Deutsche Telekom (DT) dedicó su primer AI Investor Day a convencer a los inversores de que la inteligencia artificial (IA) ya está dejando de ser una colección de experimentos para convertirse en una herramienta con impacto financiero medible. El mensaje fue deliberadamente ambicioso: más automatización, nuevas fuentes de ingresos, redes capaces de ejecutar inteligencia, servicios empresariales apoyados en infraestructura soberana y una organización que quiere integrar IA en prácticamente todas sus áreas. Sin embargo, cuando se aparta la narrativa corporativa dirigida a los inversores —que tampoco son tontos— y se observan las cifras, la conclusión resulta menos espectacular y bastante más interesante. Los números que DT proyecta para los próximos cuatro años son modestos frente al tamaño del grupo. Y eso no significa que la IA esté decepcionando, sino que probablemente estamos mucho antes en la curva de aprendizaje empresarial de lo que sugiere el entusiasmo tecnológico.
Fuera de Estados Unidos, DT espera alcanzar aproximadamente 1.100 millones de euros de ahorro bruto en 2027 frente a su base de costes de 2023 y elevar esa cifra hasta unos 2.500 millones en 2030. En ingresos, Tim Höttges planteó superar los 1.000 millones de euros adicionales relacionados con IA hacia 2030, con aproximadamente 800 millones procedentes del negocio empresarial y más de 200 millones asociados al consumidor. Son cantidades relevantes en términos absolutos, pero difíciles de interpretar como una transformación de la economía de un grupo de la escala de este operador. Tampoco son cifras homogéneas. Los ahorros son brutos, parte deberá reinvertirse y otra parte será absorbida por el propio coste computacional de ejecutar IA. En ingresos, además, existe una diferencia importante entre negocios que ya tienen una base comercial tangible y otros cuya disposición a pagar todavía está por demostrar.
Sería fácil leer esa modestia como una señal negativa, pero probablemente sería una conclusión equivocada. La IA está evolucionando a una velocidad extraordinaria, pero las organizaciones no pueden hacerlo al mismo ritmo. Una empresa tiene procesos, personas, incentivos, sistemas heredados, regulación, relaciones con clientes y estructuras de decisión que no se actualizan cada seis meses al ritmo de los modelos. La tecnología puede avanzar más rápido que nuestra capacidad para absorberla, y en muchos casos ese desfase es saludable. El objetivo no debería ser adaptar la empresa al ritmo de la máquina, sino encontrar dónde la máquina puede mejorar la empresa sin destruir aquello que todavía necesita criterio humano, contexto y responsabilidad.
En ese sentido, DT está haciendo algo quizá más importante que alcanzar inmediatamente cifras que vende como espectaculares y que no lo son, está acumulando aprendizaje. El grupo asegura tener cerca de 500 proyectos de IA en diferentes fases y ha formado a más de 100.000 empleados en el uso de estas herramientas. También está aprendiendo qué modelos utilizar, cuánto cuesta cada proceso, dónde tiene sentido automatizar, qué tareas requieren supervisión humana y cómo controlar el consumo de inferencia. El CFO Christian Illek reconoció incluso que los costes relacionados con tokens representarán una fracción de dos dígitos bajos de los ahorros brutos generados, lo que obliga al operador a introducir jerarquización de modelos, soluciones abiertas y mecanismos internos de control del consumo computacional. Esto es importante porque recuerda que incluso en el terreno donde la IA parece ofrecer un retorno más claro, el ahorro bruto no equivale al valor neto capturado por la empresa.
Si una herramienta automatiza un proceso y reduce sustancialmente su coste, pero parte de ese ahorro debe destinarse a capacidad de inferencia, software, energía, integración y transformación de sistemas, el impacto económico final puede ser bastante menor que el titular inicial. DT reconoce además que una parte de las eficiencias obtenidas se reinvertirá en fibra y digitalización. Por eso los 2.500 millones de euros previstos para 2030 deben interpretarse como una mejora operativa relevante, no como 2.500 millones que aparecerán automáticamente en el beneficio. Y precisamente porque DT empieza a cuantificar también ese coste oculto, su experiencia resulta más útil que muchos discursos genéricos sobre productividad con IA.
Los pioneros tecnológicos rara vez encuentran a la primera el modelo óptimo. Experimentan, se equivocan, corrigen, descartan casos de uso y vuelven a intentarlo. La ventaja de empezar pronto no consiste necesariamente en obtener mayores beneficios durante la primera etapa, sino en equivocarse antes que los demás. Cuando una tecnología termina madurando, quienes llevan años experimentando ya conocen sus límites, costes y aplicaciones reales, mientras quienes esperaron una receta definitiva tienen que empezar entonces el mismo proceso de aprendizaje. Si las cifras relativamente modestas de DT, pero presentadas como extraordinarias, sirven para que otros operadores concluyan que todavía no merece la pena apostar por IA, podrían estar extrayendo precisamente la enseñanza equivocada del Investor Day.
Ahora bien, experimentar antes tampoco garantiza capturar valor. Y aquí aparece la parte más reveladora de los datos presentados por el operador. La IA parece estar produciendo resultados con mayor claridad precisamente allí donde los operadores ya eran buenos: automatización, eficiencia, gestión de infraestructura y reducción de costes. Frag Magenta automatizó millones de interacciones con clientes; algoritmos preventivos redujeron reclamaciones; herramientas digitales mejoraron procesos de construcción; los modelos de lenguaje aceleraron ciclos de desarrollo de software y RAN Guardian permite gestionar automáticamente eventos de red que antes requerían supervisión manual. DT no está aprendiendo con IA una capacidad completamente nueva en estos ámbitos. Está aplicando una tecnología extraordinariamente poderosa a competencias industriales que lleva décadas desarrollando.
Eso explica por qué la parte de eficiencia de su estrategia resulta más convincente, aunque tampoco sea revolucionaria desde el punto de vista financiero. Un operador sabe gestionar millones de procesos repetitivos, grandes infraestructuras y enormes volúmenes de información. La IA multiplica esa capacidad. Puede ejecutar más rápidamente, anticipar incidencias, eliminar intervenciones manuales y reducir costes unitarios. En otras palabras, amplifica una fortaleza preexistente. Pero precisamente por eso conviene observar qué ocurre cuando el operador intenta utilizar la misma tecnología para resolver una debilidad histórica mucho más profunda: crear nuevas fuentes de ingresos.
En el segmento empresarial, la previsión de aproximadamente 800 millones de euros hacia 2030 parece razonablemente apoyada en capacidades existentes. T-Systems ya vende servicios cloud, integración, infraestructura y soluciones digitales, y la demanda europea de soberanía tecnológica crea un mercado adicional para centros de datos, computación y agentes empresariales alojados bajo jurisdicción europea. DT no necesita inventar una relación comercial completamente nueva; puede incorporar IA a una cartera y una base de clientes ya existentes. Es crecimiento apoyado en algo que la compañía ya sabe vender.
En consumo, la situación es bastante más incierta. DT plantea superar los 200 millones de euros anuales mediante asistentes, traducción de llamadas, resúmenes y servicios asociados a dispositivos. Tecnológicamente, el Magenta AI Assistant o la integración de Perplexity en el T Phone muestran que el operador está experimentando con una nueva relación entre red, dispositivo y usuario. Comercialmente, sin embargo, todavía queda por demostrar por qué un consumidor pagará adicionalmente a su operador por funciones que Apple, Google u otros proveedores pueden incorporar dentro de sus propios ecosistemas. La privacidad, la integración con la red, la soberanía de los datos o la posibilidad de incluir estos servicios dentro de tarifas convergentes pueden convertirse en elementos de diferenciación, pero todavía deben demostrar que son suficientemente valiosos como para sostener una nueva fuente de ingresos y no simplemente una función añadida al paquete para reducir churn o defender ARPU.
Ese matiz es importante porque las telcos han recorrido este camino muchas veces. Añadir funcionalidades al paquete puede generar valor económico sin generar necesariamente ingreso incremental. Puede mejorar retención, sostener precios o reducir costes de adquisición, pero eso es diferente de crear una categoría nueva por la que el cliente esté dispuesto a pagar más. En B2C, por tanto, DT todavía tiene que demostrar no solo que puede ofrecer IA, sino que puede monetizarla de una forma que no termine degradándose rápidamente a una característica incluida dentro de la conectividad.
La IA no contiene por sí misma la capacidad de generar valor. Puede multiplicar la velocidad y la escala con la que una organización ejecuta una estrategia, pero si esa estrategia es mediocre, probablemente multiplicará también la mediocridad. Un operador que ha aprendido a reducir costes puede convertirse en una máquina extraordinariamente eficiente utilizando IA. Pero si no sabe identificar necesidades por las que un cliente está dispuesto a pagar, diseñar productos diferenciados, construir ecosistemas o capturar valor más allá de la conectividad, introducir IA no resolverá automáticamente esas carencias.
El operador intenta evitar ese destino llevando la inteligencia hacia la propia red. Su visión de AI-RAN, edge computing e inferencia distribuida busca convertir la infraestructura de telecomunicaciones en algo más que transporte de datos. En aplicaciones industriales, robótica o sistemas de tiempo real, la proximidad física de la capacidad de procesamiento podría otorgar a los operadores una posición nueva dentro de la cadena de valor. Pero aquí también hay que separar la lógica técnica de la económica. Llevar capacidad de cómputo al borde exige inversión, utilización suficiente para justificarla, acuerdos de nivel de servicio exigentes y clientes dispuestos a pagar por una ventaja que no puedan obtener de manera más barata desde arquitecturas cloud convencionales. Además, los hyperscalers también quieren extender su infraestructura hacia el edge, por lo que la simple proximidad de la red no garantiza poder de fijación de precios.
Esto no invalida la apuesta. Al contrario, es precisamente el tipo de hipótesis que un operador como DT debería estar probando ahora. Las telecomunicaciones conocen demasiado bien la diferencia entre ser indispensables para que un servicio exista y ser quienes capturan la mayor parte del valor generado por ese servicio. Internet, el smartphone, el vídeo, cloud y muchas aplicaciones digitales necesitaron siempre una red. Eso no convirtió automáticamente al operador en el principal beneficiario económico de esas industrias.
Esta es quizá la enseñanza más importante del Investor Day. DT no ha demostrado todavía que la IA vaya a transformar su cuenta de resultados en cuatro años, pero sí está demostrando qué significa empezar a aprender antes que otros. Sus cifras son modestas y, precisamente por ello, resultan más útiles que una promesa grandilocuente. Muestran que incorporar IA en una organización de este tamaño exige tiempo, experimentación, rediseño de procesos, control de costes y una enorme cantidad de aprendizaje humano. También muestran que los primeros resultados aparecen con mayor claridad allí donde las capacidades empresariales ya existían antes de que llegara la IA.
Por eso la pregunta para un operador no debería ser únicamente cuánto puede ahorrar o cuánto puede ingresar con IA en 2030. La pregunta más importante es qué tipo de compañía está poniendo esa tecnología a amplificar. Si posee buenos procesos, la IA puede hacerlos extraordinariamente eficientes. Si tiene malos procesos, podrá ejecutar el desorden a mayor velocidad. Si entiende cómo generar valor para sus clientes, tendrá herramientas cada vez más poderosas para hacerlo. Pero si históricamente ha tenido dificultades para convertir innovación en nuevas fuentes sostenibles de ingresos, la IA puede hacer todavía más visible esa debilidad.
La IA será parte de la industria de telecomunicaciones independientemente de que las primeras cifras impresionen o no. Por eso esperar a que otros demuestren una rentabilidad extraordinaria puede ser una estrategia mucho más peligrosa que equivocarse pronto. DT está empezando a recorrer ese camino y seguramente cometerá errores. También aprenderá antes qué funciona y qué no. Esa experiencia puede terminar siendo su verdadera ventaja. Pero la tecnología no decidirá por los operadores qué quieren ser. Simplemente les permitirá llegar mucho más rápido al resultado de las capacidades, decisiones y modelos de negocio que ya tengan. Antes de pedirle a la IA que genere valor, la industria tendrá que aprender qué valor quiere generar. V
