IA: ¿Es la burbuja en realidad el volante de inercia?

El economista del MIT Ricardo Caballero presenta un argumento fascinante en su reciente documento de trabajo, Crecimiento especulativo y la "burbuja" de la IA:
La verdadera cuestión no es si la IA es una burbuja, sino si una burbuja misma puede crear los fundamentos del futuro.
Las finanzas tradicionales asumen que las valoraciones se derivan de los fundamentos. Los flujos de caja futuros determinan los precios actuales. Si los precios suben muy por encima de los flujos de caja esperados, lo llamamos burbuja. Esta lógica sustenta la inversión en valor, los modelos de flujo de caja descontado (DCF) y gran parte de la Hipótesis del Mercado Eficiente.
Caballero extiende esta relación causal a un bucle de retroalimentación. Los precios no solo reflejan el futuro—también ayudan a darle forma. Las valoraciones altas aumentan la capacidad de las empresas para recaudar capital. Ese capital financia la inversión. La inversión construye capacidad productiva. Una mayor productividad eventualmente genera flujos de caja futuros más fuertes. En otras palabras, las valoraciones que inicialmente parecen desvinculadas de los fundamentos pueden convertirse en parte del proceso que crea esos mismos fundamentos. (Esto se asemeja a la idea de reflexividad de George Soros).
El documento argumenta que siempre que las valoraciones de mercado influyen en las decisiones de inversión, el aumento de precios puede ayudar activamente a crear fundamentos económicos futuros.
La razón clave por la que este mecanismo puede aplicarse a la IA es que la IA es fundamentalmente diferente del capital tradicional.
El capital convencional está sujeto a rendimientos decrecientes. Construye más fábricas, y eventualmente la demanda se satura, surge el exceso de capacidad y los rendimientos del capital disminuyen.
Caballero argumenta que la IA se entiende mejor como una forma de capital escalable similar al trabajo. Las GPU, los modelos fundacionales y los agentes de IA no solo añaden más máquinas—expanden la oferta laboral efectiva de la economía. En su marco, el capital de IA realiza tareas que de otro modo requerirían trabajo humano. A medida que el capital de IA se acumula, la capacidad laboral productiva se expande junto con él, debilitando sustancialmente la ley tradicional de rendimientos decrecientes.
El documento va aún más lejos.
La inversión en IA también cambia la distribución del ingreso.
Una parte creciente del ingreso fluye hacia los propietarios de capital, quienes tienden a ahorrar una fracción mayor de sus ganancias. Un mayor ahorro aumenta la oferta de capital a largo plazo, reduce las tasas de interés a largo plazo y permite que la economía mantenga un stock de capital mayor. Caballero llama a esto la Retroalimentación de Financiamiento: una mayor formación de capital reduce los costos de financiamiento futuros, y menores costos de financiamiento fomentan aún más formación de capital. En lugar de la retroalimentación negativa incorporada en los modelos de crecimiento estándar, el sistema comienza a mostrar retroalimentación positiva.
Esto lleva a dos equilibrios a largo plazo fundamentalmente diferentes.
En un mundo, la inversión en IA sigue siendo insuficiente. El capital se acumula lentamente y el crecimiento de la productividad se mantiene persistentemente débil.
En el otro, la IA continúa atrayendo financiamiento abundante. Inversiones masivas fluyen hacia centros de datos, GPU, modelos fundacionales y agentes de IA, produciendo finalmente un equilibrio de alto capital y alta productividad.
La parte intrigante es que, aunque este equilibrio superior existe, los mercados racionales pueden no alcanzarlo por sí solos.
Caballero muestra que, partiendo del equilibrio actual de bajo capital, incluso los inversores perfectamente racionales pueden no coordinarse en el resultado mejor. La lógica es circular: sin suficiente capital hoy, la productividad futura no puede acelerarse; sin una productividad futura más alta, las valoraciones actuales siguen siendo bajas; sin valoraciones altas, las empresas no pueden financiar la inversión necesaria. La economía queda atrapada en un equilibrio auto-reforzante.
Aquí es precisamente donde la burbuja importa.
Las valoraciones elevadas permiten a las empresas recaudar capital. Ese capital financia más GPU, modelos más grandes y agentes más autónomos. Esas inversiones eventualmente aumentan la capacidad productiva de la economía.
La burbuja no es el destino.
Es el puente.
Esta es también la razón por la cual el documento enfatiza repetidamente la fragilidad.
El verdadero peligro no es que la burbuja eventualmente estalle. El peligro es que estalle demasiado pronto.
Si el financiamiento se agota antes de que se haya construido suficiente infraestructura de IA, la inversión se estanca, el desarrollo de la IA se ralentiza y las ganancias de productividad esperadas nunca se materializan. Pero si suficientes centros de datos, infraestructura de cómputo, modelos y agentes de IA ya están en su lugar antes de que las valoraciones se normalicen, el equilibrio de alto capital puede sostenerse incluso después de que la prima especulativa desaparezca.
El momento de la corrección importa mucho más que la corrección en sí misma.
Internet proporciona un ejemplo clásico.
La burbuja de las punto com colapsó espectacularmente en el año 2000. Sin embargo, las redes de fibra óptica, los servidores, el software, los centros de datos y el talento en ingeniería permanecieron. La burbuja desapareció, pero la revolución de Internet apenas había comenzado.
La IA puede seguir un camino similar.
La diferencia es que lo que sobreviva esta vez puede no ser simplemente infraestructura digital—sino la inteligencia misma.
Yendo un paso más allá
Creo que el marco de Caballero puede extenderse aún más.
Su documento modela la IA como trabajo reemplazable.
En realidad, la IA se está convirtiendo cada vez más en investigadores reemplazables.
Si la IA no solo puede realizar trabajo sino también llevar a cabo investigación científica, escribir software, diseñar chips, descubrir nuevos materiales e inventar mejores modelos de IA, entonces no solo cambia la función de producción—cambia la función de innovación misma.
Históricamente, la innovación ha dependido del número de científicos, ingenieros e individuos excepcionalmente talentosos. Como resultado, las grandes revoluciones tecnológicas típicamente han tardado décadas en desarrollarse. Esta es una de las razones fundamentales detrás de la larga duración de las ondas de Kondratiev. La economía no produce naturalmente una revolución tecnológica cada cincuenta o sesenta años. Más bien, los recursos de innovación mismos se han expandido históricamente muy lentamente.
La IA puede ser la primera tecnología capaz de romper esta restricción.
La innovación futura ya no dependerá únicamente de la inteligencia humana.
En cambio, puede convertirse en el producto combinado de humanos más millones de agentes de IA.
Eventualmente, gran parte de ella puede incluso ser impulsada principalmente por la propia IA, alimentada por un poder de cómputo en constante expansión.
A medida que la capacidad de cómputo continúa creciendo, también lo hace la capacidad de la economía para innovar.
Por primera vez, la innovación misma se convierte en un factor de producción que puede ser capitalizado, escalado y expandido continuamente.
Ahora combina esto con el rápido progreso de los agentes de codificación, agentes de investigación, descubrimiento científico autónomo y Auto-mejora Recursiva (RSI).
El bucle de retroalimentación se vuelve dramáticamente más fuerte.
Más IA acelera la investigación.
Una investigación más rápida produce mejores modelos.
Mejores modelos aceleran aún más la investigación.
Esto se convierte en un verdadero Volante de Inercia de la Inteligencia.
La tasa de innovación misma comienza a acelerarse—no solo la eficiencia de la producción.
"Lentamente, luego de repente"
Por eso he creído durante mucho tiempo que el rendimiento económico de la IA probablemente seguirá el patrón de "lentamente, luego de repente".
Hoy, los inversores ven principalmente el gasto en GPU, entrenamiento de modelos y centros de datos.
El retorno de la inversión parece modesto, lo que lleva a muchos a concluir que la IA es simplemente otra burbuja.
Pero estas inversiones no están comprando principalmente las ganancias de hoy.
Están comprando el capital de inteligencia del mañana.
Una vez que las capacidades de los modelos cruzan ciertos umbrales críticos, los agentes de IA comienzan a operar en toda la empresa, la sustitución laboral se acelera y la productividad podría experimentar un salto altamente no lineal.
En ese momento, las valoraciones que antes parecían excesivas pueden de repente parecer completamente justificadas.
El bucle de retroalimentación original de Caballero es:
Valoración → Inversión → Formación de Capital → Fundamentos
Sospecho que la IA puede evolucionar finalmente hacia algo aún más poderoso:
Valoración → Inversión → Cómputo → Inteligencia → Innovación → Más Ideas → Mayor Productividad → Mayores Ganancias → Mayores Valoraciones
El objeto que genera retroalimentación positiva ya no es solo el capital.
Es la capacidad total de la sociedad para innovar.
Si este proceso resulta correcto, la IA representará más que otra revolución tecnológica.
Cambiará fundamentalmente cómo se generan las revoluciones tecnológicas mismas.
Históricamente, las ondas largas de Kondratiev duraron de cuarenta a cincuenta años no porque la economía exigiera tal sincronización, sino porque los recursos de innovación eran escasos: los científicos eran limitados, la capacidad de I+D se expandía lentamente y el conocimiento se difundía gradualmente.
La IA está cambiando esos supuestos.
En lugar de ciclos tecnológicos progresivamente más cortos, podemos presenciar múltiples revoluciones industriales desarrollándose simultáneamente sobre una plataforma común de IA:
Descubrimiento de fármacos impulsado por IA
Materiales diseñados por IA
Semiconductores creados por IA
Robótica potenciada por IA
Biofabricación habilitada por IA
...y muchas más.
La innovación misma se industrializa.
Las revoluciones tecnológicas se vuelven continuas en lugar de episódicas.
Si Schumpeter hizo de la innovación el motor del crecimiento económico, y Romer hizo del conocimiento el motor del crecimiento, entonces RSI y Caballero juntos pueden estar apuntando hacia la próxima frontera de la teoría del crecimiento:
Los ciclos económicos de Schumpeter dependían de la innovación disruptiva, y la innovación disruptiva dependía de la inteligencia humana—y ocasionalmente, de genios raros.
La IA puede ser la primera tecnología que convierte al genio mismo en una forma de capital: algo que puede financiarse, replicarse a escala, mejorarse continuamente y, en última instancia, capaz de mejorarse a sí mismo.
Basado en este argumento, no importa cuán grande parezca hoy la burbuja de la IA, el crecimiento exponencial de la innovación puede permitir que la economía la absorba mucho más rápido de lo que la mayoría espera.