Lista de reproducción
- No hay más artículos para escuchar
La preocupación por una burbuja de IA se ha intensificado desde principios de 2026, a medida que inversores y legisladores se centran en si, y cuándo, podría estallar. Pero la verdadera pregunta no es si las valoraciones actuales están infladas, sino si el modelo de negocio emergente de la IA difiere del de las revoluciones tecnológicas anteriores.
Durante décadas, la escala ha sido el principal factor determinante del rendimiento y las valoraciones de las empresas tecnológicas. A medida que las aplicaciones, los sitios web, los comercios en línea y las plataformas de redes sociales expandieron sus bases de usuarios, los costos marginales disminuyeron, los efectos de red se consolidaron y el poder de fijación de precios aumentó. Las valoraciones pasaron a reflejar el potencial de crecimiento a largo plazo en lugar de la rentabilidad a corto plazo.
Es poco probable que las fuerzas que definieron a los ganadores tecnológicos del pasado dominen el despliegue de la IA, ya que la dinámica competitiva difiere en seis dimensiones críticas. En primer lugar, la inversión de capital ya no es una ventaja insignificante; es una barrera formidable. En oleadas tecnológicas anteriores, los requisitos de capital se limitaban en gran medida a la fase de arranque y eran relativamente modestos. Facebook, por ejemplo, inicialmente recaudó solo 500,000 dólares en financiación inicial.
Pero esas innovaciones anteriores se basaron en infraestructuras existentes como Linux, Apache, MySQL y PHP (la denominada pila LAMP), lo que redujo drásticamente los costos iniciales. La IA, en cambio, requiere una inversión de capital extraordinariamente intensiva. Se proyecta que la inversión de capital en toda la industria superará los 7 billones de dólares para 2030, a medida que las empresas construyen centros de datos, amplían su capacidad informática e invierten en hardware especializado. A diferencia de ciclos tecnológicos anteriores, estas necesidades de inversión no disminuirán a medida que la industria madure, e incluso podrían intensificarse.
Además, es posible que esos costos nunca disminuyan significativamente, ya que la vida útil de los centros de datos suele medirse en años, no en décadas. Si bien la computación en la nube también requirió una inversión masiva en servidores de propósito general, la IA exige una infraestructura completamente nueva, incluyendo unidades de procesamiento gráfico y unidades de procesamiento tensorial (TPU), para gestionar la gran cantidad de cálculos simultáneos necesarios para el entrenamiento y la ejecución de modelos de IA.
Estos sistemas son costosos y consumen mucha energía. Se espera que una sola prueba de entrenamiento de IA a gran escala cueste más de $1 mil millones para 2027. Solo las empresas que puedan afrontar el precio de entrada sobrevivirán, lo que dará a los gigantes tecnológicos actuales —con sus enormes flujos de efectivo, balances sólidos y acceso a los mercados de capital— una ventaja decisiva.
En segundo lugar, la estructura de costos operativos de la IA socava las economías de escala tradicionales. En ciclos tecnológicos anteriores, los costos marginales por usuario se desplomaron a medida que las plataformas crecían. Ya se tratare de redes sociales, software o aplicaciones de viajes compartidos como Uber, los costos se repartían entre una base de clientes en expansión, lo que permitía a las plataformas mantener altos márgenes a medida que escalaban.
Estos modelos también se caracterizaban por sus bajos gastos operativos. Una vez que Facebook alcanzó la escala suficiente, el coste marginal de añadir usuarios se volvió insignificante. Como resultado, las empresas prestaron poca atención al coste de atender a cada usuario, ya que rara vez amenazaba su viabilidad financiera.
La IA revoluciona esta dinámica. Controlar los costos marginales ya no es opcional, ya que los grandes modelos de lenguaje y otros sistemas de IA incurren en costos significativos con cada interacción, lo que requiere miles de millones de cálculos. Por eso, las empresas de IA se centran en reducir los costos por consulta mediante hardware personalizado, como las TPU, y en el desarrollo de modelos más ágiles y eficientes, como DeepSeek de China.
La escala no es suficiente
El tercer aspecto en el que la IA se diferencia de las revoluciones tecnológicas anteriores reside en la debilidad y fragilidad de los efectos de red. Las plataformas tecnológicas tradicionales se beneficiaron de un crecimiento autorreforzado. Compradores y vendedores se sintieron atraídos por el mercado de Amazon precisamente porque la actividad ya se concentraba allí.
Los usuarios de IA pueden cambiar fácilmente entre modelos, usar varios a la vez (uno para texto, otro para imágenes, un tercero para codificación) o incluso crear los suyos propios. Los costes de cambio son bajos y la lealtad es baja, lo que reduce considerablemente la influencia de los efectos de red a la hora de determinar los ganadores a largo plazo.
Para las empresas tecnológicas tradicionales, la combinación de la caída de los costos marginales y los efectos de red amplificó los beneficios de escala, impulsando una carrera por captar la mayor atención posible. Esta estrategia tuvo sentido para empresas como Facebook, que generaba valor al monetizar la atención del consumidor mediante la publicidad.
Las empresas de IA se enfrentan a una estructura de costos diferente. Cada nueva iteración de su producto requiere una inversión de capital adicional. Cada usuario adicional incrementa los costos, en particular los de inferencia. Si bien los gastos de capacitación pueden amortizarse con una base de usuarios más amplia y pueden surgir economías de escala, el crecimiento del uso aún conlleva mayores costos operativos.
La cuarta diferencia radica en la transición de la fragmentación del mercado a la saturación instantánea. Las plataformas tecnológicas anteriores crecieron en mercados mayormente aislados: Google dominaba las búsquedas; Amazon se centraba en el comercio minorista. Al buscar nichos específicos como estudiantes universitarios (Facebook) y profesionales (LinkedIn), las empresas tuvieron tiempo de madurar antes de que la competencia se intensificara.
La IA, en cambio, es una tecnología de propósito general que trasciende a todos los sectores. Dado que los usuarios pueden acceder a ella instantáneamente a través de aplicaciones o interfaces de programación de aplicaciones (IPA), las empresas ya no pueden darse el lujo de alcanzar la madurez antes de que surja la competencia. Esta dinámica otorga a la IA el potencial de revolucionar no solo sectores individuales, sino todos los modelos de negocio tecnológicos existentes.
En quinto lugar, la influencia política ahora importa tanto como el poder de mercado. Las olas de innovación anteriores no exigieron a las empresas interactuar con gobiernos y organismos reguladores como sí lo hace la IA. Si bien las plataformas de redes sociales finalmente se enfrentaron al escrutinio… sobre sus efectos adictivos, los riesgos percibidos que plantean Las tecnologías emergentes actuales son más profundas y, en muchos sentidos, existenciales, dado el potencial de la IA para causar desplazamientos laborales, exacerbar la desigualdad y socavar la gobernanza democrática. Dado que las empresas de IA se enfrentan tanto a las fuerzas del mercado como a las presiones políticas, las empresas que pueden moldear la regulación, influir en la opinión pública y absorber el riesgo reputacional están mejor posicionadas para el éxito.
Microsoft es un claro ejemplo de este tipo de empresa. En un claro esfuerzo por ganar legitimidad política y social, la compañía se comprometió recientemente a cubrir los costos de electricidad de sus centros de datos, para que los precios más altos no se trasladaran a los consumidores.
¿El fin del sistema en el que el ganador se lo lleva todo?
Por último, la IA podría ser menos susceptible a la dinámica de «el ganador se lo lleva todo». La escala, los costos marginales casi nulos y los fuertes efectos de red permitieron a empresas como Facebook, Google, Amazon y Apple dominar las redes sociales, las búsquedas, el comercio electrónico y los teléfonos inteligentes, respectivamente. Es improbable que el sector de la IA, al menos inicialmente, siga ese patrón. En lugar de converger en un único ganador monopolista, podría apoyar a múltiples actores dominantes, cada uno controlando su propio nicho.
Sin duda, una empresa de IA podría alcanzar un punto en el que su liderazgo tecnológico se refuerce y sea prácticamente insuperable. Mediante la mejora continua y una superioridad abrumadora de sus productos, o incluso el desarrollo de la inteligencia artificial general, dicha empresa podría alcanzar un poder de mercado duradero que le permitiera dominar el sector.
Hasta entonces, los inversores deben reconocer que la IA sigue una nueva lógica estratégica. Aplicar métricas tecnológicas heredadas a este panorama en rápida evolución no solo es contraproducente, sino también potencialmente costoso. Los inversores que se basan en estrategias anteriores corren el riesgo de perder en el mercado actual impulsado por la IA.
Considere la compensación basada en acciones. Históricamente, los incentivos basados en acciones permitieron a las empresas tecnológicas… Para contratar y retener talento, adquirir propiedad intelectual y expandirse mediante fusiones y adquisiciones. Sin embargo, las opciones sobre acciones no pueden financiar centros de datos, potencia informática ni infraestructura energética. Para satisfacer estas necesidades, las empresas de IA requieren inversión real, flujos de caja consolidados y acceso fiable a los mercados de capital.
De igual manera, los inversores toleraban márgenes negativos mientras el crecimiento de usuarios era sólido y los ingresos por publicidad crecían. Sin embargo, la incertidumbre en torno a la IA y la magnitud de la inversión de capital requerida limitan su capacidad para evaluar cuándo estas inversiones alcanzarán el punto de equilibrio o cómo las transformaciones impulsadas por la IA incrementarán los márgenes. El resultado es un énfasis creciente en balances sólidos y una resiliencia financiera demostrable.
Así pues, la carrera por el liderazgo en IA no la ganarán las empresas con más usuarios o con las tasas de crecimiento más rápidas. En cambio, las vencedoras serán las empresas que puedan combinar productos superiores con solidez financiera e influencia política.
En este sentido, la IA se asemeja más a las industrias intensivas en capital de mediados del siglo XX que a los modelos tecnológicos de bajo consumo de activos de los últimos años. Con el aumento de los costos operativos y la fácil transición de los consumidores entre modelos, la rentabilidad dependerá de captar la demanda elástica y, al mismo tiempo, convertir el capital político y la influencia regulatoria en una ventaja competitiva duradera.
La autora es economista internacional, autora de Edge of Chaos: Why Democracy Is Failing in Deliver Economic Growth–and How to Fix It (Libros Básicos, 2018).
Derechos de autor: Project Syndicate, 2026.
www.project-syndicate.org
