El último argumento de Apollo sobre el retorno de la IA da a las empresas un motivo para exigir mejores pruebas antes de ampliar el gasto en software. No establece el resultado de un proceso concreto con IA. Los ingresos por empleado, los márgenes y la productividad del conjunto de la economía responden a preguntas relacionadas, pero distintas.
En una nota de The Daily Spark del 24 de octubre de 2026, el economista jefe de Apollo, Torsten Slok, sostiene que los beneficios financieros no se han extendido más allá de las mayores compañías vinculadas a la tecnología. Describe ingresos por trabajador y márgenes crecientes en las Siete Magníficas, frente a medidas planas en las otras 493 empresas del S&P. Es un nuevo comentario sobre la evidencia, no la publicación de un experimento controlado de implantación.
Empieza por la población que hay detrás de la afirmación
La etiqueta S&P 493 se refiere al resto de ese índice bursátil después de retirar el grupo de siete empresas. No debe leerse como un censo de todos los empleadores ajenos a la tecnología ni de todos los usuarios de IA.
Apollo indica que su comparación de ingresos por trabajador está ajustada por inflación al cuarto trimestre de 2019. Eso ayuda a definir la medida, pero sigue siendo una división de ingresos entre trabajadores. No es la misma magnitud que la producción real por hora o el coste de completar una tarea empresarial.
Un patrón de grupo puede coexistir con resultados diferentes entre sus integrantes. Para establecer un efecto de la IA haría falta una comparación que distinguiera la implantación de otros cambios en el negocio. Es un límite de la inferencia que permiten esas medidas agregadas, no una afirmación de que TechKili haya encontrado aumentos de productividad ocultos.
Mantén separadas las medidas de productividad
La publicación del Bureau of Labor Statistics del 3 de septiembre define la productividad laboral como producción real por hora. Recoge un crecimiento del sector empresarial no agrícola del 1,4 % a tasa trimestral anualizada en el segundo trimestre de 2026 y del 2,2 % frente al mismo trimestre del año anterior. Ninguna cifra mide por sí sola la contribución de la IA.
La productividad total de los factores adopta una contabilidad más amplia del trabajo y el capital. La metodología de la Reserva Federal de San Francisco, actualizada el 8 de octubre, describe ajustes por cambios en la intensidad de uso de esos recursos. Importa porque utilizar más los equipos existentes y mejorar el proceso productivo subyacente pueden elevar la producción por trabajador.
En su análisis del 3 de septiembre, la investigadora Huiyu Li explica cómo la inversión en capital, la composición de la plantilla y la utilización de recursos pueden contribuir al crecimiento de la productividad laboral. Considera incierta la contribución de la IA al conjunto de la economía. Que aumente la producción por hora no basta para atribuírselo a la IA; una señal agregada no concluyente tampoco permite asignar valor cero a todas las implantaciones.
Define las pruebas antes de aumentar el presupuesto
Para una empresa, la respuesta útil es un plan de medición aplicado al mismo trabajo antes y después del cambio. Define la producción aceptada, el tiempo de entrega, las correcciones y la revisión humana necesarias. Incluye el gasto en tokens, integración y trabajo operativo al calcular el coste por tarea completada.
Un primer borrador más rápido puede necesitar tantas correcciones que se pierda el ahorro. A la inversa, un proceso puede resultar útil sin mover de forma visible los ingresos por trabajador de una gran empresa cotizada. Son posibilidades que evaluar, no resultados observados por TechKili.
Amplía el uso solo cuando el resultado medido cumpla los requisitos de calidad y coste del negocio. La cautela de Slok es pertinente para esa decisión, pero ni una afirmación pesimista general ni la promesa de productividad de un proveedor sustituyen las pruebas del trabajo que se está financiando.
Fuentes
Apollo: comentario de Torsten Slok sobre el retorno de la IA del 24 de octubre
BLS: revisión del segundo trimestre publicada el 3 de septiembre
Reserva Federal de San Francisco: metodología de productividad total de los factores
Reserva Federal de San Francisco: análisis de Huiyu Li del 3 de septiembre
Artículos Relacionados
Google Personal Intelligence puede llevar el contexto de las apps conectadas a los anuncios
La política de octubre y la ayuda de Google permiten usar contexto derivado de apps conectadas para anuncios. Conexiones, publicidad e historial se gestionan por separado.
Etsy prohíbe las guías prácticas escritas por IA y exige mostrar resultados reales
La actualización de Etsy distingue el arte asistido por IA de las instrucciones prácticas y refuerza las pruebas que deben aportar las imágenes de los anuncios.
vLLM TorchTPU reutiliza modelos PyTorch; la validación depende de cada TPU
El nuevo backend conserva las definiciones de modelos y la interfaz de vLLM. El hardware, los checkpoints y la compilación requieren evaluaciones distintas.
RTX Spark lleva PyTorch con CUDA a Windows Arm64, con dependencias por revisar
Nvidia documenta compilaciones Windows Arm64 al llegar los portátiles RTX Spark. Los desarrolladores deben comprobar paquetes Python, extensiones y controladores.