Las empresas de IA están tratando de ocultar una cantidad asombrosa de deuda
Los despliegues de centros de datos impulsados por IA se están financiando con grandes obligaciones fuera de balance, como arrendamientos a largo plazo y vehículos de propósito especial, lo que genera preocupación de que las grandes tecnológicas estén ocultando de hecho billones en riesgo. Los comentaristas debaten si esto es un manual estándar de directores financieros o una opacidad al estilo Enron, y si la demanda subyacente de IA es realmente suficiente para justificar el apalancamiento. Muchos temen que, si el auge de la IA resulta ser una burbuja, el deshielo posterior pueda golpear a los fondos de pensiones, a los inversores en índices y a la economía en general, mientras otros sostienen que gigantes con mucho efectivo como Meta y Google pueden absorber pérdidas y que el verdadero peligro reside en actores más frágiles como Oracle y SpaceX.
Escala y naturaleza de la deuda de IA “oculta”
- Los grandes actores de IA y de la nube están utilizando estructuras fuera de balance: SPV, compromisos de “take-or-pay” y arrendamiento a largo plazo, y centros de datos propiedad de subsidiarias.
- Algunos sostienen que esto es la contabilidad estándar de arrendamientos y compromisos bajo GAAP y que se divulga abiertamente en las notas al 10-K, no algo secreto ni ilegal.
- Otros ven los mismos patrones como SPV de la era Enron y empaquetado de riesgos al estilo de 2008: complejidad que oscurece quién asume en última instancia los pasivos, especialmente para los inversores minoristas.
¿Es esto realmente peligroso?
- Una postura: las mega-cap de tecnología tienen enormes ingresos, efectivo y beneficios; incluso cientos de miles de millones en obligaciones son manejables, especialmente en comparación con otras industrias altamente apalancadas.
- La otra: estas empresas ahora cotizan como compañías de software de bajo consumo de capital, cuando en realidad se están convirtiendo en actores de infraestructura pesada con demanda volátil y activos que se deprecian rápidamente (GPUs, centros de datos). El apalancamiento elevado aumenta la fragilidad si la economía de la IA decepciona.
Burbuja, demanda circular y rentabilidad real
- Muchos señalan que el uso de IA está fuertemente subvencionado; los precios por token están desconectados de los costes reales, lo que hace difícil interpretar la “demanda”.
- Los comentarios describen inversión circular: las grandes tecnológicas y Nvidia financian centros de datos y startups de IA, que luego gastan ese dinero en GPUs y nube, inflando la demanda aparente.
- Los escépticos lo comparan con una versión tecnológica de 2000 o 2008; los optimistas dicen que es capex racional por parte de empresas muy rentables.
Riesgo sistémico: pensiones, fondos indexados y aseguradoras
- Preocupación de que el riesgo accionario y crediticio vinculado a la IA se esté trasladando a pensiones, aseguradoras de vida y fondos indexados amplios mediante una alta concentración en índices y reglas de inclusión relajadas.
- Algunos argumentan que “ya está descontado”; otros replican que crisis pasadas muestran que los riesgos conocidos pueden permanecer mal valorados durante años.
- Varios comentarios señalan el riesgo de secuencia de rendimientos para jubilados muy expuestos a índices con fuerte peso tecnológico.
Sobreinversión en hardware e impacto en los consumidores
- Si las apuestas de IA de los hyperscalers fracasan, los comentaristas esperan un exceso de GPUs y memoria, con la posibilidad de que los precios se desplomen; otros señalan que cierta tecnología específica de centros de datos (por ejemplo, HBM) no se traducirá fácilmente a productos de consumo.
- Hay debate sobre si la inversión actual acabará beneficiando a los consumidores (cómputo y memoria más baratos y abundantes) o solo consolidará a proveedores de nube rentistas.
Trayectoria de la IA y eficiencia
- Se invoca la paradoja de Jevons: las mejoras de eficiencia en los LLM pueden aumentar el uso total de cómputo, no reducirlo.
- La visión contraria: si los modelos se estabilizan y se vuelven lo bastante baratos como para ejecutarse localmente, la economía centralizada de centros de datos de IA podría verse socavada, dejando varadas las inversiones en infraestructura de IA de hoy.