GQG: Por qué todavía estamos en una burbuja del mercado de acciones de IA

Para muchos inversores, el enorme aumento del gasto en el despliegue de inteligencia artificial es prueba de que no hay una burbuja en el mercado de valores. Pero en GQG Partners, esto es más bien evidencia que informa su creencia de que este auge dará paso a un bache, igual que ocurrió con las telecomunicaciones en la década de 1990 y con el petróleo de esquisto hace una década.

Los gestores de cartera y analistas de GQG, que gestiona 160 mil millones de dólares, dicen que los grandes pedidos de semiconductores, hardware de memoria y el gasto relacionado en centros de datos en los últimos trimestres se basan en esperanzas no probadas sobre la demanda futura y los precios para los negocios y el uso de IA. Señalan evidencia de sobregasto, como desarrollos recientes en torno a posibles guerras de precios —con los usuarios empresariales ajustando presupuestos mientras buscan formas más baratas de ejecutar modelos de IA— y el frenazo de las ganancias en la efectividad de los nuevos modelos grandes de lenguaje. Además, creen que el uso continuo de inversiones circulares y los métodos de contabilidad opacos elevan los riesgos.

Incluso los enormes pedidos de semiconductores, que han impulsado grandes ganancias en las acciones de chips, son una “característica, no un error”, según el gestor de cartera de GQG Brian Kersmanc. “Las burbujas a menudo se caracterizan por una demanda real a corto plazo, un despliegue masivo de capital, la creencia de los inversores de que la demanda es efectivamente ilimitada y una visibilidad débil sobre los retornos a largo plazo. Los fuertes pedidos de chips no refutan una burbuja; pueden ser, de hecho, las señales más fuertes de ella”, dice.

Los gestores de fondos y analistas de GQG no son “bear permanentes” sobre la tecnología o sobre el mercado de valores en general. Tan recientemente como en 2024, más del 70% de sus carteras estaban en acciones tecnológicas o estrechamente relacionadas con tecnología, como Uber. En 2017, la firma apostó por chips semiconductores entonces despreciados, incluyendo Nvidia NVDA.

Pero a partir de finales de 2024 y durante el inicio de 2025, GQG posicionó sus carteras alejándolas de las acciones de tecnología e infraestructura de IA que han registrado grandes rallies y ayudaron a impulsar el mercado de valores en general. La apuesta ha perjudicado el desempeño de sus estrategias, como el fondo de GQG Partners US Select Quality Equity Fund con calificación Gold GQEIX, pero la firma se mantiene firme.

Un factor clave para impulsar estas acciones al alza (y un argumento central de los alcistas) es el enorme incremento de pedidos impulsados por IA en empresas de chips como Nvidia, Broadcom AVGO y, más recientemente, Micron, o en otro hardware de memoria para computadoras con acciones como SanDisk SNDK y Western Digital WDC.

Resultados de Micron: continúa el auge a corto plazo, pero crecen las preocupaciones por el suministro a largo plazo

¿La escalada asombrosa en acciones de memoria está impulsada por una mentalidad de corto plazo?

Sin embargo, Kersmanc dice que aquí los inversores deberían ser escépticos, comenzando por el desajuste en la forma en que se contabilizan las compras. “Ves pedidos y ventas registrados hoy, y los costos (para el comprador) se reparten a lo largo de tres, cinco, seis, o incluso diez años”, explica. El problema no es con este método de contabilidad en sí, que es estándar, sino con sus implicaciones, dada la alta incertidumbre sobre la economía del uso de IA. “El punto clave no es si la demanda es fuerte hoy, sino si esa demanda está justificada económicamente y es sostenible cuando se prueban el retorno sobre la inversión, la utilización y el poder de fijación de precios”.

El caso bajista de GQG se construye sobre esos frentes. Argumentan que el gasto de capex está ocurriendo mucho antes del valor económico probado. Kersmanc parte de una suposición que hacen los grandes laboratorios de IA y otras compañías: “Es ‘gasto esta cantidad y obtengo esta cantidad de mejora’. Sin embargo, después de ChatGPT-4, se ha aplanado”.

Incluso mientras continúa la inversión en los modelos más avanzados (los llamados “frontier”), Kersmanc dice que hay evidencia creciente de que muchos desarrolladores de IA y empresas van en la otra dirección. En lugar de usar modelos grandes de lenguaje como Claude, se están inclinando hacia modelos pequeños de lenguaje. En general, se entrenan con conjuntos limitados de datos para textos específicos y, por lo tanto, necesitan menos potencia de cómputo. Por ejemplo, “si quieres traducción en vivo, puedes hacerlo mediante un SLM y traducir en tu teléfono, sin generación de tokens, y no tienes que avisar a un centro de datos”.

Si las empresas prefieren SLMs para sus soluciones, “la implicación más amplia es que el mercado quizá no necesite casi tanto cómputo de nivel frontier como los inversores asumen actualmente”, dice Kersmanc. “Si el desarrollo de IA se está moviendo en esa dirección, entonces se debilita el argumento para un gasto masivo en centros de datos y GPUs”.

Al mismo tiempo, los desarrolladores usan cada vez más modelos chinos de código abierto, que son más baratos de entrenar y vienen con un capex de infraestructura significativamente más bajo. “China tiene 500 centros de datos planeados, y EE. UU. tiene 5.500”, dice Kersmanc. Esto ocurre en un contexto en el que las empresas buscan contener los crecientes costos del uso de IA.

Kersmanc explica que otra pieza del rompecabezas ha sido cómo los hiperescaladores han estado contabilizando sus ampliaciones de centros de datos. Señala el proyecto de empresa conjunta de Meta Platforms META con Blue Owl Capital OBDC anunciado el año pasado, que permitió a la empresa transferir un proyecto de centro de datos de 30 mil millones de dólares en Luisiana fuera de su balance. Meta también ha estado clasificando algunos activos de infraestructura sustanciales como “construcción en progreso”. Esa partida se duplicó entre 2024 y 2025.

Estas preguntas contables se conectan con el desajuste entre el gasto en chips y otro hardware, dice Kersmanc. “Si grandes cantidades de hardware están en construcción en progreso o categorías similares del balance, los inversores podrían no ser capaces de ver cuánto de ese gasto realmente se despliega y genera un retorno. Esto importa porque las empresas pueden gastar grandes cantidades de efectivo por adelantado mientras que sus estados de resultados reflejan el costo solo de manera gradual. Así que la preocupación no es solo la presentación contable; es que la contabilidad puede estar ocultando una sobreconstrucción, una infrautilización o retornos más débiles”.

Luego están las incertidumbres sobre la capacidad de construir los centros de datos que se están ordenando. La reacción contra la infraestructura de centros de datos está creciendo, gracias al uso intensivo de electricidad y agua de estos edificios, además de sus otros impactos en las comunidades. “Aproximadamente la mitad de los que se suponía que se completarían ni siquiera han empezado o fueron cancelados”, dice Kersmanc.

Juntándolo todo, “el despliegue de IA muestra muchas señales clásicas de una burbuja”, dice Kersmanc. “Los inversores todavía están extrapolando la demanda mucho más allá de lo que la economía subyacente parece justificar”.