La lógica de inversión en riesgos de IA está cambiando: de agregar gastos de capital a reevaluar los retornos

El signo claro en el mercado recientemente es que la actitud de los inversores hacia el capital de riesgo en IA ha cambiado dramáticamente. Cuando una gran empresa tecnológica anunciaba recortes en gastos de capital, solía generar entusiasmo en el mercado; ahora, en cambio, provoca caídas significativas en las acciones. Esta contradicción refleja un cambio profundo en la lógica de las estrategias de inversión de riesgo: de una narrativa optimista centrada en la expansión de capital, a una evaluación fría de la rentabilidad real de las inversiones. ¿Qué preocupa exactamente al mercado? Desde las dimensiones de retorno de capital, presión de financiamiento y riesgos asociados a las empresas, identificamos los tres principales riesgos en el campo de la IA.

¿Puede la enorme inversión en capital traducirse en retornos reales?

La característica más destacada de la actual ola de IA es la inversión sin precedentes en capacidad computacional y centros de datos por parte de las empresas tecnológicas. Según FactSet y Bloomberg, los cinco principales proveedores de servicios en la nube han destinado en los últimos cuatro trimestres 357.200 millones de dólares en capital para IA, y se espera que esta cifra aumente a unos 500.000 millones para 2026.

¿Qué implica esto? Desde la perspectiva del flujo de caja, estas cinco compañías dedican en promedio un 60% de su flujo de caja libre a gastos en IA. En otras palabras, casi dos tercios del efectivo generado se invierte en IA. Algunas empresas muestran cifras aún más extremas: en ciertos casos, los gastos en capital superan el 500% del flujo de caja operativo, lo que significa que su flujo interno no cubre las inversiones.

La pregunta clave es: ¿puede esta inversión masiva realmente generar los retornos esperados?

Desde el estado actual de la comercialización, aunque la IA se reconoce como la tecnología con mayor potencial, su monetización aún no está clara y los modelos de negocio están en fase de exploración. Esto genera dos incertidumbres: por un lado, la duda sobre si podrá convertirse en una fuente de beneficios significativa en el futuro; por otro, que a medida que aumenta la escala de inversión, la eficiencia marginal de la inversión en IA probablemente disminuirá.

Esto concuerda con las leyes económicas. La ley de rendimientos marginales decrecientes indica que, cuanto más se invierte, menor será el crecimiento adicional. Sin embargo, los costos de inversión en IA no han bajado; desde 2023, los precios de los equipos de computación y procesamiento de información han seguido subiendo, en marcado contraste con la caída de precios en los bienes de capital durante la ola de internet de los años 90. En otras palabras, la inversión actual en IA todavía está en una fase de “escala no económica”, donde grandes inversiones no reducen los costos proporcionalmente.

Este fenómeno está llevando a una reevaluación de las valoraciones bursátiles. Si las expectativas optimistas se vuelven excesivas, inevitablemente habrá correcciones. La fuerte caída en las acciones de Oracle ya envía esa señal: la era de contar historias solo sobre gastos de capital ha terminado; ahora el mercado exige ver retornos tangibles, no inversiones sin fin.

Este tipo de ajuste de expectativas no es nuevo. En cada revolución tecnológica, se han visto oscilaciones similares en los precios. Aunque la IA tiene un potencial a largo plazo para mejorar la productividad laboral, el progreso tecnológico suele presentar fases de oscilación, no una evolución lineal. En los grandes ciclos industriales, suele haber varias rondas de expansión y ajuste de inversión cada 3 a 5 años. Como indicador adelantado, los precios de las acciones fluctúan aún más. Como dijo Keynes, los compradores de acciones a menudo desconocen lo que realmente compran; cuando se desvanecen las fantasías excesivamente optimistas, los precios del mercado tienden a caer.

La dependencia creciente del financiamiento y las preocupaciones sobre la solvencia

Las grandes inversiones empresariales suelen requerir años para completarse, pero los costos de mano de obra y materias primas deben pagarse de inmediato. Esto significa que las empresas deben desembolsar grandes sumas antes de que los proyectos generen retorno. Estos fondos provienen o de su propio flujo de caja acumulado, o de financiamiento externo.

La disponibilidad y el costo del financiamiento dependen de un factor clave: la confianza del prestamista en la capacidad de pago y en las perspectivas de negocio de la empresa. Cuando esa confianza se tambalea, las condiciones crediticias se endurecen, y las empresas enfrentan no solo mayores costos de financiamiento, sino también riesgos para la continuidad de sus planes de inversión.

Tomemos como ejemplo a Oracle, cuya ambiciosa estrategia de gastos en capital en IA depende en gran medida de financiamiento externo. Según su último informe financiero, su flujo de caja libre ha caído a valores negativos, -1000 millones de dólares. En su balance, las ganancias son de 2890 millones, pero su deuda neta alcanza los 9770 millones, una discrepancia que alarma al mercado.

El mercado ya está reevaluando el riesgo crediticio de Oracle. Un indicador claro es el diferencial de los swaps de incumplimiento crediticio (CDS): el costo de protección contra incumplimiento ha subido en los últimos meses, superando los 140 puntos básicos, alcanzando niveles no vistos desde la crisis financiera de 2008. Esto refleja una mayor preocupación por la solvencia de Oracle y una mayor exigencia de compensación por riesgo. En consecuencia, el costo y la dificultad de financiamiento futuros de Oracle aumentarán notablemente.

No es un caso aislado. Otras empresas relacionadas con IA también enfrentan dificultades similares: ingresos que no cumplen expectativas, pero una fuerte demanda de financiamiento. Algunos proveedores de servicios en la nube de alto rendimiento han reducido sus previsiones de ingresos por retrasos en contratos, y han emitido bonos convertibles por grandes sumas para captar fondos, lo que aumenta la preocupación del mercado por su liquidez. Sus acciones han caído un 37% en las últimas semanas, y los CDS de sus bonos han subido de menos de 400 a 773 puntos básicos, evidenciando un deterioro en su perfil crediticio.

Las redes de gigantes tecnológicos y quién asume los riesgos asociados

Lo que hace única a esta ola de IA es que los gigantes tecnológicos están asumiendo el papel de inversores de riesgo. No solo invierten en startups, sino que también lideran la dirección del sector. A primera vista, esto puede fortalecer la colaboración interna y reducir la asimetría de información, mejorando la eficiencia general.

Pero también introduce nuevas vulnerabilidades: las relaciones de inversión y financiamiento entre empresas se vuelven complejas, y el riesgo de una sola compañía puede propagarse rápidamente a toda la cadena industrial y financiera, generando efectos en cadena.

Actualmente, Nvidia, OpenAI, Oracle y otros gigantes han establecido múltiples niveles de cooperación: inversiones directas, compras de servicios en la nube, despliegue de chips y desarrollo conjunto. Estas empresas están “vinculadas” en una red estrecha.

Por ejemplo: Nvidia ha prometido invertir hasta 1000 millones de dólares en OpenAI, compra 6.3 mil millones en servicios en la nube, invierte 500 millones en Intel y planea desarrollar chips en colaboración. OpenAI tiene un acuerdo de 300 mil millones en servicios en la nube con Oracle, y también ha comprometido hasta 2.24 mil millones en infraestructura adicional, además de desplegar chips AMD por decenas de millones.

Este entramado altamente interconectado significa que si alguna de estas empresas fracasa o enfrenta una crisis de liquidez, el impacto se propagará rápidamente a sus socios, pudiendo desencadenar una reacción en cadena en toda la industria. Tras la fuerte caída de Oracle, otras empresas relacionadas también vieron disminuir sus acciones. Incluso las empresas de chips con mejores resultados han sufrido impactos evidentes. La reacción del mercado indica que los inversores están reevaluando los riesgos implícitos en la estrategia de “agruparse” en el sector de IA, y que los riesgos de contagio están siendo cada vez más considerados.

¿Qué significa una desaceleración de la IA para la economía estadounidense?

Para 2025, la economía de EE. UU. muestra una notable resiliencia, pero en gran medida gracias a la expansión de la inversión en activos fijos relacionados con IA. Se estima que la contribución de IA al crecimiento del PIB real de EE. UU. es de aproximadamente 0.7 puntos porcentuales, un tercio del crecimiento total. Esto implica que, excluyendo IA, el crecimiento interno de los sectores tradicionales es débil, y el desempeño general no es tan fuerte como sugieren los datos superficiales.

De cara a 2026, si persisten las dudas sobre si la inversión en capital en IA podrá generar suficientes retornos, y si las condiciones de financiamiento se endurecen para las empresas relacionadas, una expectativa razonable es que: el ritmo de inversión en activos fijos en IA se desacelerará notablemente.

Este riesgo no puede ser mitigado solo con políticas monetarias expansivas, ya que el principal obstáculo no es el costo del financiamiento, sino la incertidumbre sobre la realización de los retornos. Además, las políticas arancelarias actuales están elevando los precios de los bienes de capital en IA, lo cual es una restricción en la oferta que tampoco puede resolverse solo con políticas del banco central.

El efecto riqueza de la IA también merece atención. Estudios muestran que casi la mitad del consumo en EE. UU. proviene del 10% de la población con mayores ingresos, que posee aproximadamente el 87% de las acciones estadounidenses. En los últimos años, este grupo ha obtenido beneficios sustanciales de los fuertes retornos del mercado de capitales. Si la corrección del mercado reduce ese efecto riqueza, el consumo se verá presionado.

Al mismo tiempo, el mercado laboral estadounidense ya muestra signos de debilitamiento, y la incertidumbre en las perspectivas de empleo reduce la confianza del consumidor. La experiencia histórica indica que, en fases de postciclo, la demanda de consumo suele ser débil. La actual “disparidad en forma de K” en el consumo —donde los ingresos altos mantienen su gasto mientras los de ingresos medios y bajos se ven afectados— podría estar señalando esa tendencia, lo cual requiere atención continua.