La inteligencia artificial ya dejó de ser una promesa futurista para convertirse en una de las grandes apuestas del mercado global. Sin embargo, detrás del entusiasmo por el crecimiento de las compañías vinculadas a semiconductores y grandes modelos de lenguaje, Goldman Sachs Research advierte que todavía existe un problema de fondo: la mayoría de las empresas aún no logra obtener retornos concretos de sus inversiones en IA.
Según el informe elaborado por el equipo liderado por James Covello, director de Análisis de Renta Variable Global de Goldman Sachs, el éxito de la IA dependerá menos de la potencia tecnológica y más de la capacidad de las organizaciones para integrarla de manera eficiente y rentable.
La verdadera discusión: cómo generar valor con IA
Más allá de la lógica financiera, Goldman Sachs sostiene que la gran incógnita sigue siendo cómo transformar la IA en productividad real dentro de las empresas, atendiendo a que el problema actual ya no está tanto en la capacidad de los modelos, sino en la estructura interna de las organizaciones.
“Creemos que la estructura y la orquestación de datos son factores críticos para impulsar la IA en la empresa”, sostiene el informe. En otras palabras, muchas compañías intentan incorporar inteligencia artificial sin contar con datos correctamente organizados, integrados o accesibles. Y eso limita cualquier posibilidad de obtener resultados concretos.
Por eso, los investigadores proponen sumar una nueva “capa” entre las empresas y los desarrolladores de modelos de IA. Esa instancia tendría la función de administrar flujos de trabajo, decidir qué tipo de modelo utilizar según complejidad y costos, y optimizar recursos.
Así, tareas simples y masivas podrían resolverse con modelos más livianos o de código abierto, mientras procesos complejos o sensibles utilizarían herramientas más avanzadas y costosas.
Modelos pequeños y soluciones más eficientes
Uno de los puntos que más destaca el informe es el crecimiento potencial de los Small Language Models (SLM), es decir, modelos de lenguaje más pequeños y específicos. A diferencia de los grandes sistemas generalistas que dominan actualmente el mercado, estos modelos pueden entrenarse para tareas concretas, funcionar más rápido y reducir significativamente costos operativos.
“Los modelos pequeños pueden ser más rápidos y aumentar la precisión, a la vez que su entrenamiento y uso son mucho menos costosos”, explica Covello. La lógica detrás de esta estrategia apunta a construir soluciones específicas para determinados flujos de trabajo en lugar de depender únicamente de modelos gigantescos y caros.
El informe también remarca que la organización de datos será determinante para cualquier implementación exitosa. Como ejemplo, menciona el caso de empresas minoristas que buscan utilizar IA para recomendaciones personalizadas: sin bases de datos integradas entre inventario, comportamiento de clientes y algoritmos de consumo, las herramientas pierden efectividad.
IA empresarial: una carrera de largo plazo
Para Goldman Sachs, la presión por demostrar avances rápidos en inteligencia artificial está llevando a muchas compañías a apresurarse sin resolver primero los problemas estructurales necesarios. “Ahora conviene ir despacio para poder acelerar después”, resume Covello.
En ese sentido, el informe plantea que las organizaciones que logren construir buenas bases de datos, modelos eficientes y sistemas de implementación inteligentes serán las que realmente capturen el potencial económico de la IA en los próximos años.
Mientras tanto, el mercado sigue observando otro fenómeno paralelo: el impacto de la inteligencia artificial sobre distintas industrias. Publicidad, software, ciberseguridad y transporte aparecen entre los sectores donde la disrupción podría ser más profunda. Desde automatización de campañas publicitarias hasta robotaxis y camiones autónomos, Goldman Sachs estima que solo en transporte la transformación podría alterar un mercado de hasta 440.000 millones de dólares en Estados Unidos.
Sin embargo, por ahora, el impacto laboral masivo todavía no se materializó. Aunque la IA reemplaza ciertos puestos, también genera nuevas oportunidades y aumenta productividad en otros sectores.
