IA y calidad del beneficio: cuando las fricciones dejan de proteger el margen
La inteligencia artificial no solo crea nuevos ganadores bursátiles. También obliga a distinguir entre beneficios realmente defendibles y márgenes prestados por la ineficiencia.
Durante los últimos meses, buena parte del debate bursátil sobre inteligencia artificial se ha concentrado en la pregunta más evidente: qué compañías se benefician directamente de esta nueva fase tecnológica. Semiconductores, proveedores de nube, centros de datos, infraestructura eléctrica, software, grandes plataformas digitales y empresas vinculadas al despliegue de capacidad de cómputo han ocupado, con razón, el centro de la conversación.
La magnitud de la inversión es extraordinaria. Los grandes proveedores de infraestructura digital están comprometiendo niveles de inversión en capital —capex— que reflejan hasta qué punto la IA se ha convertido en una prioridad estratégica. Sin embargo, esta es solo la primera lectura: la más visible y, probablemente, la más descontada por el mercado.
Desde una perspectiva de inversión fundamental, en Dunas Capital creemos que la inteligencia artificial debe analizarse también desde otro ángulo: no solo como una fuente de crecimiento, sino como una prueba de calidad del beneficio empresarial. La pregunta relevante no es únicamente quién vende la infraestructura de la IA, sino qué ocurre cuando esa infraestructura empieza a abaratar, acelerar o automatizar tareas que antes sostenían buena parte del margen.
Dicho de otro modo: la IA no solo puede crear nuevas ventajas competitivas. También puede poner en evidencia aquellas que dependían más de la fricción que de una escasez estructural.
El margen prestado por la ineficiencia
No todo margen elevado es un margen defendible.
Durante décadas, muchas compañías han generado valor porque resolvían problemas reales: producían mejor, distribuían mejor, diseñaban mejor, construían marcas más fuertes, integraban procesos críticos o mantenían una relación de confianza difícil de sustituir. En esos casos, el beneficio descansa sobre activos verdaderamente escasos: escala, marca, datos propios, propiedad intelectual, distribución, excelencia operativa difícil de replicar o reputación.
Pero no todos los beneficios tienen esa misma naturaleza.
Algunas empresas han obtenido parte de su rentabilidad porque el mundo funcionaba con fricciones: información dispersa, procesos lentos, burocracia, intermediación necesaria, documentación repetitiva, falta de transparencia o costes de transacción elevados. Mientras esas fricciones eran inevitables, podían convertirse en negocio. Si encontrar información era costoso, quien la ordenaba podía capturar valor. Si comparar proveedores era complejo, el intermediario ganaba poder. Si producir documentación requería muchas horas de trabajo cualificado, el proveedor retenía margen.
La IA cuestiona precisamente esa rentabilidad: la que dependía de que el cliente tuviera pocas alternativas.
Cuando una fricción desaparece, también puede desaparecer parte del poder de fijación de precios que dependía de ella. Por eso, una de las preguntas más relevantes para el análisis de renta variable será cada vez más sencilla, pero también más exigente: ¿cuánto del beneficio de una compañía existe porque el mundo todavía es ineficiente?
Esa pregunta cambia el marco de análisis. Dos compañías pueden presentar márgenes elevados, crecimiento estable y buena generación de caja, pero no tener la misma calidad de beneficios. Una puede estar protegida por ventajas estructurales difíciles de replicar. Otra puede estar protegida por complejidad, opacidad, exceso de pasos o tareas que hasta ahora no habían sido automatizadas a gran escala.
En una cuenta de resultados, ambas pueden parecer parecidas. En valoración, no lo son. La primera tiene más capacidad para capturar productividad y convertirla en margen duradero. La segunda corre el riesgo de que esa productividad se traslade al cliente en forma de menores precios, menor demanda o mayor competencia.
La IA no sustituye empresas: sustituye razones para cobrar
Una de las grandes equivocaciones del debate actual consiste en tratar la IA como una amenaza homogénea para sectores enteros. Tecnología, ganadora. Servicios intensivos en mano de obra, perdedores. Compañías industriales, ajenas al fenómeno. Software, beneficiado de forma automática.
La realidad será mucho más selectiva.
La naturaleza del margen importa más que la etiqueta sectorial. Dentro de un mismo sector pueden convivir compañías cuyo margen se refuerza con la automatización y compañías cuyo margen se comprime precisamente porque la automatización reduce la escasez de aquello que vendían.
En software, algunas empresas podrán mejorar producto, aumentar productividad interna y elevar la retención de clientes. Otras verán cómo funcionalidades antes diferenciales se integran en herramientas más amplias y pierden capacidad de diferenciación.
En servicios profesionales, el juicio experto, la confianza, la relación directa y la capacidad de interpretar contextos complejos seguirán siendo valiosos. Pero muchas tareas repetitivas de búsqueda, análisis, documentación o preparación de materiales perderán poder de fijación de precios.
En información financiera, legal o crediticia, los datos propietarios, la trazabilidad, la reputación y la confianza seguirán siendo activos defensivos. La mera agregación de información pública, en cambio, será cada vez menos defendible.
Por eso, el análisis no debería centrarse solo en si una compañía “usa IA”. En poco tiempo, usarla será una condición mínima para competir. La pregunta verdaderamente relevante será si la compañía conserva algo escaso cuando sus clientes, competidores y proveedores también tengan acceso a mejores herramientas.
El riesgo no es que la IA sustituya a todas las empresas. El riesgo es que sustituya las razones por las que algunas empresas podían cobrar lo que cobraban.
Tres tipos de beneficio ante la IA
En la primera fase de cualquier innovación, el mercado tiende a premiar la adopción. Las compañías que anuncian pilotos, acuerdos estratégicos, inversión o integración de IA parecen mejor posicionadas. Sin embargo, cuando una tecnología se generaliza, la adopción deja de ser una ventaja competitiva y se convierte en una obligación. A partir de ese momento, lo importante no será quién implementa la herramienta, sino quién conserva la capacidad de capturar el valor que esa herramienta genera.
Desde ese punto de vista, la IA puede actuar como un amplificador de ventajas reales y como un detector de ventajas aparentes. Refuerza a las compañías que poseen activos difíciles de copiar y debilita a aquellas cuya rentabilidad dependía, en parte, de que el cliente no tuviera una alternativa sencilla.
Una forma útil de ordenar el análisis es distinguir entre tres tipos de beneficio.
El primero es el beneficio protegido por ventaja real. Es el que descansa sobre marca, escala, red, datos propietarios, propiedad intelectual, distribución, procesos operativos difíciles de replicar o confianza. En estos casos, la IA puede incluso reforzar la posición competitiva, porque permite mejorar productividad sin erosionar necesariamente el poder de precios.
El segundo es el beneficio apoyado en fricción. Es el que depende de complejidad, opacidad, intermediación, procesos manuales, asimetría informativa o burocracia. Este tipo de beneficio es más vulnerable, porque parte de su valor procedía de la dificultad del cliente para comparar, sustituir o internalizar el servicio.
El tercero es el beneficio en transición. Corresponde a negocios que pueden ganar eficiencia con IA, pero donde esa mejora corre el riesgo de ser compartida por toda la industria. En estos casos, la productividad existe, pero no necesariamente se queda en el accionista. Puede acabar transferida al cliente, al proveedor, al competidor o al conjunto del mercado.
Esta clasificación no sustituye al trabajo de valoración. Lo complementa. Las métricas financieras siguen siendo imprescindibles: crecimiento de ventas, márgenes, conversión de caja, retorno sobre el capital, generación de flujo de caja libre, endeudamiento y precio pagado. Pero ya no bastará con observar cuánto gana una compañía. Habrá que analizar con mayor profundidad por qué lo gana.
Porque en una transición tecnológica, la pregunta clave no es solo si una empresa puede mejorar. La pregunta es si esa mejora se queda dentro de la compañía o acaba siendo capturada por otros.
Ahí se distinguen las compañías que simplemente incorporan IA de aquellas que pueden convertirla en valor duradero para el accionista.
Conclusión: la IA como prueba de calidad del beneficio
La inteligencia artificial no elimina la necesidad de analizar compañías. La hace más exigente.
El mercado ya ha empezado a valorar a los grandes beneficiarios de la infraestructura de IA. La siguiente fase será más selectiva: distinguir entre las empresas capaces de retener esa productividad y aquellas cuyo margen dependía de fricciones que empiezan a desaparecer. Para el inversor, la pregunta clave no será solo quién crece con la IA, sino quién conserva poder de precios cuando buscar, comparar, documentar, analizar y ejecutar se vuelva más barato.
Ahí estará la diferencia entre beneficios altos y beneficios realmente defendibles.
