El mercado financiero internacional atraviesa un momento que desafía los marcos analíticos tradicionales. Con el S&P 500 registrando máximos históricos de manera recurrente y un múltiplo de ganancias futuras (Forward P/E) en torno a 21x, es imposible afirmar desde una perspectiva exclusivamente cuantitativa que las acciones no están "caras".
Sin embargo, concluir que estamos ante una burbuja simplemente porque un activo está caro es un error.
Una burbuja no se define únicamente por precios elevados, sino por la existencia de expectativas que difícilmente puedan ser justificadas por la realidad económica subyacente. Esa es la pregunta que hoy debe hacerse el inversor:
¿El mercado está pagando por una fantasía o está intentando valuar un nuevo paradigma productivo?
La inteligencia artificial representa algo más profundo que sólo una nueva industria tecnológica. Por primera vez en la historia, la inteligencia puede ser producida, escalada y distribuida como un insumo económico. Allí donde exista una tarea cognitiva realizada por una persona, comienza a existir la posibilidad de que una máquina la ejecute de manera más rápida, más barata o con mayor precisión.
El impacto potencial sobre la productividad es enorme. Para dimensionarlo, el NAICS 2022 clasifica la economía estadounidense en 20 grandes sectores y 1.012 industrias nacionales. Si suponemos, a modo ilustrativo, que cada industria contiene aproximadamente 30 roles distintos y cada rol un mínimo de cinco responsabilidades cognitivas, el universo potencial supera las 150.000 superficies de aplicación en las que los flujos de trabajo pueden ser automatizados o potenciados por agentes de inteligencia artificial.
A esto se suman las transformaciones de tipo Zero to One, es decir, la creación de nuevos mercados: desde herramientas capaces de identificar biomarcadores en imágenes digitalizadas de biopsias tumorales y reducir el análisis de semanas a minutos, hasta la transición hacia una economía plenamente agéntica.
Aun así, reconocer ese potencial no resuelve automáticamente la discusión bursátil.
Una tecnología puede transformar la economía y, al mismo tiempo, generar malos retornos para muchos de sus inversores.
Internet cambió el mundo, pero una gran parte del capital invertido durante la burbuja puntocom fue destruido. Los ferrocarriles revolucionaron el transporte, aunque numerosas compañías ferroviarias quebraron. La innovación y la rentabilidad, aunque se muevan en la misma dirección, no siempre avanzan a la misma velocidad.
Sin embargo, creer que la inteligencia artificial es simplemente una nueva versión de la burbuja puntocom también es un error.
La principal diferencia respecto del año 2000 es que buena parte de las compañías líderes actuales ya factura, genera utilidades y posee negocios consolidados. Nvidia, Microsoft, Alphabet, Amazon y Meta no son proyectos construidos únicamente sobre promesas. La demanda de capacidad de cómputo existe y la utilización de inteligencia artificial crece aceleradamente.
Los grandes hyperscalers no son startups con promesas vacías. Son las mismas empresas que dominaron el mercado tecnológico durante las últimas décadas.
El riesgo se encuentra hoy concentrado en una sección específica de la cadena de valor.
La cadena económica de la inteligencia artificial se valida bottom-up, es decir, desde abajo hacia arriba. Las aplicaciones tienen que crear suficiente valor para las empresas y los consumidores. Esa demanda debe sostener los ingresos de los desarrolladores de modelos. Los modelos deben justificar el consumo de servicios de nube y, finalmente, esos ingresos deben permitir que los grandes proveedores de infraestructura recuperen las inversiones realizadas en centros de datos, energía, redes y semiconductores.
Hoy, los fabricantes de infraestructura física ya están generando enormes flujos de caja. La principal incógnita la enfrentan los grandes hyperscalers, que están destinando cientos de miles de millones de dólares a construir capacidad futura: centros de datos que funcionarán como la infraestructura necesaria para producir capacidad de cómputo a gran escala.
El problema es que, mientras aumenta la capacidad de los modelos, también disminuye rápidamente el costo de producir inferencias.
El Stanford AI Index estimó que el costo de inferencia de un sistema con un desempeño equivalente a GPT-3.5 cayó más de 280 veces entre noviembre de 2022 y octubre de 2024. Según la tarea analizada, las reducciones fueron incluso mayores.
Esta deflación tecnológica beneficia a los usuarios y acelera la adopción, pero también obliga a que el volumen de uso crezca con enorme rapidez para sostener los ingresos de quienes financiaron la infraestructura.
Para que el capital invertido obtenga retornos extraordinarios, la demanda deberá crecer incluso más rápido que la eficiencia tecnológica.
Esa es la verdadera variable que debe observarse. No si la inteligencia artificial funciona (a esta altura, resulta evidente que lo hace) sino quién capturará el valor que produce.
Existen tres escenarios posibles.
Escenario alcista: En el escenario más optimista para el mercado, la adopción se expande a casi todas las industrias, aparecen nuevas categorías de productos y la demanda de inteligencia artificial crece de manera exponencial, lo suficiente como para justificar, o incluso superar, el actual ciclo de inversión.
En ese caso, las valuaciones podrían resultar menos exageradas de lo que parecen bajo parámetros históricos.
Un antecedente útil puede encontrarse en Estados Unidos durante la posguerra. En las décadas de 1950 y 1960, las valuaciones se volvieron exigentes y la prima de riesgo de las acciones se redujo. Sin embargo, el crecimiento de la productividad y de las ganancias empresariales terminó compensando los elevados precios iniciales. Lo que inicialmente parecía caro terminó revelándose como una oportunidad.
Escenario intermedio: La tecnología transforma efectivamente la economía, pero las empresas se adelantan demasiado con sus inversiones. Parte de la infraestructura queda temporalmente ociosa, los márgenes se comprimen y se produce un período de consolidación.
El mercado podría entonces ofrecer retornos modestos durante varios años, incluso de un dígito bajo, antes de que el crecimiento de las ganancias alcance nuevamente las expectativas incorporadas en los precios.
Un ejemplo histórico parcial puede encontrarse en el sector de telecomunicaciones durante la crisis puntocom. Las empresas habían adelantado enormes inversiones en fibra óptica y capacidad de transmisión. Hubo quiebras, reestructuraciones y fuertes pérdidas para los accionistas, aunque buena parte de la infraestructura construida terminó siendo utilizada durante las décadas posteriores.
La tecnología era necesaria. El problema fue el precio pagado, el exceso de capacidad y el momento en el que se realizó la inversión.
De todos modos, este no sería necesariamente el peor escenario. Sería una década en la cual el inversor obtiene rendimientos positivos, pero decepcionantes frente al promedio histórico, salvo que haya comprado en un pico de valuación particularmente exagerado.
Escenario adverso: La adopción no alcanza la velocidad necesaria, la capacidad de cómputo se convierte rápidamente en un commodity y las empresas deben reconocer pérdidas sobre una porción importante del capital invertido.
Esto podría provocar una corrección considerable, especialmente porque las compañías involucradas representan una parte muy relevante de los principales índices bursátiles.
En términos históricos, aquí sí podríamos encontrar similitudes con los mayores perdedores de la crisis puntocom. Un inversor concentrado en una empresa como Pets.com habría perdido prácticamente todo su capital.
Por ese motivo, jamás debe comprarse al ciento por ciento una narrativa que implique un riesgo significativo de pérdida permanente de capital. Incluso cuando la transformación tecnológica subyacente sea real.
Aun así, no necesariamente estaríamos ante una crisis sistémica como la de 2008. Una mala asignación de capital en inteligencia artificial podría generar un mercado bajista prolongado sin provocar el colapso del sistema bancario o de la economía mundial.
Por eso, el dilema del inversor no debería plantearse entre estar completamente dentro o completamente fuera del mercado.
En un contexto de transformación tecnológica acelerada, permanecer totalmente al margen también implica un riesgo: el de no participar en un aumento estructural de la productividad del capital.
Pero participar no exige aceptar cualquier precio ni concentrarse exclusivamente en las compañías más expuestas a la narrativa del momento.
La estrategia razonable consiste en combinar participación y disciplina: mantener exposición a activos productivos, diversificar geográficamente y por sectores, conservar una porción de liquidez y priorizar empresas capaces de beneficiarse de la inteligencia artificial sin depender por completo de que las proyecciones más optimistas se cumplan.
El mercado puede estar caro sin ser una fantasía. La inteligencia artificial puede cambiar el mundo y, aun así, castigar a quienes paguen demasiado por ese futuro.
Ambas afirmaciones pueden ser verdaderas al mismo tiempo.
