de Slok no dice que la IA no sirva: dice que, hasta ahora, no aparece en los números de las empresas que no son tecnológicas. Eso es una advertencia para dos tipos de founder: el que vende IA y necesita probar retorno, y el que la compra y necesita dejar de confundir actividad con resultado. La ventana en la que «usamos IA» bastaba como argumento se está cerrando. Lo que viene es la pregunta incómoda: ¿cuánto mejoró tu margen?

Fuentes

• TechCrunch (fuente original)
• Bloomberg, vía Yahoo Finance
• Cryptobriefing
• TechTimes
• The Journal
• ZDNet