Los inversores han visto cómo la volatilidad aumentaba durante la última semana, impulsada por una creciente cautela hacia el sector de la inteligencia artificial (IA), especialmente hacia los fabricantes de chips (véase más abajo). Las acciones del grupo de los Magnificent 7 — Alphabet (Google), Amazon, Apple, Meta Platforms (Facebook), Microsoft, Nvidia y Tesla — están ahora siendo acompañadas por Broadcom (>2 billones de dólares de capitalización bursátil), Micron Technology (>1 billón de dólares) y AMD (~0,9 billones de dólares). A estas compañías se unirán próximamente SpaceX (próxima salida a bolsa, valoración estimada ~2 billones de dólares), Anthropic (>1 billón de dólares estimados) y OpenAI (>1 billón de dólares estimados). Una vez que estas compañías coticen en bolsa y sean incorporadas a los índices bursátiles, el mercado estadounidense se convertirá en una exposición directa al tema de la IA, ya que el peso conjunto de las empresas con una exposición significativa a esta temática podría alcanzar cerca del 50% de la ponderación total del mercado. Esta ponderación es incluso mayor si se mira más allá de las compañías de mega capitalización e incluye a muchos fabricantes de chips y proveedores de infraestructura esenciales para el funcionamiento de los modernos centros de datos (por ejemplo, proveedores de interconexión, construcción, refrigeración, energía, etc.). Es probable que los Magnificent 7 se conviertan en los “Fabulous 13” (o adopten alguna otra denominación atractiva).
Por tanto, no debería sorprender que la volatilidad probablemente se mantenga elevada. El tema de la IA en los últimos años no solo ha impulsado la rentabilidad de los índices bursátiles, sino que también ha representado prácticamente todo el crecimiento económico de Estados Unidos como consecuencia de la rápida expansión de los centros de datos. A continuación analizamos algunos de los factores que impulsan la volatilidad y por qué es probable que continúe en el corto plazo. Al analizar las hipótesis subyacentes al funcionamiento de la IA, se observa que la rentabilidad de los centros de datos es especialmente sensible a variables como el ciclo de vida de los chips utilizados y el coste por megavatio necesario para construir un centro de datos (el tamaño de los centros de datos generalmente se mide por consumo energético más que por superficie física). Utilizando ciertos supuestos básicos de inversión en capital (capex) para la IA, Goldman Sachs ha evaluado recientemente la sensibilidad del sector frente a varios factores clave.
El problema del capital
Recientemente, Google recaudó 80.000 millones de dólares mediante una ampliación de capital, precedida por más de 200.000 millones de dólares en emisiones de deuda. Se espera que SpaceX recaude más de 75.000 millones de dólares a través de su esperada salida a bolsa. Los analistas prevén que otros grandes proveedores de infraestructura tecnológica (hyperscalers) como Microsoft, Meta Platforms y Amazon buscarán próximamente financiación adicional mediante emisiones de acciones para respaldar sus enormes planes de expansión de infraestructura. Tanto Anthropic como OpenAI han presentado de forma confidencial la documentación necesaria para una posible OPV en los próximos meses (probablemente en otoño). En este momento no sabemos cuánto capital pretenden captar, pero dado su insaciable apetito de financiación, es razonable asumir que 75.000 millones de dólares para cada una probablemente sea una estimación conservadora. Anthropic ha captado más de 125.000 millones de dólares en ocho rondas de financiación, incluida una reciente ronda Serie H de 65.000 millones de dólares. OpenAI ha captado más de 180.000 millones de dólares, incluyendo una reciente ronda de 122.000 millones. Lo más probable es que los mercados privados estén llegando al límite en cuanto a capacidad para seguir financiando inversiones adicionales.
Los inversores privados buscarán realizar sus inversiones en lugar de continuar aportando más capital al sector de la IA. Esto significa que los mercados públicos tendrán que financiar cientos de miles de millones de dólares en nuevas inversiones de capital. Además, los mercados de deuda deberán proporcionar varios billones de dólares para financiar los proyectos de infraestructura relacionados con la IA. Hasta donde sabemos, nunca antes los mercados habían tenido que financiar una concentración de inversión tan elevada en un periodo tan corto de tiempo. Una de las mayores diferencias entre el auge de la IA y el boom de las empresas dot-com (además del hecho de que las compañías más grandes actualmente son rentables) es la enorme intensidad de capital requerida por la IA. Cabe recordar que las empresas dot-com tenían modelos de negocio mucho más ligeros en términos de activos.
El problema del modelo de negocio
Se espera que, una vez que se hagan públicos los documentos de salida a bolsa de Anthropic y OpenAI, los inversores puedan finalmente comprender con claridad cómo estas compañías pretenden generar beneficios y cómo están relacionadas financieramente con sus competidores y socios. Muchos inversores institucionales están preocupados por el elevado nivel de relaciones cruzadas dentro del ecosistema de la IA. Muchas compañías desempeñan simultáneamente múltiples papeles: inversores, clientes, proveedores y prestamistas. Uno de los principales riesgos de estas estructuras es que, si una de estas compañías (por ejemplo, OpenAI) tuviera dificultades, podría arrastrar consigo a muchas otras. Relaciones similares, aunque menos concentradas, existieron durante la burbuja de las empresas dot-com, y muchos de los principales actores sufrieron enormes pérdidas durante la corrección posterior. Compañías como Cisco Systems y Juniper Networks apenas sobrevivieron, mientras que empresas como Nortel Networks, WorldCom y 3Com quebraron o fueron vendidas por valores residuales.
El problema de la fijación de precios
En los próximos meses, factores como el tokenmaxxing y la IA agéntica probablemente serán objeto de un seguimiento muy estrecho. Como referencia: “En inteligencia artificial, un token es la unidad fundamental y atómica de datos que un modelo de IA lee y genera. En lugar de procesar palabras completas, los modelos de IA dividen textos, código u otros datos en fragmentos más pequeños. Un token puede ser una palabra completa, una parte de una palabra, un carácter individual, un signo de puntuación o incluso un emoji”. (Fuente: Nvidia)
El tokenmaxxing es la práctica mediante la cual algunas empresas han incentivado a sus empleados a utilizar el mayor número posible de tokens con el objetivo de justificar sus enormes inversiones en IA. Sin embargo, compañías de IA como Microsoft y Anthropic han comenzado recientemente a modificar sus modelos de negocio, haciendo que esta práctica sea potencialmente muy peligrosa. Estas compañías están pasando de modelos de facturación con precios fijos a modelos basados en el consumo de tokens. La razón de esta transición es que, pese a una caída masiva del coste por token (>99%), los costes necesarios para operar los modelos modernos han aumentado hasta el punto de que muchas empresas están perdiendo enormes cantidades de dinero por cada consulta procesada. Se estima que los proveedores de IA gastan entre 3,30 y 5,00 dólares en costes computacionales por cada dólar de ingresos generado. Esto ha provocado pérdidas extraordinarias.
El tokenmaxxing, junto con el crecimiento de la IA agéntica (el uso de agentes de IA para ejecutar operaciones), ha provocado un enorme aumento en el número de tokens consumidos. Como respuesta, las compañías están empezando a cobrar a los usuarios en función del número de tokens utilizados. Un consultor de IA reveló recientemente que una compañía no identificada habría gastado “accidentalmente” 500 millones de dólares en un solo mes utilizando el modelo Claude de Anthropic debido a los cambios en la estructura de precios. Uber también informó de que había superado todo su presupuesto anual de IA en menos de cuatro meses como consecuencia del cambio en los modelos de precios.
El problema de la comoditización
Cada vez más inversores están preocupados por la posibilidad de que la IA sea, en realidad, una commodity incapaz de mantener poder de fijación de precios a largo plazo. Como consecuencia, los márgenes podrían no alcanzar nunca los niveles necesarios para justificar las elevadas valoraciones actuales del mercado. Las principales evidencias incluyen, el colapso de los costes de las API, la rápida convergencia de rendimiento entre modelos propietarios y alternativas de código abierto, la reducción del tiempo necesario para que los competidores igualen los modelos más avanzados, el desplazamiento del foco de los desarrolladores desde el modelo hacia las aplicaciones y las capas de datos propietarios. Si esta visión gana aceptación en el mercado general, es probable que asistamos a una importante fase de consolidación y selección dentro del sector.
Conclusión para los inversores
Desde nuestra perspectiva, a medida que estos factores sean analizados con mayor profundidad, es probable que la volatilidad del mercado aumente. No cabe duda de que la IA tendrá un impacto profundo en la sociedad. Sin embargo, como ocurre con muchas tecnologías emergentes, llevará tiempo determinar qué modelos serán sostenibles a largo plazo. A medida que el mercado pase de tener únicamente unas pocas formas de invertir en la temática de IA a disponer de muchas más alternativas, comenzarán a emerger ganadores y perdedores dentro del sector. Las empresas capaces de construir ventajas competitivas sostenibles (moats) tendrán éxito, mientras que aquellas obligadas a competir en un mercado altamente comoditizado verán cómo sus valoraciones y su acceso al capital se deterioran. Este cambio estructural probablemente generará niveles significativos de volatilidad. El hecho de que el mercado bursátil estadounidense y la economía de Estados Unidos se hayan vuelto tan dependientes de una única temática implica que los riesgos han aumentado y que, tarde o temprano, acabarán reflejándose en las valoraciones. Todavía es demasiado pronto para predecir cuáles serán los ganadores y perdedores, pero los inversores deberían estar atentos a las señales.
Es probable que modelos más baratos y especializados por dominio o industria adquieran mayor protagonismo si los costes de los grandes modelos de lenguaje (LLM) continúan aumentando. Muchas empresas finales carecen simplemente de los presupuestos y de la justificación económica necesaria para asumir el incremento del gasto que podría generar un modelo de precios basado en el consumo de tokens. Esto podría traducirse, a su vez, en una desaceleración del crecimiento del sector.