Bloomberg Línea — La inteligencia artificial vuelve a enfrentar a quienes anticipan una revolución económica con quienes advierten riesgos extremos. Deutsche Bank pone ese debate frente a un espejo incómodo: la historia tecnológica está llena de grandes predicciones que parecían convincentes y terminaron equivocadas.
Ver más: ¿Una y nada más? El debate que divide a Wall Street sobre el rumbo de la Fed
La discusión llega cuando las preocupaciones sobre la IA han pasado de una amenaza sobre el software y el empleo al riesgo de extinción. Al mismo tiempo, el futuro de un boom histórico de inversión depende de que las expectativas sobre la tecnología terminen convirtiéndose en resultados reales.
La dificultad no reside únicamente en anticipar qué podrá hacer la IA. También importa cuándo alcanzará esas capacidades y con qué rapidez las empresas podrán incorporarlas. Deutsche Bank calcula que solo los hiperescaladores invertirán más de US$5 billones durante los próximos cinco años.
El pulso entre los llamados “doomers”, que advierten sobre una posible catástrofe existencial, y los “boomers”, que confían en el potencial de la tecnología, ha marcado el desarrollo de los principales laboratorios de IA. En Silicon Valley incluso se utiliza el “p(doom)” para expresar la probabilidad estimada de que la IA provoque una catástrofe existencial.
Adrian Cox, analista de investigación del banco alemán, recuerda que “la predicción es muy difícil, especialmente si se trata del futuro”, una frase de Niels Bohr también atribuida con frecuencia a Yogi Berra. Para los inversionistas, esa incertidumbre se traslada directamente a las valoraciones de los activos.
De cinco computadoras al iPhone
Las predicciones fallidas no siempre subestimaron una tecnología. En 1995, Bob Metcalfe, coinventor de Ethernet y fundador de 3Com, pronosticó que internet se volvería “espectacularmente supernova” y colapsaría en 1996. Cuando no ocurrió, trituró una copia de su artículo en una licuadora y se la bebió en una conferencia en 1997.
La historia también ofrece errores en la dirección contraria. En 1943, el presidente de IBM (IBM), Thomas Watson, sostuvo que creía “que existe un mercado mundial para quizás cinco computadoras”, una estimación que terminó muy lejos de la demanda que alcanzaría posteriormente la tecnología.
→ Suscríbete al newsletter Línea de Mercado, una selección de Bloomberg Línea con las noticias bursátiles más destacadas del día.
Albert Einstein tampoco anticipó correctamente la velocidad del desarrollo nuclear. En 1934 afirmó que “no existe la menor indicación de que (la energía nuclear) pueda llegar a obtenerse”. En 1942, un equipo de la Universidad de Chicago logró la primera reacción en cadena autosostenida.
Otros errores llegaron cuando una nueva tecnología ya estaba frente a sus críticos. Steve Ballmer, entonces CEO de Microsoft (MSFT), sostuvo en 2007 que “no hay ninguna posibilidad de que el iPhone vaya a conseguir una cuota de mercado significativa”. Desde su lanzamiento se han vendido más de 3.000 millones de iPhones.
Incluso quienes construyeron algunas de las mayores plataformas digitales dudaron de su potencial. Steve Chen, cofundador y director de tecnología de YouTube, dijo en 2005 que “simplemente no hay tantos videos que quiera ver”. Google (GOOGL) compró YouTube por US$1.650 millones un año después.
El patrón alcanza también a la propia IA. Geoffrey Hinton afirmó en 2016 que “la gente debería dejar de formar radiólogos ahora”. Deutsche Bank apunta, sin embargo, a que el número de estos especialistas aumentó alrededor de 10% durante la última década, en parte por las limitaciones de la IA y por una mayor demanda.
Sam Altman también revisó sus previsiones. En 2025, el CEO de OpenAI estimó que entre 30% y 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 las implicaciones económicas y sociales. “Estoy encantado de estar equivocado en esto”, afirmó.
¿Por qué es tan difícil anticipar el impacto de la IA?
Para Deutsche Bank, una parte del problema nace de tratar sistemas complejos como si fueran lineales. Economías, mercados y tendencias sociales reaccionan a variables difíciles de aislar, mientras pequeños cambios pueden producir resultados muy distintos a los previstos inicialmente.
Ver más: De Nvidia a AMD: las acciones de IA más golpeadas del S&P 500 y qué está pasando
Los vehículos autónomos ilustran esa brecha. No basta con mejorar algoritmos y capacidad de procesamiento. Existen situaciones excepcionales en las carreteras, obstáculos regulatorios y barreras psicológicas que retrasan una adopción que durante años fue presentada como inminente.
La misma lógica alcanza a la inteligencia artificial. Cox sostiene que “el futuro de la IA dependerá, en última instancia, 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”.
Los sesgos cognitivos añaden otra dificultad. Las personas tienden a pensar de manera lineal incluso frente a cambios exponenciales, además de subestimar costos y sobreestimar beneficios. Entre más de 3.000 megaproyectos estudiados por Saïd Business School, solo 0,2% cumplió presupuesto, plazo y beneficios previstos.
Ese antecedente adquiere relevancia ante la expansión de los centros de datos. El informe no determina cuál será su desenlace, pero plantea una referencia para evaluar una infraestructura levantada bajo expectativas extraordinarias sobre la demanda futura de capacidad informática.
También existen incentivos para llevar las previsiones hacia los extremos. Cox advierte que “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 amplifican ese efecto. Según el analista, estas plataformas favorecen la novedad, la negatividad, la intensidad moral y la facilidad para compartir, por lo que las afirmaciones moderadas tienden a distribuirse menos, mientras las posiciones extremas reciben una mayor recompensa.
Ver más: Oro vs. bitcoin: cuánto tener de cada uno y qué riesgos considerar en un portafolio de inversión
Entre el apocalipsis y el boom
Las advertencias actuales incluyen escenarios de extinción, mientras sus críticos sostienen que el problema puede estar menos en una IA demasiado inteligente que en sistemas limitados, probabilísticos e incapaces de seguir instrucciones con plena fiabilidad. El debate también abarca ciberseguridad, falsificaciones y derechos de autor.
La historia muestra, además, que acertar sobre la tarea que desaparecerá no equivale a anticipar qué harán después los trabajadores. Las computadoras fueron presentadas como una amenaza para los empleos administrativos y terminaron convertidas en una herramienta central del trabajo basado en conocimiento.
Algo similar ocurrió con las calculadoras y la computación en la nube. Las primeras despertaron temores sobre una dependencia tecnológica en las aulas. En 2009, alrededor de la mitad de las empresas consultadas citaba la seguridad y la privacidad como principal razón para evitar la nube.
Cox recupera en ese punto una máxima del científico informático Roy Amara: “sobreestimamos el impacto de la tecnología a corto plazo y subestimamos el efecto a largo plazo”. La incógnita es si la inteligencia artificial seguirá esa trayectoria o romperá el patrón observado con tecnologías anteriores.
La prueba decisiva, sin embargo, estará lejos de las predicciones más espectaculares. La adopción empresarial, la capacidad de integrar la IA en los flujos de trabajo y el retorno de las inversiones marcarán cuánto del boom actual se convierte en productividad. Para Deutsche Bank, el futuro de la IA no se hará en Silicon Valley, sino en Main Street.
