El negocio de la IA ahora funciona con dinero prestado, y los prestamistas lo están revalorizando

Artículo original ↗ Discusión en Hacker News ↗

La inversión disparada en IA generativa se financia cada vez más con billones en deuda corporativa, lo que plantea dudas sobre si el gasto actual puede justificarse con beneficios futuros. Los comentaristas debaten si los modelos de última generación y las enormes construcciones de centros de datos acabarán pareciéndose a infraestructuras transformadoras del pasado como los ferrocarriles y la internet, o a industrias intensivas en capital como las aerolíneas, que crean un gran valor social pero ofrecen malos retornos para los inversores. Muchos ven claras ganancias de productividad con los LLM, pero sostienen que los ingresos, los fosos competitivos y un ROI sostenible siguen sin demostrarse mientras los mercados de bonos empiezan a cobrar más por financiar el auge de la IA.

Escala y financiación de la expansión de la IA

  • Varios comentarios señalan billones de dólares en deuda relacionada con la IA dentro y fuera del balance en grandes empresas tecnológicas, además de financiación adicional por parte de actores más pequeños y proveedores de infraestructura.
  • Algunos ven esto como finanzas corporativas normales: la deuda implica activos reales (GPUs, centros de datos, contratos) y es más barata que el capital.
  • Otros se preocupan por la fragilidad del valor de los activos (obsolescencia rápida de las GPU, colapso del valor de un modelo si un competidor lo supera) y cuestionan si esos activos cubrirían las deudas tras un desplome.
  • Los mercados de crédito siguen “absorbendo” papel vinculado a la IA, pero los diferenciales están subiendo, especialmente en crédito privado y de menor calidad, visto como una señal de que los prestamistas están revalorizando el riesgo, no retirándose todavía.

ROI y sostenibilidad

  • Muchos dudan de que los ingresos por IA y las mejoras de productividad cubran la inversión: se citan informes clave que sostienen “demasiado gasto, demasiado poco beneficio”.
  • Algunos responden con ingresos de IA que crecen rápido y analogías con los ferrocarriles, los semiconductores y la nube: enorme capex inicial con eventual concentración en unos pocos ganadores rentables.
  • Otros argumentan que, como las aerolíneas, la IA podría ser socialmente útil pero estructuralmente de bajo margen, con el valor capturado por usuarios posteriores o proveedores, no por quienes entrenan los modelos.

Uso en el mundo real y productividad

  • Los practicantes reportan aumentos importantes de productividad (por ejemplo, portados de código hechos en horas en lugar de semanas), pero también destacan costes ocultos: alucinaciones, depuración, asignar solo algunas tareas a modelos caros y el impacto ambiental.
  • Varios comentarios dicen que más código o funciones más rápidas no importan a menos que se traduzcan en mayores ingresos, no solo en “productividad” interna.

Estructura del mercado: SOTA vs. commodity

  • Un sector espera que el entrenamiento SOTA se convierta en un monopolio/duopolio como los nodos avanzados de chips: el aumento de costes expulsa a los laboratorios más débiles, haciendo que los mejores modelos no sean un commodity.
  • Otros sostienen que la mayoría de las aplicaciones no necesita SOTA, que los modelos abiertos o más baratos son “suficientemente buenos”, y que el valor incremental de SOTA puede no justificar su coste mucho mayor.

Macro, burbujas e inversión

  • Comparaciones frecuentes con el boom puntocom, los ferrocarriles y la internet: la tecnología transformadora aún puede producir desplomes brutales para los inversores.
  • Algunos creen que la burbuja de la IA ya se está desinflando; otros dicen que es demasiado pronto para afirmarlo.
  • Para los inversores minoristas, se aboga por fondos indexados y diversificación global, con debate sobre si los índices cargados de IA y la inversión pasiva son ahora una vulnerabilidad sistémica.

Aspectos humanos y culturales

  • Los comentaristas señalan la presión social para tener opiniones firmes sobre la IA o los mercados pese a la alta incertidumbre.
  • Varios sugieren que las personas no necesitan “ponerse al día” con cada avance de la IA; mejor esperar a que las cadenas de herramientas se estabilicen y centrarse en habilidades duraderas.