Hay periodos en tecnología que se sienten como una autopista de varios carriles en hora punta: todo se mueve rápido, hay más ruido del habitual y cualquier frenazo parece que puede provocar un choque en cadena. El auge actual de la inteligencia artificial encaja en esa imagen. Por un lado, las grandes compañías presentan resultados que suenan a récord histórico; por otro, dentro del propio sector se escucha un murmullo persistente: “¿y si esto está inflado?”.
Un buen termómetro de este clima es Nvidia, pieza clave porque sus chips sostienen buena parte de la infraestructura necesaria para entrenar y ejecutar modelos de IA. Según relataba The New York Times, la compañía comunicó un salto muy fuerte en su beneficio trimestral, un dato que alimenta la narrativa de que el mercado no solo crece, sino que lo hace con una intensidad poco común. El discurso del optimismo se apoya en una idea sencilla: si se venden tantos chips y tanta capacidad de cómputo, es porque la demanda es real.
La mirada escéptica, en cambio, hace una distinción importante. Comprar “picos y palas” no prueba por sí mismo que la mina esté dando oro. Puede significar que muchas empresas están invirtiendo para posicionarse “por si acaso”, esperando que el uso masivo y rentable de la IA llegue pronto. Y cuando el sector sube como un ascensor, cualquier bajada, por pequeña que sea, se interpreta como aviso: tal vez el entusiasmo está corriendo por delante de los ingresos sostenibles.
Centros de datos: el nuevo hormigón del progreso digital
Si hay un símbolo físico de este ciclo, no es una app ni un gadget: son los centros de datos. Grandes naves llenas de servidores que, vistas desde fuera, se parecen más a infraestructura energética que a “tecnología de consumo”. The New York Times puso el foco en el complejo Stargate de OpenAI en Abilene, Texas, una imagen que ayuda a entender el cambio: la IA ya no es solo software; es construcción, electricidad, refrigeración y logística.
Aquí aparece el punto que inquieta a muchos analistas: el volumen de capital comprometido. El propio artículo menciona inversiones de escala descomunal vinculadas a Project Stargate, y también planes de gasto en computación que suenan a presupuesto de megainfraestructura. En paralelo, firmas como Morgan Stanley han proyectado cifras enormes para el gasto global en centros de datos en los próximos años, con una parte relevante financiada mediante deuda. Es como si el sector hubiera decidido levantar, a toda velocidad, carreteras digitales de varios niveles antes de saber con certeza cuántos coches las usarán y cuánto pagarán por el peaje.
Esta apuesta tiene su lógica: la IA moderna necesita potencia, y la potencia no aparece por arte de magia. Se compra, se instala y se alimenta. El problema es el ritmo. Cuando muchas compañías construyen a la vez, el riesgo no es solo técnico; es financiero. Si la utilización real de esa capacidad queda por debajo de lo previsto, el coste fijo se vuelve una losa.
Start-ups valiosas, cuentas en rojo y promesas a largo plazo
En este escenario, las valoraciones de algunas empresas de IA se han disparado. The New York Times describía a OpenAI con una tasación estimada de enorme tamaño, junto a Anthropic y nuevos laboratorios como Thinking Machines Labs con valoraciones que, por velocidad y magnitud, recuerdan a otros ciclos de euforia tecnológica. El matiz que vuelve una y otra vez es la distancia entre valor y rentabilidad: varias de estas compañías todavía no son rentables y sitúan su horizonte de beneficios a años vista.
El contraste se entiende con una metáfora doméstica: es como comprar una casa enorme con hipoteca variable porque “seguro” que el sueldo va a crecer mucho en el futuro. Puede salir bien si el aumento llega y se mantiene; si no, el pago mensual aprieta. En términos empresariales, el pago mensual se llama deuda, contratos de nube, acuerdos de suministro, energía y amortización de equipos.
Algunos críticos han sido especialmente duros con este enfoque. El texto del Times citaba a Gil Luria, de D.A. Davidson, cuestionando la capacidad de sostener compromisos multimillonarios sin una base de ingresos acorde. No es una discusión sobre si la IA generativa funciona —funciona—, sino sobre si el mercado puede absorber, a tiempo, el coste de construir la maquinaria que la hace posible.
Acuerdos circulares: cuando el dinero da vueltas y confunde el termómetro
Una parte menos visible, pero clave, está en cómo se financia y se contabiliza el crecimiento. El artículo señalaba la preocupación de algunos analistas por acuerdos “circulares”: compañías que se invierten dinero entre sí, y luego una parte vuelve como pago por chips, nube o servicios. Visto desde lejos, parece un sistema muy activo, con grandes flujos y contratos; visto de cerca, puede inflar la percepción de demanda final.
Imagina un grupo de amigos que se turna para pagar la cena y, al final, todos presumen de “haber gastado mucho en restaurantes” ese mes. El gasto existió, pero no necesariamente refleja poder adquisitivo adicional; refleja un intercambio dentro del mismo grupo. En el mundo corporativo, estos circuitos no son automáticamente ilegítimos —pueden ser estratégicos—, pero sí complican la lectura: ¿cuánto de ese movimiento representa clientes externos pagando por valor real, y cuánto representa ingeniería financiera y alianzas para asegurar suministro?
El Times también mencionaba estimaciones como las de Goldman Sachs sobre el peso que podrían tener este tipo de operaciones en las ventas futuras de ciertos actores. Para inversores y reguladores, el punto no es moral, sino de riesgo: cuando el mercado se sostiene en parte por un “autoconsumo” sofisticado, una pequeña grieta en la confianza puede amplificarse.
Las grandes tecnológicas juegan con ventaja… y eso cambia el riesgo
No todas las empresas están en la misma posición. Microsoft, Google (a través de Alphabet), Amazon, Apple y Meta tienen un colchón que las start-ups no poseen: flujos de caja enormes y negocios consolidados. El artículo subrayaba que estas compañías están gastando cantidades altísimas en centros de datos, pero con una diferencia crítica: gran parte de ese gasto sale de beneficios, no de deuda asumida “a futuro”.
Esa asimetría crea un paisaje peculiar. Las grandes pueden soportar años de inversión intensa incluso si el retorno tarda; las pequeñas necesitan que el retorno llegue antes, porque su margen de error es menor. Por eso, cuando alguien habla de “burbuja”, conviene preguntar: ¿burbuja para quién? Un ajuste puede ser devastador para proveedores muy apalancados y laboratorios sin rentabilidad, mientras que para las grandes podría ser un bache asumible que, incluso, les deje una posición más dominante.
La promesa de la AGI: el premio que justifica apuestas extremas
En el centro de todo está una palabra que aparece como estrella polar: AGI (inteligencia artificial general). La idea de un sistema capaz de desempeñar tareas amplias con flexibilidad comparable a la humana funciona como un “gran premio” que haría razonable una inversión colosal. El Times citaba al economista Anton Korinek, de la Universidad de Virginia, defendiendo que, si se alcanza ese objetivo, la apuesta quedaría justificada. Es un planteamiento tipo “todo o nada”: si el salto llega, cambia el tablero; si no llega a tiempo, quedan facturas.
El problema es que nadie puede explicar con certeza el calendario. Se investiga en un terreno donde hay avances espectaculares, pero también límites prácticos: coste, energía, seguridad, fiabilidad. Es como entrenar para una maratón sin saber si el recorrido tendrá cuestas suaves o una montaña en el kilómetro 30.
Uso real en empresas: mucha adopción, impacto desigual
En el consumo, la IA ya es cotidiana. Chatbots, asistentes de escritura, herramientas de imagen: millones de personas los usan, y una parte paga suscripciones elevadas por funciones avanzadas, como señalaba el Times. El gran interrogante, sin embargo, está en el cliente que de verdad mueve la caja registradora: las empresas.
Según investigaciones citadas en el artículo, como las de McKinsey, muchas compañías afirman haber usado IA, pero una proporción similar reconoce que no ha visto un impacto relevante en el resultado final. Traducido a lenguaje de oficina: se ha probado la herramienta, se ha hecho una demo bonita, se han automatizado tareas pequeñas… pero todavía no se ha movido la aguja de los beneficios en la medida que justificaría inversiones masivas.
Aun así, hay señales de tensión de oferta. El Times recogía que varias grandes tecnológicas han asegurado tener más demanda que capacidad disponible, con previsión de seguir “limitadas” por infraestructura durante un tiempo. Eso encaja con la fase actual: primero se construye músculo, luego se intenta convertir ese músculo en ingresos repetibles.
El eco de la burbuja puntocom y la advertencia de Pichai
Comparar este ciclo con la burbuja puntocom es casi un reflejo automático. La analogía tiene sentido por la mezcla de innovación real, dinero fácil y expectativas desbordadas. Cuando la puntocom estalló, muchas empresas desaparecieron; otras salieron fortalecidas y definieron internet. El mensaje implícito es incómodo: una “limpieza” del mercado puede coexistir con una transformación tecnológica genuina.
En ese tono, el Times recogía declaraciones de Sundar Pichai en una entrevista con la BBC, donde reconocía que parte del frenesí puede estar impulsado por “irracionalidad” y advertía que una caída dañaría a muchos, incluidas las propias grandes. También citaba a Sam Altman admitiendo que los inversores pueden estar sobreexcitados, mientras sostiene que la IA es de las cosas más importantes que han ocurrido en mucho tiempo. Dos ideas que, juntas, resumen bien el momento: potencia real y exceso emocional.