La inversión en inteligencia artificial reúne, según el inversor y fellow del MIT Paul Kedrosky, varios ingredientes propios de una burbuja financiera: crédito abundante, valoraciones elevadas, apoyo público y una expansión acelerada de los centros de datos. La paradoja es que esta carrera inversora coincide con un abaratamiento rápido de los modelos y de la capacidad de computación.
Más deuda para financiar la expansión de la IA
Kedrosky observa similitudes entre la actual fiebre por la inteligencia artificial y otras burbujas del pasado. A su juicio, el entusiasmo de los inversores suele llevar a muchos participantes a entrar cuando las expectativas ya están muy elevadas. Si el sentimiento cambia, el movimiento puede invertirse y provocar ventas simultáneas.
Una de las diferencias respecto a los primeros años del auge de la IA está en la financiación. Las grandes tecnológicas podían afrontar inicialmente buena parte de sus proyectos con sus propios flujos de caja. Ahora recurren cada vez más a bonos, mercados de crédito privado y otras fórmulas basadas en deuda.
Según Kedrosky, entre el 15% y el 18% de la emisión de crédito de empresas con alta calificación está ya vinculada a esta ola inversora. Esa demanda de financiación compite con la de los gobiernos, que también necesitan captar deuda para cubrir sus déficits presupuestarios.
El volumen de inversión previsto sigue creciendo. Goldman Sachs calcula, según la fuente, que el gasto de las grandes tecnológicas podría superar el billón de dólares en 2026. Para Kedrosky, el riesgo no está solo en la cantidad de dinero movilizada, sino también en la posibilidad de que parte de la infraestructura construida no encuentre un uso suficiente.
Centros de datos infrautilizados y modelos cada vez más baratos
Los centros de datos concentran una parte importante de esa preocupación. Los proyectos se financian con el respaldo de grandes compañías tecnológicas, aunque no siempre está claro cuánto se utilizarán finalmente los equipos instalados. Kedrosky señala indicios de que algunos centros apenas emplean entre el 35% y el 40% de sus procesadores gráficos.
También plantea que ciertas empresas podrían estar acumulando chips para garantizarse capacidad futura, aunque esa potencia de cálculo no sea necesaria de inmediato. Si esta tendencia se generaliza, la industria podría terminar construyendo mucha más infraestructura de IA de la que el mercado necesita.
El problema se vuelve más complejo por la caída del precio de la computación. Los nuevos modelos son más eficientes y el coste de procesar solicitudes continúa descendiendo. Kedrosky describe los tokens de IA como un producto extremadamente deflacionario: una evolución positiva para los usuarios, pero difícil para las compañías que deben monetizar esa capacidad.
Cuando el precio por unidad baja con rapidez, las empresas necesitan aumentar notablemente el volumen de uso para conservar sus ingresos. Según la estimación atribuida a Kedrosky, los desarrolladores de los modelos más avanzados tendrían que elevar sus volúmenes alrededor de un 400% anual para mantener su posición financiera.
El reto de justificar las valoraciones
Ahí aparece la principal contradicción que identifica el inversor: las empresas de IA alcanzan valoraciones que descuentan un crecimiento muy elevado de los ingresos, mientras el producto que venden se abarata. Además, Kedrosky considera que el rendimiento de los grandes modelos de lenguaje está convergiendo y que cada mejora adicional exige inversiones mayores.
Las posibles salidas a bolsa de SpaceX, Anthropic y OpenAI podrían añadir otra fuente de tensión. Si estas compañías captaran conjuntamente cientos de miles de millones de dólares, los inversores institucionales interesados en participar podrían tener que vender acciones de empresas ya cotizadas para liberar capital. El resultado sería un traslado importante de dinero hacia nuevas compañías tecnológicas.
Kedrosky no sostiene que la IA vaya a fracasar como tecnología. Su advertencia es que una revolución capaz de transformar la economía también puede dejar fuertes pérdidas cuando se construye demasiada capacidad o las expectativas superan a los resultados. El sector de los semiconductores podría reproducir, además, el ciclo de escasez, sobreinversión y excedentes si el ritmo de innovación acorta demasiado sus ciclos.
