La pregunta del millón, de los mil millones o del billón de dólares es si la demanda final podrá acelerar lo suficientemente rápido como para generar un retorno de la inversiones razonable en toda la cadena de valor.
Los rumores sobre la burbuja de la inteligencia artificial (IA) están de vuelta. Aunque las acciones tecnológicas de gran capitalización han vivido otro sólido año, ahora que la atención se centra cada vez más en el carácter circular de las recientes operaciones de alto perfil y una concentración sin precedentes en los índices de renta variable estadounidense, los inversores vuelven a mostrarse preocupados por la posibilidad de que los valores de IA experimenten una corrección significativa.
El ecosistema de la IA
Para abordar estas preocupaciones, debemos comprender en primer lugar un ecosistema de la IA que es cada vez más extenso (véase el gráfico 7).
En la parte más baja de la estructura tecnológica tenemos a los fabricantes de hardware. Aquí se incluyen empresas como Nvidia (que diseña chips muy sofisticados), TSMC (que produce chips para Nvidia, entre otros) y ASML (que crea las herramientas de precisión que se utilizan en la fabricación de los chips).
A continuación vienen los «hiperescaladores». Este grupo incluye a gigantes del sector como Alphabet, Amazon, Meta, Microsoft y Oracle.1 Hablamos de empresas que construyen y operan los centros de datos que conforman la columna vertebral de la inteligencia artificial y, en términos más generales, de la computación en la nube. Dado que aproximadamente la mitad de la inversión en activos fijos relacionada con la IA suelen destinarse a chips, los hiperescaladores son clientes prioritarios para los fabricantes de hardware.
Después nos encontramos con un tercer grupo al que llamaremos «arquitectos de la IA». Estas son compañías que desarrollan large language models (LLM) y otras aplicaciones de IA que pueden utilizarse para todo tipo de tareas, desde la creación de vídeos hasta chatbots o investigaciones médicas complejas. Aunque ChatGPT de OpenAI es, posiblemente, el LLM más famoso hasta la fecha, hay muchos otros ejemplos populares, entre ellos Claude de Anthropic, Gemini de Google, Grok de xAI y Le Chat de Mistral.
Mientras que estas categorías explican claramente lo que conforma el lado de la oferta de infraestructura de IA, aplicar una definición general al lado de la demanda resulta mucho más difícil. Aquí, los usuarios van desde particulares (por ejemplo, personas que usan ChatGPT) hasta empresas (por ejemplo, un centro de atención telefónica que emplea chatbots con IA), pasando por compañías que hacen de la IA el centro de su oferta de servicios, como los desarrolladores de software que venden herramientas basadas en IA.
En un ecosistema maduro y plenamente funcional, el dinero que gastan los usuarios finales debe ser suficiente para generar beneficios en toda la cadena. Pensemos en la compra semanal. El dinero que uno paga en la caja debería ser suficiente para que el supermercado, el operador inmobiliario, los productores de los alimentos y los agricultores se lleven cada uno su parte.
En el actual ecosistema de la IA, la demanda de los usuarios finales —ya sean particulares o empresas— no alcanza para que el resto de actores puedan obtener beneficios. Durante varios años, los hiperescaladores han pagado una gran parte de la factura utilizando los ingresos de otras partes de sus negocios para financiar el desarrollo de la capacidad de IA, lo que a su vez ha generado beneficios para los fabricantes de hardware. Ahora, la pregunta del millón, de los mil millones o del billón de dólares es si la demanda final podrá acelerar lo suficientemente rápido como para generar un retorno de la inversiones razonable en toda la cadena de valor.
Ojo con las burbujas
Dada la exorbitante subida de los precios de las acciones tecnológicas desde la pandemia, no es de extrañar que se estén estableciendo comparaciones con burbujas de inversión anteriores.
Valoraciones caras, pero no prohibitivas si los beneficios están a la altura
Aunque las valoraciones actuales no se encuentran en niveles tan extremos como los de la burbuja de las puntocom, las ratios PER a 12 meses del S&P 500 de 23x no están tampoco muy lejos de los máximos registrados en el año 2000. Además, el sector tecnológico cotiza a un múltiplo de 31 veces los beneficios futuros (véase el gráfico 8).
Las valoraciones de las acciones de hardware se encuentran actualmente en niveles más altos (35 veces los beneficios futuros a 12 meses) que las de los hiperescaladores (30 veces dichos beneficios). Sin embargo, establecer estas comparaciones resulta más difícil en el caso de los arquitectos de la IA, ya que los principales actores del sector —como Anthropic, Mistral y OpenAI— siguen sin salir a bolsa en la actualidad. Esta falta de visibilidad hace que evaluar con precisión los fundamentales de un grupo que es parte integral de todo el ecosistema resulte mucho más complejo.
Es posible extraer dos grandes conclusiones de los anteriores periodos alcistas en los precios de las tecnológicas. La primera es que unas valoraciones elevadas no tienen por qué anular automáticamente las rentabilidades futuras. Un inversor que invirtiera en Microsoft a un múltiplo máximo de 68x en diciembre de 1999 obtendría una rentabilidad superior al 1000% en los siguientes 25 años (siempre que hubiese mantenido sus acciones durante la caída del 65% que la empresa registró en el año 2000). Sin embargo, la segunda lección es que las bolsas suelen ser muy ineficaces a la hora de predecir quiénes serán los futuros ganadores durante las revoluciones tecnológicas. Si nos fijamos en las empresas tecnológicas más populares del S&P 500 en el momento álgido de las puntocom en el año 2000, solo Microsoft conservaba su puesto en el top ten una década después (véase el gráfico 9). Identificar a los ganadores a largo plazo en tiempo real es una tarea increíblemente compleja.
El estado de salud de las finanzas: mucho mejor que en 2000, pero con pequeños achaques.
La solidez financiera de las megacaps de IA es, posiblemente, la razón más importante para restar importancia a las comparaciones con la burbuja de las puntocom. A diferencia de los frágiles balances corporativos de las pioneras de Internet de hace 25 años, hoy Amazon, Apple, Alphabet, Meta, Microsoft y Nvidia cuentan con una reserva de liquidez que asciende a los 450.000 millones de USD. Si pensamos en que el endurecimiento de las condiciones crediticias ha sido a menudo un factor determinante en el estallido de burbujas anteriores, esto sugiere que actualmente los gigantes tecnológicos gozan de una posición mucho más sólida.
Una cuestión crucial es que esta solidez financiera ha permitido hasta ahora que muchos de los hiperescaladores financien sus inversiones en activos fijos relacionadas con la IA con cargo a su flujo de caja libre. No obstante, no hay que perder de vista que los compromisos de inversión en activos fijos previstos para los próximos años seguirán mermando las reservas de liquidez disponibles de estas empresas (véase el gráfico 10). En este sentido, conviene estar atentos a los movimientos de alto perfil de Meta, Oracle y xAI para acceder a los mercados de deuda pública y privada.
Sin embargo, la naturaleza cada vez más circular de los acuerdos de IA en los últimos meses recuerda en cierta medida a lo ocurrido a finales de la década de 1990. La intención anunciada por Nvidia en septiembre de invertir hasta 100.000 millones de dólares en OpenAI fue posiblemente el ejemplo más destacado de estos acuerdos de inversión. A su vez, OpenAI destinará gran parte de estos fondos a asegurarse nueva capacidad informática, lo que impulsará la demanda de chips de Nvidia.
Los más optimistas dirían que lo que está haciendo Nvidia es usar la liquidez de su balance para adelantar la demanda futura. Con todo, cuanto más se entrelace el destino de las empresas individuales, mayor será el riesgo de que un solo fracaso pueda provocar el derrumbe de todo el sistema.
Estructura de mercado: una mayor inclinación hacia los mercados privados exige un enfoque diferente
El número de salidas a bolsa es otra diferencia importante en la actualidad. La frenética actividad de ofertas públicas iniciales (OPI) fue una característica clave de la burbuja de las puntocom: en 1999, la mediana de la rentabilidad en el primer día de cotización de las 476 empresas estadounidenses que salieron a bolsa fue de nada menos que el 57%, dato que contrasta con una media de solo el 7% entre 1980 y 2024. Estos excepcionales resultados incitaron a las empresas a salir al mercado mucho más rápido de lo normal (véase el gráfico 11).
Aunque, volviendo al panorama actual, las OPI se han recuperado en la segunda mitad de 2025, la actividad sigue siendo comparativamente mucho más moderada. En parte, esto refleja la creciente preferencia de las empresas por permanecer en el ámbito privado, que ofrece una combinación de menor carga normativa y una amplia disponibilidad de capital, como comentamos en el capítulo No temer a los mercados privados.
Lo bueno de que las empresas ahora esperen mucho más tiempo para salir a bolsa es que con ello han reforzado los fundamentales de las empresas cotizadas del sector tecnológico. Lo malo, por el contrario, es que los inversores que solo acceden a la temática de la IA a través de los mercados públicos tienen muchas posibilidades de quedarse fuera de la exposición a algunos de los ganadores a largo plazo del sector, a los que actualmente solo se puede acceder a través de estrategias de capital riesgo.
Resultados: la obtención de unos beneficios extraordinarios se ha convertido en una norma que podría resultar difícil de mantener
A diferencia de lo que ocurría a finales de la década de 1990, cuando las valoraciones se disparaban al tiempo que los beneficios se estancaban, en la actualidad la expansión de las ganancias ha tenido una influencia mucho mayor en la tendencia alcista en las valoraciones. Pero no es solo cuestión de ingresos, lo es también de márgenes: a día de hoy, los márgenes del sector tecnológico estadounidense más que duplican los del conjunto del S&P 500. Como consecuencia de ello, los inversores dan ahora por sentado que las empresas tecnológicas obtendrán beneficios extraordinarios en comparación con el resto del índice.
Es cierto que la rentabilidad de las empresas de IA en los mercados privados es, por lo general, mucho menor, pero el crecimiento de sus ingresos sigue siendo impresionante. Según algunas fuentes, OpenAI genera actualmente unos ingresos anuales superiores a los 13.000 millones de dólares, aunque, dado el enorme gasto en I+D de la empresa, no se espera que sea rentable hasta aproximadamente 2030.
Que este crecimiento de los beneficios pueda continuar depende tanto de la demanda final como de que las tecnológicas sean capaces de mantener sus extraordinarios márgenes. Los booms inversores tienen la mala costumbre de crear un exceso de capacidad que, a su vez, perjudica los márgenes. El boom de los hidrocarburos de esquistos de la década de 2010 es un buen ejemplo de ello, ya que mientras que los avances en las técnicas de perforación reportaron un aumento en la oferta de petróleo, la fuerte caída de sus precios provocó pronto una ola de quiebras (véase el gráfico 12).
La mayor dificultad a la que se enfrentan los hiperescaladores para estimar con precisión la demanda futura es la gran cantidad de variables que intervienen en ella. ¿Se habrá reducido sustancialmente la actual intensidad de recursos de la IA de aquí a 2030? ¿Habremos logrado avances importantes en el campo de la inteligencia artificial general (IAG)? ¿Cuánto tardará en quedar obsoleto el hardware de IA debido a los nuevos avances tecnológicos? El hecho de que, a día de hoy, no haya una respuesta clara a ninguna de estas preguntas da lugar a amplios márgenes de error en las estimaciones tanto de las necesidades futuras de inversión en activos fijos como de los beneficios generales.
La demanda final: la pregunta más importante, y también la más difícil
Si, en última instancia, la IA permite a las empresas crear nuevas fuentes importantes de ingresos y reducir significativamente sus costes laborales, el crecimiento de los beneficios de las grandes tecnológicas seguirá siendo impresionante. En cambio, si los consumidores y las empresas se muestran más reacios a gastar mucho dinero en nueva tecnología de IA, será mucho más difícil obtener rentabilidad de unas inversiones que en este momento no paran de crecer.
Mientras que los arquitectos de IA se afanan en recalcar el crecimiento astronómico de su base de usuarios, lo cierto es que están teniendo muchas más dificultades para captar usuarios de pago. En el caso de OpenAI, ChatGPT ha batido todos los récords de ritmo de adopción tecnológica, pero — según el Financial Times— solo el 5% de los 800 millones de su usuarios poseen actualmente cuentas de pago.
Las encuestas dibujan también un panorama dispar. El cuestionario sobre IA de la Oficina del Censo de EE. UU. sugiere que solo el 9% de las empresas estadounidenses utilizan la IA para producir bienes y servicios, y señala que existen grandes variaciones entre los distintos sectores. Una cuestión preocupante es que, si lo desglosamos por tamaño de empresa, las respuestas apuntan a que la demanda de las más grandes podría estar empezando a ralentizarse (véase el gráfico 13).
Otras encuestas, por el contrario, ofrecen una perspectiva mucho más optimista. Entre ellas se encuentra el Ramp AI Index, que revela que el 44% de las empresas entrevistadas pagan una suscripción de IA (véase el gráfico 14), o la encuesta trimestral de KPMG, que registra un aumento constante en el despliegue de agentes de IA diseñados para impulsar la productividad de los empleados.
Desencadenantes de un cambio en la confianza
Ahora, centraremos nuestra atención en identificar los posibles desencadenantes que podrían provocar un cambio en la confianza del mercado en torno a la temática de la IA.
Un paso en falso de los grandes
Dado el creciente número de interrelaciones dentro del ecosistema de la IA, un «fracaso» de alguna de las megacaps tecnológicas podría ser muy perjudicial para el universo en su conjunto. A este respecto, lo más lógico es fijarse en los informes de resultados. Nvidia, por ejemplo, ha batido las previsiones tanto de beneficios como de ingresos todos los trimestres desde el 1T23 hasta el 2T25. Sin embargo, el volumen de cada desviación positiva ha ido disminuyendo conforme aumentaban las expectativas, y también debemos tener en cuenta que el ritmo de crecimiento de la inversión en activos fijos de los hiperescaladores se va a ralentizar (véanse los gráficos 15 y 16). Por tanto, un mal paso de cualquiera de las megacaps de IA generaría probablemente una gran preocupación por las empresas de todo el sector. Otro supuesto de este tipo sería que OpenAI siguiera adelante con sus planes de salir a bolsa en 2026 y, posteriormente, tuviera dificultades para alcanzar la valoración esperada.
Limitaciones de capacidad
Si la oferta de energía y materias primas podrá satisfacer la demanda de capacidad informática en el futuro es una pregunta que, pese a haber recibido mucha menos atención por parte del mercado hasta ahora, es también crucial. Las noticias de apagones relacionados con la expansión de los centros de datos o la escasez de minerales críticos esenciales para la fabricación de chips dan pistas de problemas que podrían provocar un cambio en la confianza del mercado.
Una crisis de liquidez
También hay que tener presente que el catalizador de una eventual corrección podría ser una crisis externa no relacionada con la tecnología. En un contexto de altas valoraciones como el actual, la tecnología está cotizando cada vez más como una temática de «alta beta», comportándose mejor es superior cuando los mercados van al alza y peor cuando lo hacen a la baja. En caso de que se materializase nuestro escenario de riesgo extremo con una crisis inflacionaria que hiciese aumentar las tires de los bonos, sería de prever que las acciones relacionadas con la IA se vieran especialmente afectadas.
Cómo posicionarse
Dado que la confianza en la IA es un factor tan determinante en los mercados actuales, resulta obvio que los inversores no pueden permitirse el lujo de esperar a ver cómo evoluciona la demanda antes de tomar decisiones. Por lo general, cuando nos enfrentamos a resultados impredecibles, lo más inteligente es diversificar. En el caso de la imprevisibilidad de la IA, hay tres formas específicas de impulsar la diversificación.
1. Diversificar en todo el ecosistema: Los riesgos y oportunidades que las empresas relacionadas con la IA tienen por delante pueden variar considerablemente. Si, por ejemplo, los hiperescaladores sobreestiman la demanda futura de computación, esta sobreinversión podría ejercer presión a la baja sobre los precios, lo que perjudicaría sus márgenes y beneficiaría a los consumidores de la capacidad generada. También es posible que dentro de cada categoría de IA haya ganadores y perdedores. En el sector del hardware, por ejemplo, aún está por ver si el ecosistema de la IA permite la supervivencia de múltiples fabricantes de chips, o si Nvidia, Broadcom y AMD (entre otros) no terminan en un escenario en el que el ganador se queda con todo.
2. Diversificar por regiones: La exposición concentrada de los índices estadounidenses a la temática de la IA es un argumento de peso a favor de la diversificación regional, como analizamos en el capítulo Diversificar selectivamente en la renta variable global. En primer lugar, cabe la posibilidad de que los ganadores definitivos de la carrera de la IA se encuentren en otras partes del mundo, especialmente en Asia. En segundo lugar, si el mercado pasa de centrar su atención en los productores de IA a hacerlo en los usuarios, el mix sectorial europeo podría salir beneficiado. Por último, si la opinión sobre la IA cambia por completo, la baja exposición a la tecnología de mercados como el británico o el suizo se volvería repentinamente más atractiva.
3. Diversificar en los mercados públicos y privados: La historia ofrece abundantes ejemplos de casos en los que los responsables del desarrollo de una nueva tecnología terminan viéndose desplazados por empresas emergentes más jóvenes y dinámicas. Si, en última instancia, la creación de valor se centra más en los desarrolladores de las herramientas que pueden aprovechar la IA que en los proveedores de su infraestructura, es muy posible que los ganadores a largo plazo sigan hoy en día agazapados en los mercados privados. Esta es una de las razones por las que somos estructuralmente optimistas con respecto al capital riesgo; véase el capítulo No temer a los mercados privados.
Conclusión
Aunque los beneficios de los gigantes tecnológicos han sido más que espectaculares, las perspectivas de la demanda futura de IA siguen siendo muy inciertas, como lo es también que las altas expectativas existentes vayan a cumplirse. Además, es aún más difícil saber cuándo podríamos toparnos con tales decepciones. Por estas razones, desaconsejamos orientar claramente las carteras en ninguna de las dos direcciones. En consecuencia, la diversificación en todo el ecosistema de la IA, en todas las regiones y en los mercados públicos y privados debería ofrecer la mejor relación riesgo/rentabilidad y ayudar a los inversores a gestionar las idas y venidas que esta última revolución tecnológica pueda depararnos.