La estrategia de IA de Applied Materials apunta a duplicar las ventas sin duplicar la plantilla
Applied Materials planea duplicar sus ingresos durante los próximos años sin duplicar su plantilla, estableciendo un objetivo medible para su uso de inteligencia artificial. La estrategia de IA de Applied Materials abarca el desarrollo de productos, las operaciones de fábrica, el control de calidad, las cadenas de suministro, las funciones corporativas y la atención al cliente.
El CEO Gary Dickerson presentó el plan antes de la inauguración, el 12 de octubre, del nuevo centro de investigación de semiconductores de la empresa en Sunnyvale, California. Applied empleaba a unas 38.900 personas a finales de julio, pero Dickerson declinó proporcionar un objetivo futuro de plantilla.
La afirmación es más concreta que la promesa habitual de que la IA hará más productivos a los empleados. Applied debe traducir el trabajo asistido por software en más envíos de equipos, ciclos de investigación más rápidos, mejores rendimientos para los clientes y márgenes más sólidos. Debe hacerlo mientras los fabricantes de chips demandan sistemas de producción cada vez más complejos.
La empresa también se enfrenta a una comparación reveladora con su propia historia reciente. Applied recortó cerca del 4% de su plantilla en 2025, pero contrató a más de 1.500 trabajadores de fabricación y atención al cliente durante su tercer trimestre fiscal de 2026. Por tanto, su estrategia no es una simple congelación de contrataciones. Es una apuesta por que la contratación selectiva y la productividad derivada de la IA puedan respaldar ventas mucho mayores.
La estrategia de IA de Applied Materials convierte la productividad en un objetivo de ingresos
Applied Materials ha vinculado su programa de IA a un resultado claro: los ingresos deberían crecer mucho más rápido que la plantilla.
Dickerson dijo a Bloomberg: “A medida que dupliquemos el tamaño de la empresa durante los próximos años, no vamos a duplicar la plantilla”. La empresa no ha proporcionado una fecha exacta de finalización, una base de ingresos ni un límite de personal para ese objetivo.
Esas omisiones importan, pero no convierten la declaración en algo vacío. Applied ya ha descrito dónde espera que aparezcan las ganancias de productividad.
La empresa utiliza IA en investigación y desarrollo para analizar datos técnicos, asistir al trabajo de ingeniería y acortar los plazos de desarrollo de productos. En las operaciones, aplica la tecnología a la planificación de fábricas, las cadenas de suministro y los flujos de trabajo que antes requerían más coordinación manual.
La IA también respalda el trabajo dentro de las instalaciones de los clientes. Los equipos de Applied realizan deposición, grabado, inspección, medición y otros pasos necesarios para fabricar chips avanzados. Pequeñas mejoras pueden producir más chips utilizables de cada oblea o procesar más obleas en una fábrica cada día.
Por eso el control de calidad tiene un peso financiero inusual en este negocio. El rendimiento de semiconductores es el porcentaje de chips utilizables producidos a partir de una oblea. Una mejora del rendimiento puede generar chips adicionales vendibles sin que un cliente tenga que construir otra planta de fabricación.
Dickerson resumió directamente el valor: “Más chips buenos valen mucho dinero para nuestros clientes”. Applied afirma que sus herramientas pueden ayudar a los clientes a aumentar tanto la producción de chips buenos como el procesamiento diario de obleas.
La estrategia cuenta con dos motores de ingresos conectados. Primero, la demanda de IA anima a los fabricantes de chips a comprar más equipos de producción. Segundo, Applied utiliza IA internamente para diseñar, fabricar, instalar y respaldar esos equipos de forma más eficiente.
Esa combinación distingue el plan de un programa estándar de automatización de oficinas. Applied vende equipos para el auge de la infraestructura de IA mientras utiliza software relacionado para modificar su propia estructura de costes.
La empresa informó de ingresos de 9.100 millones de dólares en el tercer trimestre fiscal correspondiente al período finalizado el 26 de julio de 2026. Esto siguió a los 7.900 millones de dólares del trimestre anterior. Su presentación trimestral también documenta la escala y complejidad del negocio subyacente.
Duplicar una empresa desde ese nivel requeriría más que reducir el trabajo administrativo. Applied necesitaría una demanda sostenida de equipos, suficiente capacidad de fabricación, nuevos productos exitosos y acceso continuo a sus mercados más importantes.
El centro EPIC cambia la forma en que se realiza la investigación sobre fabricación de chips
El nuevo centro EPIC es la contraparte física del argumento de productividad impulsada por software de Applied.
Applied presentó las instalaciones en Sunnyvale el 12 de octubre, junto con los comentarios de Dickerson sobre ingresos y plantilla. La empresa describe el centro EPIC como una inversión de capital de 5.000 millones de dólares.
EPIC significa Equipment and Process Innovation and Commercialization. Según Applied, el edificio de 600.000 pies cuadrados contiene casi cuatro acres de espacio avanzado de sala limpia. La construcción requirió más de seis millones de horas de trabajo.
El tamaño es importante, pero el modelo operativo importa más. Fabricantes de chips, proveedores de equipos, empresas de sistemas, investigadores e ingenieros de Applied pueden trabajar en problemas técnicos conectados dentro de una misma instalación.
TSMC, Intel, Samsung Electronics, Micron Technology y SK Hynix figuran entre los socios clientes fundadores nombrados por Applied. La lista de socios abarca la fabricación de lógica avanzada y memoria, dos áreas que reciben inversiones sustanciales debido a la computación de IA.
Broadcom, Advantest, Besi, Kioxia y SCREEN se encuentran entre los participantes adicionales de la industria. Stanford University, la University of California at Berkeley y otras instituciones académicas también se unieron al programa.
Tradicionalmente, un nuevo proceso de semiconductores puede trasladarse entre laboratorios separados de clientes, proveedores y universidades. Cada transferencia introduce retrasos de programación, diferencias de equipos, límites de datos y otra ronda de validación técnica.
Applied quiere que EPIC reduzca esos traspasos. Los equipos pueden desarrollar materiales, procesos, dispositivos y equipos de fabricación en un entorno compartido antes de que un cliente implemente el proceso a escala comercial.
Las herramientas de IA pueden reforzar ese modelo al encontrar patrones en experimentos y datos de equipos. También pueden ayudar a los investigadores a elegir condiciones de prueba prometedoras entre un enorme número de posibles combinaciones de materiales y procesos.
Sin embargo, el edificio por sí solo no garantiza ciclos de desarrollo más cortos. Los socios deben acordar el acceso a los datos, las protecciones de propiedad intelectual, las prioridades técnicas y las responsabilidades por experimentos fallidos.
Las instalaciones también representan un importante compromiso fijo. Applied afirma que el gasto de capital crecerá hacia la inversión declarada a medida que comiencen los proyectos de los clientes. Ese detalle convierte la participación de los socios y el volumen de proyectos en medidas importantes del progreso.
Por tanto, EPIC es más que un campus de investigación ceremonial. Es donde la tesis de productividad mediante IA de Applied se encontrará con las realidades operativas del desarrollo de semiconductores.
Si los ingenieros completan más experimentos útiles en menos tiempo, los clientes podrán adoptar antes nuevos sistemas de fabricación. Applied podrá entonces convertir el trabajo de investigación en ingresos por equipos sin ampliar todos los equipos al mismo ritmo.
El resultado opuesto también sería visible. Una incorporación lenta de socios, un intercambio limitado de datos o largos calendarios de calificación debilitarían la afirmación de que el software y la colaboración pueden comprimir el trabajo de desarrollo.
La fabricación de semiconductores para IA sigue dependiendo de la capacidad física
La IA puede mejorar las decisiones y los flujos de trabajo, pero no puede eliminar el trabajo físico, las fábricas y las redes de suministro detrás de los equipos de fabricación de chips.
Applied fabrica algunos de los sistemas de producción más complicados de la industria de semiconductores. Estas máquinas contienen cámaras de precisión, robótica, componentes de vacío, sensores, software y materiales especializados. Deben funcionar de manera fiable dentro de las fábricas de clientes en todo el mundo.
Por tanto, el crecimiento de los ingresos genera obligaciones físicas. Applied debe adquirir componentes, ensamblar sistemas, probarlos, enviarlos, instalarlos y mantenerlos. Los equipos de atención al cliente suelen trabajar directamente dentro de plantas de fabricación.
Eso explica por qué la empresa sigue contratando en áreas seleccionadas. Durante su tercer trimestre fiscal, Applied añadió más de 1.500 empleados en fabricación y atención al cliente, según sus comentarios sobre resultados.
Las contrataciones no contradicen la declaración de Dickerson. Dijo que la plantilla no se duplicaría junto con los ingresos, no que el empleo dejaría de crecer. La diferencia es esencial.
Applied puede incorporar especialistas donde la demanda lo requiera mientras utiliza IA para ralentizar el crecimiento de la plantilla en otros ámbitos. Los flujos de trabajo corporativos, la planificación de la cadena de suministro, el análisis de ingeniería y los diagnósticos de servicio ofrecen más oportunidades de automatización que la instalación en campo o el ensamblaje avanzado de hardware.
La empresa había dicho anteriormente que algunas operaciones habilitadas por IA habían generado aumentos de productividad de hasta aproximadamente el 50%. Esa cifra describe mejoras en determinadas ubicaciones o funciones, no una mejora verificada en toda la empresa.
Un resultado de productividad limitado no puede proyectarse automáticamente sobre casi 39.000 empleados. Los distintos puestos tienen diferente calidad de datos, requisitos de seguridad, procesos de aprobación y tolerancia a errores de software.
El propio historial laboral de Applied añade otra complicación. En octubre de 2025, anunció una reducción que afectaba a alrededor del 4% de los empleados, o aproximadamente 1.400 puestos. La reducción de plantilla se presentó como un esfuerzo para simplificar las operaciones y mejorar la productividad.
Esa reestructuración se produjo mientras reglas de exportación más estrictas afectaban al negocio relacionado con China. Applied esperaba que esas restricciones redujeran los ingresos fiscales de 2026, lo que demuestra que las decisiones de personal reflejan tanto el acceso al mercado como la automatización.
El actual plan de crecimiento de ingresos de Applied Materials no debe tratarse como prueba de que la IA ha hecho innecesaria la experiencia humana. En cambio, apunta hacia una composición diferente de la fuerza laboral.
La coordinación rutinaria puede reducirse como proporción del trabajo total. Los ingenieros pueden dedicar menos tiempo a buscar registros técnicos o revisar resultados repetitivos de pruebas. Los equipos de cadena de suministro pueden identificar restricciones antes, mientras que los equipos de servicio pueden priorizar los problemas de equipos con mayor precisión.
Mientras tanto, puede aumentar la demanda de ingenieros de procesos, especialistas en datos, técnicos de campo, trabajadores de fabricación avanzada y empleados capaces de validar recomendaciones generadas por IA.
Esto crea un exigente problema de gestión. Applied debe decidir qué tareas pueden trasladarse de forma segura al software, cuáles requieren aprobación humana y dónde los empleados adicionales siguen generando el mejor rendimiento.
El objetivo de ventas de la empresa depende de acertar en esa asignación. Una contratación excesiva debilitaría el apalancamiento operativo prometido. Una dotación insuficiente de personal podría retrasar las entregas de equipos, los programas de investigación o la atención al cliente.
La verdadera competencia es entre el crecimiento de ingresos y el crecimiento organizativo
El desafío central de Applied es demostrar que un negocio más grande no requiere una organización igualmente más grande.
Históricamente, las empresas de equipos para semiconductores han escalado mediante una combinación de inversión técnica, expansión de la fabricación y empleo orientado al cliente. Los productos complejos generan más trabajo de soporte a medida que crece la base instalada.
Applied quiere que la IA cambie esa relación. Sus comentarios sobre resultados señalaron que más de 35.000 empleados ya utilizaban IA en toda su plantilla global en mayo de 2026.
La empresa mencionó la investigación científica, el desarrollo de productos, las operaciones de cadena de suministro, el trabajo en fábricas, los servicios y la automatización corporativa entre las aplicaciones. Esto sugiere un acceso amplio, aunque el número de usuarios revela poco sobre la profundidad o el impacto financiero.
Un empleado que resume ocasionalmente un documento cuenta de forma distinta a un equipo de ingeniería que acorta un ciclo de cualificación de producto. Applied necesitará métricas de resultados que distingan la adopción básica del cambio operativo.
La velocidad de desarrollo de productos es una posible medida. La lógica avanzada, la memoria de alto ancho de banda y el empaquetado complejo de chips requieren nuevas combinaciones de materiales y equipos. Lanzar antes un producto cualificado puede adelantar los ingresos y mejorar la posición competitiva de Applied.
La productividad del servicio ofrece otra medida. Applied da soporte a una amplia base instalada de equipos dentro de las fábricas de sus clientes. Los diagnósticos asistidos por IA pueden identificar componentes defectuosos, predecir necesidades de mantenimiento y reducir el tiempo que los ingenieros dedican a aislar problemas.
El rendimiento de las fábricas y la cadena de suministro proporciona una tercera prueba. Mejores previsiones pueden reducir la escasez, mientras que los sistemas de programación pueden mejorar el flujo de equipos durante el montaje y las pruebas. Estos beneficios deberían reflejarse en los plazos de entrega, el desempeño del inventario y los márgenes.
Applied compite con empresas como Lam Research, KLA, Tokyo Electron y ASML en distintas partes de la producción de semiconductores. Ningún competidor individual reproduce la totalidad de su cartera de productos.
Aun así, todos los grandes proveedores de equipos enfrentan la misma presión general. Los clientes quieren sistemas que gestionen chips más complejos y, al mismo tiempo, mejoren el rendimiento, el uso de energía, la fiabilidad y la producción de las fábricas.
La fabricación de semiconductores con IA puede convertirse en una ventaja competitiva solo cuando modifica esos resultados medibles. El acceso general a chatbots o asistentes de programación no creará una diferenciación duradera, porque los competidores pueden adquirir herramientas similares.
La ventaja de Applied, si llega a desarrollarla, provendrá de combinar modelos con conocimiento propio de procesos y datos de equipos. Décadas de experimentos y registros de producción pueden aportar un contexto del que carecen los sistemas de propósito general.
Este enfoque también implica restricciones. Los datos de los clientes son sensibles, la investigación de semiconductores está fuertemente protegida y las recomendaciones incorrectas pueden desperdiciar costioso tiempo de producción. Por tanto, el acceso a los datos debe mantenerse controlado.
La empresa también debe evitar que la automatización oculte errores técnicos. Una recomendación de software plausible no equivale a un cambio de proceso validado. Los ingenieros siguen necesitando experimentos, controles estadísticos y cualificación por parte de los clientes.
Estos límites hacen que el componente organizativo de la estrategia de IA de Applied Materials sea tan importante como los modelos. La empresa necesita sistemas de gobernanza de datos, revisión humana, seguridad, rendición de cuentas y validación de procesos.
La gestión del conocimiento se vuelve fundamental cuando los sistemas de IA se basan en resultados de laboratorio, registros de servicio y decisiones de ingeniería. Los equipos necesitan material de origen fiable, permisos claros y conclusiones trazables.
El mismo principio se aplica más allá de los equipos para chips. Una base de conocimiento de ingeniería con capacidad de búsqueda solo es útil cuando los equipos pueden verificar de dónde procede una respuesta.
Applied no ha divulgado suficiente información para evaluar cada sistema interno. Los inversores y clientes deberían centrarse en los resultados empresariales en lugar de en el número de herramientas.
Lo que la promesa de duplicar las ventas aún no demuestra
El objetivo de ingresos sigue siendo una previsión de la dirección, no una prueba independiente de que la IA haya separado el crecimiento de la contratación.
La primera incertidumbre es la base de referencia. “Duplicar el tamaño” parece referirse a los ingresos, pero Applied no ha proporcionado una cifra inicial precisa ni un año fiscal de finalización.
Un plazo flexible de “los próximos años” también dificulta evaluar el progreso. Los ingresos podrían crecer rápidamente durante un ciclo de equipos, detenerse durante otro y aun así acercarse al objetivo más adelante.
La segunda incertidumbre se refiere a la causalidad. Applied se beneficia del gasto de sus clientes en infraestructura de IA, incluida la lógica avanzada, la memoria, el empaquetado y la capacidad de fabricación relacionada.
Esa demanda externa puede elevar las ventas incluso si las herramientas internas de IA aportan solo modestas ganancias de productividad. A la inversa, una sólida productividad interna no puede duplicar los ingresos si los clientes reducen el gasto de capital.
Por ello, los lectores deberían separar dos efectos distintos de la IA. La IA genera demanda para los equipos de Applied, mientras que las herramientas de IA pueden ayudar a Applied a atender esa demanda con menos empleados adicionales.
Los resultados recientes de la empresa muestran la fuerza del primer efecto. Applied informó ingresos récord en el tercer trimestre fiscal y elevó sus expectativas para las ventas de Semiconductor Systems durante el año calendario 2026.
Sus resultados oficiales del tercer trimestre informaron un margen bruto no GAAP del 50,4 % y unos ingresos operativos no GAAP de 3.100 millones de dólares. Estas medidas excluyen determinadas partidas y no deben considerarse equivalentes a los resultados GAAP.
El efecto de la productividad interna es más difícil de aislar. Applied ha descrito usos específicos y citado mejoras en algunas funciones, pero no ha publicado una cifra de retorno de la IA para toda la empresa.
La tercera incertidumbre es la ciclicidad. La demanda de equipos para semiconductores se mueve con la inversión de los clientes, las transiciones tecnológicas, la utilización de las fábricas, la política gubernamental y las expectativas sobre la futura demanda de chips.
Una expansión prolongada de la infraestructura de IA respaldaría el plan de Applied. Una desaceleración de la financiación, una restricción energética, una escasez de componentes o una corrección de capacidad podrían retrasar los proyectos de los clientes.
Dickerson reconoció varios de esos riesgos a corto plazo. Identificó la financiación, los suministros, la energía y la capacidad de producción como posibles limitaciones al ritmo de expansión de la IA.
La política de exportaciones añade otra presión. Applied y sus competidores estadounidenses enfrentan límites para vender determinados sistemas y servicios avanzados a clientes en China. Estas restricciones pueden reducir la demanda accesible independientemente de la productividad interna.
La competencia también podría reducir cualquier ventaja. Lam Research, KLA, Tokyo Electron y otros proveedores están invirtiendo en análisis de datos, automatización, simulación y servicios respaldados por IA.
Si todos los grandes proveedores logran mejoras similares, la IA se convierte en un requisito de la industria en vez de una fuente de márgenes excepcionales. Applied seguiría beneficiándose, pero los competidores compartirían el mismo apalancamiento operativo.
También existe un riesgo para la fuerza laboral. Los empleados pueden interpretar “duplicar ventas, no plantilla” como una señal de que las ganancias de eficiencia reemplazarán las oportunidades profesionales.
Applied debe retener la escasa experiencia en procesos, materiales y equipos mientras cambia la manera de trabajar. Una automatización mal gestionada podría fomentar salidas o debilitar la mentoría que forma a futuros líderes técnicos.
Ninguno de estos riesgos refuta la estrategia. Definen la evidencia necesaria antes de considerarla exitosa.
La prueba más sólida combinaría crecimiento sostenido de ingresos, crecimiento más lento de la plantilla, calidad de servicio estable, desarrollo de productos más rápido y márgenes saludables. Una sola métrica dejaría abiertas explicaciones alternativas.
Tres señales pondrán a prueba el crecimiento de ingresos de Applied Materials
La próxima evidencia debería proceder de los resultados financieros, la producción del EPIC Center y la composición de la plantilla, en ese orden.
La primera señal es el crecimiento de los ingresos en relación con el crecimiento de los empleados. Applied debería informar finalmente de que sus ventas se expanden de forma sustancialmente más rápida que su plantilla durante varios trimestres.
Un solo trimestre no resolverá la cuestión, porque las entregas de equipos pueden desplazarse entre períodos de reporte. Los inversores deberían comparar una secuencia más larga de ingresos, gastos operativos, márgenes y plantilla.
Si las ventas siguen aumentando mientras la contratación crece lentamente y el servicio al cliente se mantiene estable, la estrategia de IA de Applied Materials gana credibilidad. Una disminución del empleo durante una demanda débil demostraría mucho menos.
La segunda señal es la producción comercial del EPIC Center. Applied y sus socios deberían identificar avances de proceso, equipos cualificados, calendarios de desarrollo más cortos o programas de clientes que hayan avanzado hacia la producción.
El número de participantes importa menos que el trabajo completado. Una instalación activa aún puede fracasar en acelerar la comercialización si los proyectos permanecen aislados o los ciclos de aprobación siguen siendo largos.
Las presentaciones de productos específicos vinculadas a EPIC reforzarían el caso de Applied. La evidencia de que la investigación compartida redujo experimentos duplicados o aceleró la cualificación de clientes sería más valiosa que las afirmaciones generales sobre colaboración.
Una actividad limitada de los socios debilitaría el argumento. La economía de la instalación depende de que clientes e investigadores utilicen sus salas blancas para programas de desarrollo relevantes.
La tercera señal es el cambio en la composición de la fuerza laboral. Applied ya ha demostrado que un crecimiento más lento de la plantilla total puede coexistir con contrataciones selectivas.
Las futuras divulgaciones deberían revelar si los puestos de fabricación, servicio de campo y técnicos continúan expandiéndose, mientras que las tareas administrativas o repetitivas requieren menos incorporaciones. Eso respaldaría la explicación de crecimiento selectivo de la empresa.
Otro despido masivo requeriría una interpretación cuidadosa. Podría reflejar sustitución por IA, una desaceleración del sector de semiconductores, restricciones a la exportación, reestructuración o varios factores a la vez.
Applied también debería demostrar que la calidad no se ha deteriorado. Un trabajo de ingeniería más rápido solo importa si los productos siguen siendo fiables y los clientes reciben un soporte eficaz.
Estas tres señales crean una prueba práctica. El desempeño financiero muestra si el modelo operativo escala. La producción de EPIC muestra si la investigación avanza más rápido. La composición de la plantilla muestra dónde la IA modifica realmente la demanda laboral.
El plan tiene implicaciones mucho más allá de Applied Materials. Ofrece una prueba excepcionalmente concreta de si la IA empresarial puede transformar una gran empresa industrial en lugar de limitarse a añadir otro gasto de software.
Los trabajadores del conocimiento deberían observar qué tareas cambian, no solo qué empleos desaparecen. Los ingenieros pueden revisar más opciones generadas por máquinas, los equipos de servicio pueden recibir alertas antes y los directivos pueden coordinar la capacidad con mejores previsiones.
Los compradores empresariales deberían observar la integración y la gobernanza. La ventaja potencial de Applied no proviene únicamente de un modelo genérico. Proviene de conectar la IA con registros técnicos fiables, equipos físicos y decisiones sujetas a rendición de cuentas.
Por tanto, la pregunta más útil no es si Applied utiliza IA. Más de 35.000 usuarios internos ya hacen que esa pregunta sea demasiado limitada.
La pregunta es si Applied puede convertir esas herramientas en el doble de producción comercial sin duplicar la complejidad organizativa. Los ingresos, las innovaciones cualificadas, los rendimientos de los clientes y los datos de la fuerza laboral aportarán la respuesta.
Si esos indicadores avanzan juntos, Applied habrá producido uno de los ejemplos industriales más claros de apalancamiento operativo respaldado por IA. Si divergen, el crecimiento de la demanda podría merecer más crédito que la automatización.
Siga las próximas divulgaciones financieras y los primeros proyectos comerciales que surjan de EPIC. Mostrarán si Applied Materials puede hacer que su promesa de duplicar las ventas sea medible, repetible y duradera.
