¿Tulipanes, puntocom o algo más?

Profesores de Wharton y UCLA analizan las últimas investigaciones sobre IA generativa y lo que nos dicen sobre una posible burbuja de IA.

El siguiente artículo fue escrito por Shlomo Benartziprofesor emérito de toma de decisiones conductuales en la Anderson Faculty of Administration de UCLA y miembro principal de Iniciativa de análisis e inteligencia synthetic de Whartony Stefano Puntoniprofesor de advertising and marketing de Wharton y codirector de Investigación de IA humana de Wharton.

El auge de la inteligencia synthetic, y de la IA generativa en explicit, ha desencadenado un debate acquainted: ¿estamos viviendo las primeras etapas de una revolución tecnológica, o de otra burbuja económica más? Dependiendo de a quién le preguntes, la IA es el motor del próximo siglo de productividad o la tecnología más sobrevalorada de todos los tiempos. Estas narrativas en competencia dan forma a cómo se asigna el capital y cómo los líderes empresariales planifican para el futuro.

Esto lleva a una pregunta central: si la IA es una burbuja, ¿qué tipo de burbuja es?

La historia ofrece dos analogías clásicas. La primera es la tulipomanía, un frenesí impulsado casi exclusivamente por la especulación, en el que los precios se desvincularon de cualquier valor actual subyacente. (Al El colmo de la tulipomanía En el invierno de 1636, un único y raro bulbo de tulipán se vendió por el precio de una casa en Ámsterdam.)

Es fácil reírse de la tulipomanía desde la distancia, pero nuestra period ha producido sus propias versiones. La criptomoneda dogecoin, por ejemplo, aumentó su valor más de 200 veces en los primeros meses de 2021, impulsado en gran medida por las publicaciones en las redes sociales. Desde entonces, la moneda ha perdido casi todas esas ganancias. Al menos los compradores de tulipanes recibieron flores por sus molestias.

El segundo tipo de burbuja es el auge de las puntocom, en el que una auténtica revolución tecnológica chocó con la exuberancia de los inversores, produciendo una sobrevaluación a corto plazo pero una transformación a largo plazo. El precio de las acciones de Amazon, por ejemplo, cayó un 94% entre finales de 1999 y finales de 2001, después de que estalló la burbuja de las puntocom. Y aunque el precio de las acciones tardó casi diez años en recuperarse, ahora es 41 veces más alto que su pico puntocom.

O consideremos a Pets.com, que recaudó decenas de millones de dólares en su IPO a pesar de perder dinero en cada bolsa de comida para perros que enviaba. A finales de 2000, menos de un año después de su celebrada oferta pública y comercial del Tremendous Bowl, el sitio internet había agotado sus recursos y se vio obligado a liquidarse.

Sin embargo, lo más importante fue que la premisa de Pets.com (que los consumidores eventualmente comprarían artículos para mascotas en línea) resultó profética. Para 2025, el 55% de todos venta de comida para mascotas ocurrido a través de canales en línea. El fracaso de la empresa no fue una prueba contra el potencial del comercio electrónico, sino más bien una consecuencia del momento oportuno, la ejecución y la especulación prematura.

Comprender si la IA se parece a los tulipanes o a Web es esencial para interpretar las valoraciones actuales y las expectativas que hay detrás de ellas. Para los ejecutivos que asignan un capital escaso, ésta es quizás la cuestión más crítica de nuestro tiempo.

Para ayudar a responder la pregunta, comencemos con un árbol de decisión easy (consulte el Diagrama 1).

Pensando en la arquitectura para evaluar burbujas

Paso 1: ¿La tecnología proporciona valor a las empresas?

La evaluación de si la IA está en una burbuja comienza con una pregunta elementary: ¿la tecnología ofrece un valor significativo a las empresas?

Nuestros tres estudios de caso (ver más abajo) sugieren que la IA ya está creando un valor significativo y potencialmente transformador. Por supuesto, estas historias de éxito pueden ser casos atípicos. Para evaluar mejor el valor common de la IA, veamos un nuevo estudio por los investigadores de Wharton Jeremy Korst, Stefano Puntoni y Prasanna Tambe, junto con un equipo de GBK. Según su encuesta a 800 ejecutivos de empresas, aproximadamente el 75% indica que la IA generativa ya ha mejorado la productividad, mejorado la toma de decisiones o agilizado las tareas. Si bien estas mejoras a menudo provienen de implementaciones en etapas tempranas y no de sistemas completamente integrados, representan beneficios significativos.

Sin embargo, otras investigaciones ofrecen una perspectiva diferente. A estudio reciente del MIT, analizó organizaciones que han intentado integrar la IA en los procesos centrales, rediseñar los flujos de trabajo y medir el impacto financiero de la tecnología. Los investigadores aplican una definición estricta de éxito y se centran en si la IA ya ha generado ganancias a nivel de pérdidas y ganancias (P&L). Según estos criterios, sólo el 5% de las empresas han logrado el éxito con la IA.

Si bien estos dos estudios parecen contradictorios, una mirada más cercana demuestra que buscan responder preguntas fundamentalmente diferentes.

Wharton pregunta: ¿Es útil la IA hoy?

Y la respuesta parece ser Sí. Muchas organizaciones se están beneficiando de la IA generativa de manera tangible: agilizando las tareas, mejorando la productividad y mejorando la toma de decisiones.

El MIT pregunta: ¿La IA ya está transformando las empresas?

Y la respuesta hasta ahora es aún no. Sólo una pequeña fracción de las empresas tiene la gobernanza, la infraestructura y los flujos de trabajo rediseñados necesarios para convertir el valor experimental en retornos financieros duraderos.

En conjunto, los estudios indican que la IA está proporcionando un valor actual, pero la profundidad y distribución de ese valor varían considerablemente (ver Tabla 1). Esto es consistente con una tecnología en las primeras etapas de difusión más que con una manía especulativa. En otras palabras, la IA no no Se parecen a la tulipomanía: la tecnología subyacente está creando beneficios observables incluso si sólo un subconjunto de empresas ha logrado un impacto en las pérdidas y ganancias a gran escala.

Tabla 1: Sintetización de diferentes informes de investigación

Paso 2: ¿El valor creado es proporcional a las valoraciones de mercado?

La segunda pregunta en nuestra arquitectura de pensamiento pasa de los resultados empresariales a los mercados financieros. Incluso si la IA está generando valor hoy en día, ¿ese valor justifica su extraordinaria capitalización de mercado? Las valoraciones actuales (entre empresas de semiconductores, proveedores de nube, desarrolladores de modelos e industrias adyacentes a la IA) suponen implícitamente ganancias sustanciales de productividad futura.

La respuesta easy es que no sabemos si actualmente el precio de la IA es correcto. Incluso en un modelo básico de flujo de efectivo descontado, pequeños cambios en los supuestos pueden crear enormes diferencias en la valoración.

Consideremos un ejemplo simplificado: supongamos que una empresa de inteligencia synthetic generará 100 dólares de valor en cinco años y el perfil de riesgo se traduce en una tasa de descuento del 10%. Según estos supuestos, la empresa valdría hoy alrededor de 62 dólares (consulte la Tabla 2).

Pero la verdad es que no sabemos cuándo la IA entregará valor, cuánto valor generará o cuán riesgoso será el camino. Si en cambio asumimos que la empresa tardará el doble en obtener valor, producirá sólo la mitad y enfrentará el doble de riesgo, su valor precise caerá a sólo 8 dólares, aproximadamente una octava parte del mismo.

Estas entradas son conjeturas, y la gama de conjeturas plausibles es enorme. Por eso es tan fácil valorar mal la IA, en cualquier dirección. Podría ser una burbuja, podría tener un precio justo o incluso podría estar infravalorado.

Tabla 2: La sensibilidad de las valoraciones de la IA a los supuestos

Conclusión: ¿Qué tipo de burbuja es la IA?

Entonces, ¿qué tipo de burbuja (si la hay) es la IA? La evidencia sugiere que la IA no es una tulipomanía: el valor es actual, observable y ya está presente en una amplia muestra representativa de empresas. Incluso las implementaciones piloto modestas están generando ganancias de productividad, y los primeros usuarios están comenzando a integrar la IA en partes significativas de sus operaciones.

Si bien los mercados están valorando un futuro definido por aumentos de productividad a gran escala y rediseño organizacional, las empresas todavía están lidiando con el difícil y temprano trabajo de integración, lo que ayuda a explicar las limitadas ganancias en pérdidas y ganancias hasta la fecha. En este entorno, la pregunta crítica para los líderes empresariales no es si la IA eventualmente creará valor (lo creará), sino cuánto tiempo le tomará a su industria darse cuenta de ese valor.

No podemos decirle cómo asignar sus inversiones personales, ni si alguien debería invertir su IRA en Nvidia. Pero podemos ofrecer una recomendación más sencilla a los ejecutivos: Invierte tu tiempo. En muchas industrias, el despliegue eficaz de la IA generativa será essential para la supervivencia, no en un futuro lejano, sino en el panorama competitivo que está surgiendo en este momento.

Comidas para llevar

Si combinamos las concepts de los estudios de Wharton y MIT, surge un patrón consistente: la mayoría de las empresas están experimentando con IA, pero sólo una pequeña minoría ha descubierto cómo convertir la experimentación en ganancias mensurables de pérdidas y ganancias. Para unirse a ese grupo, concéntrese en tres prioridades:

1. Reimaginar: Realice un verdadero ejercicio de pizarra para repensar lo que es su empresa. debería convertirse en la period de la IA, no solo cómo incorporar la IA a lo que existe, sino cómo la IA cambia la forma misma de su industria.
2. Crecimiento de flamable: No utilice la IA simplemente para abaratar las experiencias existentes. Úselo para mejorar la experiencia de los clientes. La eficiencia importa, pero el verdadero valor reside en el crecimiento.
3. Urgencia: Actúe ahora. El ritmo del cambio ya es extraordinario. Esperar aumenta el riesgo de quedarse atrás y ponerse al día sólo será más difícil.
   

Este artículo apareció originalmente en Conocimiento@Wharton.