En “Posibilidades económicas para nuestros nietos”, Keynes hizo una distinción entre dos tipos de necesidades humanas. Al respecto escribió que, por un lado, están las absolutas, que existen independientemente de lo que les ocurra a los demás, y las relativas, cuya satisfacción depende de sentirse por encima del prójimo. Las primeras, decía, pueden saciarse, pero las segundas no. De hecho, estas últimas son insaciables por definición, porque su combustible es la comparación. Keynes creía que, una vez resueltas las necesidades absolutas mediante el progreso técnico, la humanidad podría finalmente descansar, pero lo que no calculó es que las empresas operan permanentemente en el territorio de las relativas. Por lo tanto, en los mercados, la comparación nunca descansa.
Eso ayuda a entender algo que muestran los datos de 2026. Según el análisis de Exponential View sobre earnings calls del índice S&P 500, entre el cuarto trimestre de 2022 y el primero de 2026, siete de cada 10 aplicaciones corporativas de inteligencia artificial que las empresas reportan públicamente apuntan a reducción de costos o ganancias de eficiencia. Solo una fracción minoritaria menciona crecimiento de ingresos, expansión de mercado o generación de nuevos productos. Por ahora, la tecnología que se presenta como la más transformadora en décadas se está desplegando, en su mayoría, para replicar las tareas preexistentes pero a un costo menor.
A nivel del balance de las empresas, el mismo millón de dólares de impacto produce resultados muy distintos dependiendo de dónde se aplique. Si viene de ahorro en costos, mejora el margen neto en aproximadamente cuatro puntos porcentuales más que si viene de un millón adicional en ventas. Esto no es una anomalía contable, sino la consecuencia directa de cómo funcionan los estados de resultados. Los ahorros caen directamente a la utilidad; mientras que el crecimiento en ingresos arrastra consigo costos variables. En un entorno donde los accionistas monitorean márgenes trimestralmente y la competencia no da tregua, ningún director financiero puede ignorar esa diferencia. La lógica del balance empuja sistemáticamente hacia la eficiencia, y la inteligencia artificial es, por ahora, la herramienta más poderosa que existe para perseguirla.
De hecho, el problema es distributivo, porque cuando la IA se despliega para reducir costos, el beneficio va al margen operativo, no al salario ni al mercado. La productividad que Keynes imaginaba redistribuida en tiempo libre (las 15 horas semanales que mencionábamos en la entrega anterior) se convierte en utilidad por acción. No desaparece, sino que se redirige hacia quienes ya están en la parte superior de la distribución.
Esto conecta directamente con lo que documentamos en “Récord” hace algunos meses: empresas con ganancias históricas que simultáneamente contraen sus plantillas. Aunque parezca una contradicción, en realidad es la expresión más visible del sesgo que describen los datos. La inteligencia artificial no está creando nueva riqueza distribuida; está comprimiendo la estructura de costos de las empresas que pueden pagarla, y esa compresión beneficia a sus accionistas antes que a sus trabajadores o a sus clientes.
Para México, el razonamiento se vuelve más sombrío. Si el sesgo hacia eficiencia domina incluso en empresas del S&P 500 (con equipos sofisticados de estrategia tecnológica, acceso a capital y horizontes de planeación de varios años), la presión sobre empresas medianas mexicanas apunta probablemente en la misma dirección, pero con menos recursos para administrar la transición. No hay datos nacionales verificables sobre patrones de adopción de IA en el sector empresarial mexicano, pero la estructura del incentivo es la misma: en un entorno competitivo, quien puede ahorrar, ahorra. Y quien ahorra primero, gana dos veces.
Keynes pensaba que las necesidades relativas eran una debilidad del carácter humano, algo que el progreso eventualmente superaría. Lo que la evidencia de 2026 sugiere es que son, en realidad, la gramática del mercado. Con la adopción de herramientas basadas en inteligencia artificial no se resuelven todas las necesidades, pero su administración sí resulta más eficiente.
