💻 computer science

Code, Capital, and Clusters: Understanding Firm Performance in the UK AI Economy

Este estudio analiza el desempeño de las empresas de IA del Reino Unido desde 2000 hasta 2024, revelando una fuerte dependencia de Londres y de factores específicos de la empresa como el tamaño y la especialización, al tiempo que demuestra que las condiciones socioeconómicas locales influyen significativamente en el crecimiento, abogando así por políticas dirigidas que equilibren la consolidación del sector con la diversificación regional para asegurar un desarrollo sostenible.

Autores originales: Waqar Muhammad Ashraf, Diane Coyle, Ramit Debnath

Publicado 2026-02-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Waqar Muhammad Ashraf, Diane Coyle, Ramit Debnath

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la industria de la Inteligencia Artificial (IA) del Reino Unido como un jardín enorme y bullicioso. Durante las últimas dos décadas, los jardineros han estado plantando semillas (creando nuevas empresas) a un ritmo increíble. Este documento, escrito por investigadores de la Universidad de Cambridge, es como un mapa detallado y un pronóstico del tiempo para este jardín. Querían entender qué plantas están creciendo más, por qué algunas prosperan mientras otras se marchitan, y cómo será el aspecto del jardín en el futuro.

Aquí está la historia de sus hallazgos, desglosada en partes sencillas:

1. La "Burbuja de Londres"

Si observas dónde están plantadas estas empresas de IA, verás un gran desequilibrio. Londres es el invernadero principal.

La metáfora: Imagina un jardín donde 4 de cada 10 plantas están amontonadas en un rincón específico (Londres). Ese rincón está tan lleno de recursos, dinero y trabajadores cualificados que es el que más está creciendo.
La realidad: Alrededor del 41% de todas las empresas de IA activas en el Reino Unido están en Londres. Aunque este rincón es muy productivo, los investigadores advierten que depender tanto de un solo lugar es arriesgado. Si ese rincón se enferma, todo el jardín sufre. El resto del Reino Unido tiene parches de verdor más pequeños y dispersos que no están recibiendo la misma luz solar.

2. ¿Qué hace que una empresa sea "Grande" vs. "Inteligente"?

Los investigadores analizaron qué impulsa el éxito de una empresa, específicamente su dinero (ingresos) y qué tan eficientemente utiliza a sus trabajadores. Encontraron dos "motores" diferentes para el éxito:

Motor A: Tamaño (La regla de "Más grande es mejor")
- La metáfora: Piensa en un camión grande frente a una bicicleta. El camión (una empresa grande con muchos empleados) naturalmente transporta más carga (genera más dinero total) simplemente porque es enorme.
- El hallazgo: El factor más importante para que una empresa genere mucho dinero total es cuántos empleados tiene. Las firmas más grandes generan más efectivo.
Motor B: Especialización (La regla del "Experto")
- La metáfera: Ahora, imagina medir cuánta carga transporta un camión por persona. Una bicicleta con un experto ciclista puede ser más eficiente que un camión con 100 trabajadores perezosos.
- El hallazgo: Para ganar la mayor cantidad de dinero por empleado (productividad), una empresa necesita una profunda experiencia técnica. Los investigadores midieron esto observando las "palabras clave" específicas en el sitio web de una empresa (como "visión computacional" o "IA generativa"). Las empresas con un conjunto de habilidades técnicas muy enfocadas y de alto nivel son las más eficientes, independientemente de su tamaño.

3. El suelo importa (Condiciones locales)

No puedes plantar una semilla en cualquier lugar y esperar que crezca; el suelo importa.

La metáfora: Incluso si tienes una buena semilla (una buena idea de IA), no crecerá bien en un suelo seco y estéril. Necesita un suelo rico con nutrientes (personas educadas) y agua (empleos y densidad de población).
El hallazgo: El éxito de una empresa de IA depende en gran medida del vecindario local. Las zonas con más personas que tienen títulos universitarios (cualificaciones de Nivel 3), mayor densidad de población y más empleos locales ayudan a que las empresas de IA crezcan. Esto demuestra que la IA no es solo tecnología; se trata de la comunidad local que la rodea.

4. El pronóstico del futuro: De un brote salvaje a un bosque maduro

Los investigadores utilizaron modelos informáticos para predecir qué sucederá entre ahora y 2030.

La metáfora: Durante mucho tiempo, el jardín estuvo en una fase de "crecimiento salvaje", con nuevos brotes apareciendo por todas partes. El pronóstico sugiere que el jardín está entrando ahora en una fase de "bosque maduro".
La predicción:
- Desaceleración: El número de nuevas empresas que se están creando probablemente dejará de crecer tan rápido y se estabilizará.
- Consolidación: Veremos más empresas cerrando (disolviéndose). Esto no es necesariamente malo; es como un bosque que adelgaza los árboles débiles para que los fuertes puedan sobrevivir. Se espera que la "tasa de fracaso" aumente ligeramente a medida que el mercado se vuelva más competitivo.
- El resultado: Para 2030, el Reino Unido tendrá un número de empresas estable y ligeramente menor, pero las que permanezcan serán las más fuertes y resilientes.

5. ¿Qué deberían hacer los jardineros (Responsables políticos)?

Basándose en este mapa, los autores sugieren tres cosas principales para el gobierno del Reino Unido:

Plantar nuevos jardines: No riegues solo el rincón de Londres. Invierte en la creación de nuevos "superclústeres" en otras ciudades (como Cambridge, Manchester o Bristol) para que el jardín esté repartido y sea más seguro.
Solucionar dos problemas diferentes:
- Ayudar a las pequeñas empresas a obtener el dinero que necesitan para crecer (escalabilidad).
- Ayudar a las empresas a mejorar en sus habilidades técnicas específicas (especialización).
Prepararse para el adelgazamiento: Dado que algunas empresas inevitablemente cerrarán, el gobierno debe ayudar a las sobrevivientes a crecer y asegurar que, cuando una empresa falle, su conocimiento no se pierda, sino que se transmita.

En resumen: El jardín de la IA del Reino Unido está actualmente demasiado centrado en Londres y, aunque está creciendo, está empezando a frenarse y a organizarse. Para mantenerlo saludable, el Reino Unido necesita repartir el crecimiento a otras regiones y ayudar a las empresas a ser tanto más grandes como más inteligentes.

Resumen Técnico: Código, Capital y Clústeres: Comprendiendo el Desempeño Empresarial en la Economía de la IA en el Reino Unido

Planteamiento del Problema

Si bien el Reino Unido se ha consolidado como un líder mundial en Inteligencia Artificial (IA) —ocupando el tercer lugar detrás de EE. UU. y China con una valoración del sector de £72.3 mil millones—, la literatura existente carece de un análisis granular a nivel de empresa. Los informes gubernamentales de alto nivel identifican impulsores generales como el capital y las reservas de talento, pero no logran mapear la interacción específica entre la especialización técnica, las condiciones socioeconómicas hiperlocales y el desempeño empresarial.

Específicamente, existe una brecha en la comprensión de:

Cómo las variables demográficas a nivel de código postal (p. ej., tasas de cualificación, densidad de población) se correlacionan con los ingresos operativos de las empresas de IA registradas localmente.
La distinción entre empresas de IA "dedicadas" (que desarrollan propiedad intelectual central) y entidades "diversificadas" (que integran la IA en sus estructuras existentes) en cuanto a supervivencia y eficiencia de ingresos.
Perspectivas predictivas sobre el ciclo de vida de estas empresas, específicamente qué impulsa la disolución frente al escalamiento sostenible a medida que el sector madura.

Metodología

El estudio emplea un enfoque longitudinal basado en datos, analizando un conjunto de datos exhaustivo de entidades de IA del Reino Unido desde el 2000 hasta el 2024.

Recopilación y Procesamiento de Datos

Fuentes: La base se construyó utilizando la base de datos "WAIFinder" de UK Research and Innovation (UKRI), expandida mediante web-crawling con glass.ai, y contrastada con Companies House y LinkedIn.
Alcance: El conjunto de datos final comprende 4,392 entidades de IA únicas. Se aplicaron criterios de inclusión estrictos para retener solo "empresas" y "universidades" que desarrollan directamente productos/servicios de IA, excluyendo facilitadores del ecosistema (incubadoras, aceleradoras).
Enriquecimiento: Los registros de las empresas se aumentaron con datos del Censo de 2021 de la Office of National Statistics (ONS) a nivel de código postal, capturando densidad de población, tasas de cualificación de Nivel 3/4+ y densidad de empleo sectorial.
Análisis de Ingresos: Debido a las exenciones de reporte financiero para pequeñas empresas en el Reino Unido, el análisis detallado de ingresos y fuerza laboral se limitó a un subconjunto de 529 entidades que reportaron cuentas completas públicamente.
Ingeniería de Características: La especialización técnica se cuantificó mediante la Frecuencia de Término - Frecuencia Inversa de Documento (TF-IDF) aplicada a los descriptores de los sitios web de las entidades, creando una "puntuación de palabra clave" compuesta para medir la intensidad y distintividad de la cartera técnica de una entidad.

Marco de Modelado

Se llevaron a cabo dos fases analíticas distintas:

Impulsores del Desempeño (Regresión):
- Algoritmo: Se seleccionó CatBoost (Categorical Boosting) por su desempeño superior en conjuntos de datos tabulares.
- Objetivos: Se entrenaron dos modelos para predecir (a) Ingresos Operativos y (b) Ingresos Operativos por Empleado (un indicador de la productividad laboral).
- Características: Las entradas incluyeron variables a nivel de empresa (conteo de empleados, años de servicio, sector, puntuaciones de palabras clave) e indicadores socioeconómicos a nivel de código postal.
- Interpretabilidad: Se emplearon Explicaciones de Shapley Aditivas (SHAP) para cuantificar la contribución marginal de cada variable de entrada a las predicciones.
- Validación: Los modelos se entrenaron con el 80% de los datos y se probaron con el 20% restante, evaluados mediante $R^2$ y el Error Cuadrático Medio (RMSE).
Pronóstico de Crecimiento (Series Temporales):
- Métricas: Se analizaron cuatro métricas de ciclo de vida: Total de entidades de IA, Entidades de IA activas, Entidades disueltas y la Tasa de Disolución.
- Algoritmos: Se compararon cuatro modelos de series temporales univariantes: ARIMA, Theta, Suavizamiento Exponencial (ETS) y Suavizamiento Exponencial Lineal de Fourier de la Mediana (MFLES).
- Optimización: Los hiperparámetros se ajustaron mediante el Estimador de Parzen Estructurado en Árbol (TPE).
- Incertidumbre: Se utilizó la Predicción Conforme para construir intervalos de predicción del 95% para los pronósticos que se extienden hasta 2030.

Resultados Clave

1. Concentración Geográfica y Sectorial

Dominio de Londres: Londres alberga el 41.3% de todas las entidades de IA activas (1,616 empresas).
Desempeño Sectorial: Aunque el sector de Tecnología representa la mayoría de las disoluciones (57.3%), los Servicios Financales Generales reportaron los mayores ingresos operativos medios (£33.9 millones) entre el subconjunto analizado.
Evolución de Palabras Clave: "Machine Learning" (Aprendizaje Automático) e "Artificial Intelligence" (Inteligencia Artificial) siguen siendo las palabras clave más comunes. "Generative AI" (IA Generativa) surgió alrededor de 2015 y formó un clúster distintivo con el Procesamiento de Lenguaje Natural (NLP) para 2024.

2. Impulsores del Desempeño Empresarial

Impulsores de Ingresos: El tamaño de la empresa (rango de empleados) es el predictor dominante de los ingresos operativos totales, representando el 74.85% del poder explicativo. Las empresas más grandes generan mayores ingresos absolutos.
Impulsores de Productividad: La especialización técnica (puntuación de palabras clave) es el principal motor de los ingresos operativos por empleado, contribuyendo con un 83.59%. Esto sugiere que la productividad está ligada a la amplitud y relevancia de las capacidades de IA más que al tamaño de la empresa.
Impacto del Ecosistema Local: Las variables a nivel de código postal (tasas de cualificación de Nivel 3, densidad de población y niveles de empleo local) proporcionan contribuciones marginales significativas tanto para los ingresos como para la productividad, confirmando que el crecimiento de la IA está integrado en los ecosistemas socioeconómicos regionales.

3. Pronóstico hacia 2030

Los modelos proyectan una transición de un crecimiento de alta expansión hacia una fase de consolidación:

Total de Entidades: Se espera que el crecimiento se estanque, alcanzando aproximadamente 4,651 entidades totales para 2030 (IC 95%: 4,323–4,979).
Base Activa: Se proyecta que el número de entidades activas alcance las 4,410 (PI 95%: 3,672–5,149), lo que indica un crecimiento modesto pero estable.
Disoluciones: Se pronostica que el número absoluto de disoluciones aumentará significamente hasta alcanzar las 316 para 2030.
Tasa de Disolución: La tasa de disolución anual se proyecta que se estabilizará en aproximadamente un 2.21%, sugiriendo un mercado en maduración donde las empresas menos productivas salen mientras que el núcleo del sector permanece resiliente.

Principales Contribuciones y Significado

El documento afirma proporcionar el primer mapeo multidimensional a nivel de empresa de la economía de la IA en el Reino Unido que integra la especialización técnica con datos socioeconómicos hiperlocales. Su importancia radica en tres áreas:

Evidencia Empírica para Políticas Sensibles al Lugar: El estudio desafía las políticas de innovación puramente sectoriales al demostrar que los factores locales (educación, densidad) son críticos para el desempeño de las empresas. Argumenta a favor del cultivo de capacidades regionales de IA más allá de Londres para mitigar riesgos sistémicos y la desigualdad regional.
Diferenciación de Estrategias de Crecimiento: El análisis distingue entre dos vías para el crecimiento económico: escalar el tamaño de la empresa (para impulsar los ingresos agregados) y profundizar la especialización técnica (para impulsar la productividad). Esto sugiere que la política debe abordar las brechas de capital para el escalamiento y, simultáneamente, fomentar vías para la comercialización de la investigación de frontera.
Perspectiva Estratégica sobre la Consolidación: Los resultados del pronóstico indican que el sector está entrando en una fase de maduración caracterizada por la consolidación del mercado. Los autores argumentan que esto no es una señal de declive, sino una transición hacia un ecosistema más estable. Proponen que la política debe cambiar de apoyar únicamente la creación de startups a ayudar a las empresas viables a navegar las transiciones de crecimiento y gestionar las "salidas de preservación de conocimiento" durante la consolidación.

Los autores concluyen que las intervenciones dirigidas y basadas en evidencia son esenciales para transformar este periodo de consolidación en una ventaja competitiva sostenida, asegurando que la economía de la IA en el Reino Unido sea geográficamente equilibrada, productiva y resiliente.