Applied Materials planea duplicar sus ingresos sin ampliar plantilla gracias a la IA

Applied Materials, uno de los mayores fabricantes de equipos para producir microchips del mundo, espera que sus ingresos se dupliquen en los próximos años. La plantilla, en cambio, debería crecer bastante más despacio. Según Bloomberg, la compañía cuenta con cerrar esa brecha mediante herramientas de IA en el desarrollo de productos y el control de calidad. De acuerdo con sus últimos informes públicos, los ingresos anuales de Applied Materials rondan los 28.000 millones de dólares y su plantilla, las 35.000 personas. Duplicar los ingresos implica una cifra de en torno a 55.000 millones de dólares.

Qué se sabe y qué no

La fuente aporta dos datos: el objetivo de duplicar las ventas y la renuncia a contratar en proporción. El plazo se define de forma vaga, como «unos años». No se han revelado las herramientas concretas, los proveedores de modelos ni el efecto económico en cifras. Todo lo que va más allá de esas dos afirmaciones es una estimación. Por eso, lo que sigue es aritmética, no datos de la compañía.

• Ingresos actuales: unos 28.000 millones de dólares al año.
• Objetivo: en torno a 55.000 millones de dólares.
• Plantilla: unas 35.000 personas.
• Ingresos por empleado ahora: aproximadamente 0,8 millones de dólares.
• Ingresos por empleado con la plantilla sin cambios: unos 1,6 millones de dólares.

En la práctica, lo más probable es que la plantilla crezca, pero menos que los ingresos. Por eso, el indicador real quedará entre ambos valores.

Por qué precisamente este sector

Applied Materials fabrica equipos de deposición de películas, grabado y control, es decir, las máquinas con las que las fábricas de TSMC, Samsung, Intel y otras producen chips. La demanda de sus equipos depende del gasto de capital de sus clientes. Y este crece al ritmo de la necesidad de aceleradores para entrenar y ejecutar redes neuronales. Aquí la IA es a la vez la causa del aumento de pedidos y la herramienta que permite atenderlo.

El desarrollo de equipos para semiconductores es complejo. El ciclo de creación de una máquina es largo, el número de parámetros del proceso es enorme y las tolerancias se miden en nanómetros. Cualquier reducción en el número de iteraciones entre el plano y el prototipo funcional supone una ganancia inmediata de plazos. El control de calidad exige igual esfuerzo: cada equipo y cada paso tecnológico generan un flujo de mediciones que las personas analizan con lentitud. La visión por computador, los modelos de detección de anomalías y los asistentes para ingenieros encajan de forma natural en esta tarea.

Riesgos y preguntas sin respuesta

La promesa de «crecer sin contratar» es fácil de enunciar y difícil de cumplir. En los equipos para chips, las limitaciones clave están en la física, las cadenas de suministro y la cualificación de unos especialistas en procesos que escasean. Un modelo puede acelerar el diseño y el descarte de piezas defectuosas, pero no sustituirá al ingeniero que acude a las instalaciones del cliente ni eliminará el plazo de fabricación de las cámaras de vacío. También queda la cuestión de los datos. Los parámetros tecnológicos son secreto comercial de los clientes, y solo se pueden usar para entrenar modelos dentro de marcos contractuales estrictos.

Persiste además el riesgo de los ciclos. La demanda de equipos fluctúa históricamente, y cuando los ingresos caen, la eficiencia por empleado se ve distinta.

Cómo leer esta señal

Para los inversores, la métrica clave pasa a ser no solo el crecimiento de las ventas, sino también los ingresos por empleado y la evolución de los gastos operativos. Si Applied Materials muestra que los gastos de investigación y los costes administrativos crecen más despacio que los ingresos, las cifras respaldarán lo anunciado. Para los ingenieros, la conclusión es práctica: el valor se desplaza hacia quienes saben plantear tareas a los sistemas de IA y verificar sus resultados, sobre todo en metrología y análisis de defectos.

Para los proveedores de software industrial, es una referencia de demanda. Los grandes fabricantes no buscan chatbots, sino herramientas integradas en el diseño y el control, y están dispuestos a pagar por una reducción medible de los ciclos.

Si otros fabricantes de equipos anuncian objetivos similares, ya podrá hablarse de una tendencia sectorial y no de una declaración aislada de una sola compañía.