¿Ninguna empresa ha ganado dinero con IA? La pregunta llega demasiado pronto
La IA todavía no ha entrado a fondo en el trabajo de campo.
Índice
Para juzgar las ganancias de la IA, es necesario observar no sólo las empresas modelo, sino también cómo ganan dinero los proveedores de infraestructura, energía y datos.
En artículos sobre inversión en IA o en videos de YouTube, aparece una pregunta una y otra vez.
“Entonces, ¿hay alguna empresa que de verdad haya ganado dinero con IA?”
Al principio pensé que sería fácil responder. Pero cuanto más lo pienso, menos simple parece. La frase “ganar dinero con IA” mezcla varias historias distintas.
¿Ha ganado dinero una empresa que vende infraestructura de IA, como NVIDIA? Sí.
¿Ha demostrado una empresa de modelos de frontera como OpenAI o Anthropic una rentabilidad estable? Ahí hay que ser mucho más cuidadoso. Los ingresos crecen rápido, pero los costos de centros de datos y cómputo también crecen. Tener muchos ingresos no es lo mismo que tener un negocio que deja caja de forma estable.
¿Ha usado una empresa normal la IA para aumentar de forma clara el beneficio de toda la compañía? Esa pregunta necesita más tiempo. Muchas empresas todavía no han rediseñado el trabajo alrededor de la IA. Solo están pegando IA al costado del trabajo que ya hacían.
Por eso preguntar ahora “dónde están las empresas que ganan dinero con IA” es un poco temprano. La mayor parte de la IA que vemos hoy funciona mejor cuando una persona está sentada frente a una computadora.
Los resultados de IA se abaratan rápido
La IA puede producir el borrador de un informe. También puede crear una imagen, escribir código o redactar un correo.
Todo eso sirve. Es realmente cómodo. Pero esos resultados se vuelven comunes muy rápido. Todos pueden abrir la misma ventana, hacer una pregunta parecida y recibir una respuesta parecida.
Es difícil construir un negocio duradero tomando el resultado de unos pocos prompts y publicándolo tal cual. Otros usan las mismas herramientas. Un primer borrador hecho por IA no mantiene la diferencia durante mucho tiempo.
La diferencia que puede convertirse en dinero se decide en el trabajo que viene después.
Una persona vuelve a leer el borrador de la IA. Lo compara con datos reales. Mira cómo reaccionan los clientes. Corrige lo que se rompe en el campo. Vuelve a meter esa información en la IA. Luego juzga otra vez la siguiente salida. Revisa, añade evidencia y cambia de dirección varias veces.
El resultado de ese proceso es distinto. Alguien que solo ejecutó IA una vez no lo puede copiar fácilmente. Una persona volvió a leer el resultado de la IA, lo comparó con datos reales y corrigió los problemas en el campo.
Ganar dinero con IA no significa vender lo que la IA produjo en el primer intento. Empieza cuando la IA hace hasta el fondo lo que sabe hacer, y el ser humano pasa a los juicios más difíciles.
Las empresas aún no han rediseñado el trabajo alrededor de la IA
Muchas empresas no han llegado a ese punto.
Incorporan un chatbot al flujo de trabajo. Resumen reuniones. Redactan respuestas de atención al cliente. Los desarrolladores usan asistentes de código. Solo con eso la productividad mejora. Pero la empresa completa no cambia.
Si el proceso de aprobación sigue igual, la IA puede producir el resultado rápido, pero el tiempo hasta la aprobación no se reduce. Si los datos están dispersos, la IA no puede reunir la evidencia que necesita para decidir. Si nadie tiene autoridad clara para corregir el resultado de la IA y aplicarlo a los sistemas del campo, ese resultado no se usa en el trabajo real. Si los criterios de evaluación siguen siendo los antiguos, la gente usa IA para hacer más rápido los viejos informes, no para crear una forma nueva de trabajar.
Usar bien la IA exige cambiar al mismo tiempo el orden del trabajo, el flujo de datos, la responsabilidad y la revisión. No es cuestión de instalar una herramienta más.
Por eso no es raro que el efecto de la IA tarde en aparecer en el beneficio de las empresas normales. Muchas organizaciones aún no han rediseñado el trabajo alrededor de la IA. Siguen probándola encima del flujo antiguo.
La clave es transmitir la sensación del campo a la IA
La diferencia más grande aparece aquí.
¿El trabajo con IA todavía requiere que una persona esté sentada frente a una computadora? ¿O una persona puede llevar IA puesta en el campo, llamarla en el momento y transmitirle lo que ve, oye, toca y percibe con la mayor fidelidad posible?
La diferencia es grande.
En una fábrica, una persona necesita llamar a la IA mientras mira la máquina. En un laboratorio, necesita comparar una muestra con condiciones anteriores mientras la tiene delante. Lo mismo pasa en hospitales, almacenes, tiendas y reuniones de ventas. La información clave del trabajo no está solo en documentos o código. También está en la máquina, la muestra y la reacción del cliente que la persona tiene delante.
El patrón actual de “vuelvo al escritorio y le pregunto a la IA” tiene un techo. El juicio de campo ocurre en el momento. Ves, oyes, tocas, hablas y decides allí mismo.
Una cámara no basta. En el campo hay información que los ojos no capturan por sí solos. Una máquina suena distinto de lo normal. Una superficie ofrece otra resistencia a la mano. El aire huele o se siente diferente. El tono y la expresión de una persona no encajan. Quien está allí suele sentirlo primero.
Para que la IA procese trabajo real, tiene que recibir información del momento en que el trabajo ocurre. Y el ser humano tiene que poder transmitir a la IA lo que percibe con el cuerpo tanto como sea posible. Solo así la IA juzga lo que ocurre en ese momento, no solo documentos y tablas.
Solo con datos del terreno la IA puede ir más allá de redactar informes y aportar evidencia para decisiones reales.
Si solo piensas en robots, pierdes la parte importante
Cuando la gente imagina la IA entrando en el mundo físico, suele saltar directamente a los robots. La IA obtiene un cuerpo, camina, agarra, mueve, conduce y reemplaza movimiento humano.
Ese camino importa. Pero si solo miras los robots, pierdes una parte importante. En el mundo físico ya hay un cuerpo presente. El cuerpo humano.
Hay una vía intermedia más inmediata: las personas llevan la IA puesta.
Gafas, auriculares, cámaras, micrófonos, sensores de ubicación, sensores de movimiento, datos de temperatura y presión, y datos de equipos se conectan con la IA. La IA ve y oye junto con la persona. Sabe dónde está, qué está mirando y en qué se diferencia la escena actual de los registros anteriores.
Después la persona se mueve. Opera equipos, se reúne con clientes, revisa muestras, ajusta espacios y decide. La IA registra, compara y propone el siguiente movimiento desde el costado.
No es la misma historia que la de robots reemplazando humanos. Es la historia del cuerpo humano convirtiéndose en la interfaz de la IA.
La IA todavía no ha entrado a fondo en el trabajo de campo
Por eso la pregunta “qué empresa ha ganado dinero con IA” solo acierta a medias. Es cierto que muchas empresas todavía no muestran grandes mejoras de beneficio. Pero es demasiado pronto para decir que la IA ya mostró su límite. En muchos lugares, la IA todavía se usa primero en trabajos frente a la computadora: documentos, código, tablas, imágenes, búsqueda.
El cambio real empieza cuando la IA entra en el campo. ¿Una persona solo puede usar IA sentada ante una computadora? ¿O puede llamarla mientras la lleva puesta en el lugar de trabajo? Más aún, ¿qué tan bien puede transmitirle a la IA lo que percibe en ese momento?
Esa diferencia marcará la próxima brecha de productividad.
Mientras la IA siga siendo una herramienta usada frente a la computadora, la competencia se parece bastante. Todos escriben en la misma ventana y reciben respuestas parecidas.
La brecha se abre cuando la IA se vuelve una herramienta que se puede usar directamente en el terreno. Cuando las personas llevan IA puesta y empiezan a ver, juzgar y moverse mejor en el mundo real, también cambia el significado de “ganar dinero con IA”.
Fuentes
- NVIDIA, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026.
- OpenAI, A business that scales with the value of intelligence.
- Anthropic, Anthropic raises Series H to accelerate enterprise, developer, and international growth.
- Deloitte, The State of Generative AI in the Enterprise.
- Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027.