No me convence que exista la burbuja de la IA

Los comentaristas debaten si las enormes inversiones y las valoraciones altísimas de la IA de hoy constituyen una burbuja clásica o una apuesta racional por una tecnología transformadora. Muchos argumentan que el gasto en infraestructura, la financiación circular, la deuda calificada como basura, la ralentización del crecimiento de ingresos y la feroz competencia de código abierto hacen que empresas como Anthropic y OpenAI parezcan sobreextendidas, aunque la IA en sí haya llegado para quedarse. Otros responden que la demanda, las ganancias de productividad y el valor estratégico o geopolítico a largo plazo podrían seguir justificando la expansión, pero admiten que los rendimientos pueden ir a parar a actores distintos de los favoritos actuales del mercado y que es probable que fracasen algunos proveedores de centros de datos y de modelos.

Burbuja financiera vs. auge sostenible

  • Muchos sostienen que la “burbuja” se refiere a valoraciones y deuda, no a si la IA funciona.
  • Los escépticos destacan:
    • Enormes capex para centros de datos y GPUs, a menudo financiados con deuda opaca y circular (acuerdos respaldados por GPU, SPV).
    • El S‑1 de Anthropic muestra pérdidas operativas crecientes, enormes compromisos de cómputo no cancelables y una deuda probablemente calificada como “basura”.
    • Los neoclouds como CoreWeave tienen rendimientos de bonos de dos dígitos y CDS caros, vistos como señales de tensión.
  • Otros responden:
    • Los grandes actores de IA y los hyperscalers siguen teniendo un fuerte crecimiento de ingresos; algunos trimestres muestran ingreso operativo positivo antes de ciertos efectos de financiación.
    • Los ratios P/E de las big tech siguen en los 20, a diferencia de los extremos de las puntocom.
    • Incluso si algunas empresas fracasan, la economía en general no tiene por qué “colapsar”; las pérdidas pueden concentrarse en inversores y tenedores de deuda.

Economía de la infraestructura y ciclo de vida del hardware

  • La afirmación del autor sobre una “construcción única de centro de datos” está muy disputada.
  • Los comentaristas subrayan:
    • Las GPUs y las redes dominan el costo de los DC y tienen ciclos competitivos cortos (a menudo modelados en 3–5 años; las tasas de fallo y las nuevas generaciones impulsan la renovación).
    • La energía, la refrigeración y el mantenimiento son continuos; la obsolescencia del hardware puede dejar activos varados.
  • Otros citan análisis en los que los servidores representan ~60% del costo total; los edificios y la infraestructura eléctrica se amortizan durante ~20 años, pero el hardware sigue siendo una carga continua de capex.

Demanda, utilidad y modelos de negocio

  • Hay amplio consenso en que los LLM son realmente útiles, especialmente para programación, matemáticas, trabajo técnico y algunas tareas de conocimiento.
  • El desacuerdo está en la profundidad de la demanda real:
    • Algunos ven una “enorme demanda insatisfecha”, ingresos que se duplican rápido y mercados futuros de un billón de dólares (herramientas para desarrolladores, asistentes, ciencia, vigilancia, anuncios).
    • Otros señalan que muchos pilotos empresariales se están reduciendo, que los modelos de beneficio son delgados o poco claros, y que las cargas de alto número de tokens son de nicho mientras que la mayoría de los casos de uso son ligeros.
  • Varios distinguen entre “IA como tecnología transformadora” y “los laboratorios de frontera actuales merecedores de valoraciones de varios billones”.

Competencia, commoditización y modelos abiertos

  • Los modelos de pesos abiertos y chinos (p. ej., DeepSeek, Qwen, GLM) se consideran cada vez más cercanos al nivel de capacidad, a un costo mucho menor.
  • Esto alimenta:
    • Expectativas de guerras de precios y márgenes decrecientes para los laboratorios de frontera.
    • La idea de que modelos baratos “suficientemente buenos” más la inferencia local/en las instalaciones limitarán lo que pueden cobrar los proveedores cerrados.
  • Otros creen que muchas empresas seguirán pagando primas por los mejores modelos, integraciones y la seguridad/confianza percibidas.

Comparaciones con burbujas pasadas y marco social

  • Son frecuentes las analogías con ferrocarriles, canales, fibra, puntocom, vivienda, cripto y VR:
    • Las tecnologías persistieron; muchas empresas e inversores no.
  • Algunos dicen que hablar de “burbuja de IA” es en parte un deseo: la esperanza de que el hype se desplome y la vida vuelva a como era antes.
  • Otros temen que incluso un colapso no revierta los cambios estructurales: pérdida de empleos, software/contenido más chapucero y concentración de poder y datos.