📈 economics

AI Premium

Utilizando un conjunto de datos patentado masivo de 380 billones de tokens de IA, este artículo identifica una "Prima de IA" significativa y heterogénea donde las empresas con alta exposición a modelos de IA avanzados y de código cerrado y habilidades de trabajo interactivas obtienen retornos bursátiles sustanciales posteriores, mientras que tales primas están ausentes en mercados emergentes y en el uso de IA de pesos abiertos o casual.

Autores originales: Nicola Borri, Yukun Liu, Aleh Tsyvinski

Publicado 2026-06-30

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nicola Borri, Yukun Liu, Aleh Tsyvinski

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 economía global como una ciudad enorme y bulliciosa. Durante años, la gente ha estado adivinando qué vecindarios prosperarán y cuáles se desvanecerán a medida que llega una nueva tecnología. Este documento, escrito por tres economistas, decide dejar de adivinar y empezar a medir. Construyeron un microscopio gigante de alta definición para observar exactamente cuánto "combustible de IA" (llamado tokens) se está quemando en tiempo real, y luego verificaron cómo reaccionó el mercado de valores a ese combustible.

Aquí está la historia de sus hallazgos, desglosada en conceptos simples.

1. El medidor de "Combustible de IA"

Los autores utilizaron un conjunto de datos único llamado OpenRouter. Piensa en OpenRouter como una gran gasolinera que vende combustible a cientos de diferentes motores de IA (como GPT, Claude, Llama, etc.) al mismo tiempo.

Los Datos: Observaron 380 billones de "tokens" (las unidades básicas de trabajo de la IA) siendo utilizados durante dos años.
La Escala: Esto no es solo una pequeña muestra; cubre aproximadamente el 2% de todo el uso de IA a nivel mundial. Es como tener una cámara en cada coche de una ciudad importante, no solo en unos pocos.
El "Factor de IA": Convirtieron esta enorme cantidad de datos en un único "velocímetro" llamado Factor de IA. Este medidor mide qué tan rápido crece el uso de la IA en términos de volumen (tokens), dinero gastado y el número de personas que lo utilizan.

2. La "Prima de IA": ¿Quién recibe la recompensa?

El descubrimiento central es que el mercado de valores ha comenzado a valorar una recompensa especial para las empresas que están estrechamente vinculadas a este combustible de IA. Ellos lo llaman la Prima de IA.

La Analogía: Imagina que se está inventando un nuevo motor eléctrico súper eficiente. Algunas compañías de coches ya están construyendo coches con estos motores; otras todavía están estancadas con los viejos motores de gasolina. El mercado de valores se da cuenta de que las empresas que construyen los nuevos motores están asumiendo un riesgo (¿qué pasa si la nueva tecnología falla?, ¿qué pasa si cambian las regulaciones?), por lo que los inversores exigen un mayor rendimiento potencial para mantener sus acciones.
El Resultado: Las empresas cuyas acciones se mueven con el crecimiento del uso de la IA (un "Beta de IA" alto) obtuvieron rendimientos significativamente mayores que aquellas que no lo hicieron.
- La Cifra: Una estrategia que compraba las empresas con mayor exposición a la IA y vendía las menos expuestas ganó alrededor de 64 centavos por cada $100 invertidos, cada semana. Esa es una cantidad de dinero masiva en el mundo financiero.

3. No son solo empresas "Tecnológicas"

Un error común es pensar que solo las empresas de Silicon Valley se benefician de la IA. Este documento muestra que la Prima de IA es mucho más amplia.

La Metáfora: Piensa en la IA no como un tipo específico de coche, sino como un nuevo tipo de electricidad. No solo alimenta la fábrica de bombillas; alimenta la panadería, el hospital y el patio de carga.
Los Hallazgos:
- Ganadores: La prima fue enorme en el comercio minorista (retail), bienes de consumo e industria pesada. Estas son empresas que usan la IA para gestionar cadenas de suministro, hablar con clientes o optimizar la logística.
- Perdedores: Sorprendentemente, algunas empresas de atención médica y bienes no duraderos tuvieron una conexión negativa con la IA. El mercado parece temer que la IA pueda disrumpir sus modelos de negocio específicos más de lo que los ayuda.
- Geografía: Esta prima solo existe en mercados desarrollados (como EE. UU. y Europa). En los mercados emergentes, incluyendo China, el efecto fue invisible. Parece que los inversores solo recompensan la exposición a la IA donde la tecnología está siendo realmente desplegada y adoptada por usuarios sofisticados.

4. ¿Quién usa el "Buen" Combustible?

No todo el uso de la IA es igual. El documento encontró que el mercado de valores solo recompensa el uso de IA serio y de alta intensidad, no el chat casual.

El Margen "Intensivo": La prima proviene de:
- Modelos de Código Cerrado: Usar la IA más avanzada, cara y propietaria (como las versiones más recientes de GPT o Claude) en lugar de las versiones abiertas y gratuitas.
- Usuarios Experimentados: Empresas y desarrolladores que han estado usando la IA durante mucho tiempo, no solo novatos que la están probando por primera vez.
- Tareas Complejas: Usar la IA para prompts largos y complicados (como programación o investigación científica) en lugar de preguntas cortas y simples.
La Conclusión: El mercado está apostando a que la IA será una herramienta poderosa para expertos e industrias pesadas, no solo un juguete para usuarios casuales.

5. Empleos: Los "Habladores" vs. Los "Pensadores"

Los autores mapearon estos resultados empresariales hasta habilidades laborales específicas. Se preguntaron: "¿Qué habilidades humanas cree el mercado que serán más valiosas a medida que la IA crezca?"

El Giro Sorprendente: Podrías pensar que la IA valoraría las habilidades analíticas "inteligentes" (matemáticas, ciencia, lógica). Los datos dicen lo contrario.
Los "Habladores" Ganan: Las habilidades con la mayor exposición positiva a la IA son la interacción, la persuasión, la instrucción y la comunicación. Los trabajos que implican hablar con la gente, negociar, enseñar o coordinar sistemas complejos son vistos como los "eslabones débiles" que la IA no puede reemplazar fácilmente.
Los "Pensadores" Pierden: Las habilidades que implican análisis profundo, razonamiento científico y control de operaciones tuvieron, de hecho, una exposición negativa. El mercado parece temer que la IA automatice estas tareas, reduciendo potencialmente el valor de las firmas que dependen fuertemente de ellas.
La Analogía: Si la IA es una calculadora súper inteligente, el mercado apuesta a que la persona que puede explicar la respuesta al cliente y convencerlo de comprar el producto es más valiosa que la persona que simplemente calculó la respuesta.

6. El Auge de los "Agentes"

Finalmente, el documento detectó una nueva tendencia: la IA Agéntica.

¿Qué es? En lugar de solo responder una pregunta, estos "agentes" de IA pueden planificar un viaje, reservar un vuelo, revisar el clima y enviar un correo electrónico por sí mismos. Son como empleados digitales que toman acción.
El Crecimiento: En 2024, esto era casi inexistente. Para 2026, más del 50% de todos los tokens de IA se estaban utilizando para estas tareas de "agentes".
El Costo: Curiosamente, a medida que estos agentes se volvieron más comunes, el costo por tarea disminuyó. Es como un servicio de entrega que se vuelve más barato a medida que es más rápido y automatizado.
La Señal del Mercado: Aunque los datos son aún tempranos, hay señales de que el mercado está comenzando a recompensar a las empresas que utilizan con éxito estos agentes autónomos.

Resumen

El documento argumenta que estamos en un periodo de transición. El mercado de valores está pagando actualmente una "prima de riesgo" a las empresas que están profundamente integradas con un uso de la IA real y de alta intensidad. Esto no se trata solo de empresas tecnológicas; se trata de cómo la IA está remodelando el comercio minorista, la manufactura y los servicios. El mercado cree que en este nuevo mundo, la interacción humana y la coordinación serán las habilidades más valiosas, mientras que el trabajo analítico puro podría enfrentar la mayor disrupción.

Resumen Técnico: "AI Premium"

1. Problema y Motivación

El artículo aborda una brecha fundamental en la comprensión del impacto económico de la Inteligencia Artificial (IA): mientras el consumo de IA crece rápidamente, no existe una medida de alta frecuencia, granular y realizada de cómo este consumo se traduce en riesgo y valor para las empresas, los mercados y los trabajadores. La literatura existente suele depender de puntuaciones de automatización basadas en tareas, recuentos de patentes o datos de encuestas, que pueden no reflejar la valoración en tiempo real del mercado sobre la exposición a la IA.

Los autores postulan que la IA representa un "riesgo de transición" (Aghion y Howitt, 1992; Pastor y Veronesi, 2009). A medida que la IA reasigna rentas entre empresas, sectores y habilidades, los inversores deberían exigir compensación por mantener empresas expuestas a esta reasignación sistemática. La pregunta central es si existe un "Premium de IA" medible en los mercados de renta variable; específicamente, si las empresas cuyos rendimientos covariar con el crecimiento del consumo de IA realizado obtienen rendimientos subsecuentes más altos.

2. Datos y Metodología

Fuentes de Datos

El núcleo del estudio es un conjunto de datos propietario y con licencia de OpenRouter, Inc., que cubre 380 billones de tokens de consumo de IA realizado desde enero de 2024 hasta abril de 2026.

Granularidad: Los datos están estructurados al nivel usuario–modelo–día, cubriendo millones de cuentas anonimizadas que interactúan con más de 400 modelos de lenguaje de gran tamaño (LLM).
Alcance: Incluye tanto modelos de frontera de código cerrado (ej. OpenAI, Anthropic, Google) como modelos de pesos abiertos (ej. Meta, DeepSeek), así como solicitudes agénticas (llamadas a herramientas).
Realización: A diferencia de las estimaciones reportadas, estos son pedidos pagados realizados, capturando el gasto y el recuento de tokens reales.
Datos de Renta Variable: Mapeados con CRSP/Compustat para empresas de EE. UU. y Compustat Global para mercados internacionales.

Construcción del Factor de IA

Los autores construyen un Factor de IA de alta frecuencia que representa el crecimiento del consumo global de IA.

Entradas: Tres series semanales: total de tokens ( $\Delta \ln Tok$ ), dólares de uso ( $\Delta \ln Dol$ ) y usuarios activos distintos ( $\Delta \ln User$ ).
Agregación: El factor de IA base es el primer componente principal de la evolución semanal estandarizada del logaritmo de estas tres series. Este factor captura la variación común en la cantidad, el gasto y el alcance de la adopción de la IA.
Sub-factores: La granularidad permite la construcción de sub-factores basados en:
- Tipo de modelo (Código cerrado vs. Pesos abiertos).
- Intensidad de uso (Pagos/Core vs. Nuevos; Experimentados vs. No experimentados).
- Complejidad del prompt (Largos vs. Cortos).
- Actividad agéntica (Llamadas a herramientas vs. Peticiones ordinarias).

Estrategia Empírica

Estimación de la Beta de IA: Para cada empresa pública, los autores estiman una Beta de IA ( $\beta_{AI}$ ) de ventana rodante mediante la regresión de los excesos de rendimientos semanales de la empresa sobre el Factor de IA y el factor de mercado sobre una ventana de 13 semanas. Esta beta mide la sensibilidad de la empresa a los choques de consumo de IA.
Clasificación de Carteras: Las empresas se clasifican en quintiles basados en su $\beta_{AI}$ . Los autores analizan el diferencial high-minus-low (H-L) en los rendimientos subsecuentes.
Regresiones de Fama-MacBeth: Se realizan regresiones transversales semanales para estimar el precio de mercado del riesgo de IA (el premium de IA), controlando por factores estándar (tamaño, valor, rentabilidad, inversión, momentum, etc.).
Mapeo a Tareas/Habilidades: Las betas a nivel de empresa se mapean a ocupaciones utilizando pesos de empleo del BLS y luego a habilidades mediante calificaciones de O*NET para derivar un mapa de exposición implícito por el mercado para la mano de obra.

3. Contribuciones Clave

Granularidad de Datos Sin Precedentes: El artículo aprovecha el mayor registro cross-provider de consumo de IA realizado (380 billones de tokens) para ir más allá de las medidas teóricas o basadas en encuestas de exposición a la IA.
Exposición Implícita por el Mercado: A diferencia de las medidas basadas en tareas (ej. Acemoglu y Restrepo, 2019) o puntuaciones técnicas de automatabilidad, este estudio deriva la exposición a la IA directamente de la comovilidad de los precios de las acciones, reflejando la valoración prospectiva del mercado sobre el riesgo de la IA.
Descomposición del Riesgo de IA: El estudio distingue entre diferentes márgenes de consumo de IA (ej. frontera vs. pesos abiertos, intensivo vs. casual), revelando que el mercado tasa de manera distinta los componentes específicos de la adopción de la IA.
Evidencia de la Economía Agéntica: El artículo proporciona evidencia empírica temprana sobre el auge de la IA "agéntica" (modelos que ejecutan flujos de trabajo de múltiples pasos), rastreando su rápido crecimiento de un volumen insignificante a más del 50% del volumen total de tokens.

4. Resultados Clave

El Premium de IA en los Mercados de Renta Variable

Positivo y Significativo: Las empresas con betas de IA más altas obtienen rendimientos subsecuentes significativamente mayores. Una estrategia de valor ponderado por capitalización (Largo en Alta $\beta_{AI}$ , Corto en Baja $\beta_{AI}$ ) gana 64.1 puntos básicos por semana (t-estadístico 2.84).
Robustez: El premium persiste tras controlar por los cinco factores de Fama-French, momentum, tamaño, valor, rentabilidad, inversión, apalancamiento y devengo, así como por retornos del sector tecnológico, carteras de semiconductores y ETFs temáticos de IA.
Heterogeneidad: El premium no es uniforme; está impulsado por el margen intensivo y orientado a la frontera del consumo de IA:
- Los modelos de código cerrado impulsan un mayor premium (53.4 pb/semana) que los modelos de pesos abiertos (32.3 pb/semana).
- Los usuarios de pago/core y experimentados generan un premium más fuerte que los usuarios nuevos o casuales.
- Los prompts largos (tareas complejas) están más valorados que los prompts cortos.

Distribución Geográfica y Sectorial

Geografía: El premium se concentra en mercados desarrollados (17.9 pb/semana) donde las empresas están más cerca de la frontera de la IA. Está ausente en mercados emergentes, incluyendo China, donde el diferencial H-L es estadísticamente insignificante.
Sectores: El premium se extiende más allá de las empresas tecnológicas. Es más positivo en retail y bienes de consumo duraderos y más negativo en salud y bienes no duraderos. Notablemente, el sector tecnológico muestra una exposición mixta, con las empresas de semiconductores teniendo exposición positiva pero otras empresas tecnológicas mostrando exposición negativa o neutral.

Implicaciones para el Mercado Laboral

Mapeo de Habilidades: La exposición a la IA implícita por el mercado es positiva para habilidades interactivas no rutinarias (comunicación, persuasión, instrucción, instalación/reparación) y negativa para habilidades analíticas y científicas no rutinarias (razonamiento deductivo, uso de información).
Impacto Cuantitativo: Una ocupación un desviación estándar más alta en contenido de interacción y comunicación tiene una exposición implícita por el mercado 0.36 desviaciones estándar mayor.
Comparación con Medidas Existentes: La exposición implícita por el mercado explica menos del 2% de la variación en las medidas existentes de exposición técnica a la IA (ej. Felten et al., 2021; Eisfeldt et al., 2023), lo que sugiere que el mercado tasa una dimensión de riesgo distinta relacionada con los patrones de consumo realizado más que con la simple automatabilidad técnica.

El Auge de la IA Agéntica

Crecimiento: La participación de tokens agénticos (peticiones que invocan herramientas externas) creció de casi cero en 2024 a 52.2% del volumen total de tokens para abril de 2026.
Valoración: La exposición a los componentes de consumo agéntico (llamadas a herramientas, lecturas de caché, tokens de razonamiento) muestra estimaciones puntuales positivas y económicamente significativas (0.3–0.5% por semana), aunque la significancia estadística está limitada por la breve muestra. Esto sugiere un "premium agéntico" emergente.

5. Significado y Reivindicaciones

El artículo afirma proporcionar el primer mapeo de la exposición a la IA implícito por el mercado a través de empresas, tareas y habilidades utilizando datos de consumo realizado. Su importancia radica en:

Validación del Riesgo de Transición: La existencia de un premium de IA positivo respalda la visión de que la IA es un factor de riesgo sistemático que requiere compensación, consistente con las teorías de destrucción creativa.
Refinamiento de la Narrativa: Los resultados desafían la noción de que la IA es puramente un fenómeno del "sector tecnológico". En cambio, es una fuerza económica amplia que afecta a industrias orientadas al consumidor y de capital intensivo, con ganadores y perdedores distintos según la naturaleza de sus tareas (interactivas vs. analíticas).
Perspectiva Basada en Datos: Al utilizar el consumo de tokens realizado en lugar de intenciones declaradas o capacidades técnicas, el estudio ofrece una medida más precisa, aunque prospectiva, de cómo el mercado percibe el impacto económico de la IA.

Los autores mantienen la modestia, señalando que la muestra cubre una fase temprana y de rápido movimiento de la difusión de la IA, por lo que las estimaciones reflejan el precio actual de la exposición a la IA en lugar de un equilibrio a largo plazo. También reconocen que los datos de OpenRouter pueden sobrerrepresentar a los usuarios sofisticados, lo que implica que el premium está ligado a la valoración por parte del mercado del consumo intensivo observado.