El auge de la IA recuerda la burbuja de las puntocom, pero con diferencias clave

El reciente desplome de un billón de dólares en acciones tecnológicas ha generado ecos del pasado, recordando la época en que la euforia por la innovación chocó con la dura realidad económica. Este fenómeno ha llevado a muchos a cuestionar si la tecnología puede realmente desafiar las leyes básicas de la economía.

En una conferencia en la Universidad de Otago en agosto de 2000, justo cuando las acciones de internet comenzaban a caer y numerosas empresas del sector estaban fracasando, se planteó esta misma pregunta. En ese momento, se argumentó que muchas empresas de internet eran "desnudas" porque sus modelos de negocio eran evidentes, gastando grandes sumas para atraer clientes sin un camino claro hacia la rentabilidad.

Hoy, un nuevo auge en la inteligencia artificial (IA) parece seguir una lógica similar. En 2000, el éxito se medía en "visualizaciones" y "clics", mientras que hoy se habla de "tokens procesados" y "consultas de modelos". Aunque el lenguaje ha cambiado, la creencia de que la escala lleva automáticamente a la rentabilidad se mantiene intacta.

Diferentes métricas, la misma historia

Durante la locura de las puntocom, empresas como eToys gastaron sin cesar en marketing para atraer clientes. En la actualidad, los desarrolladores de IA invierten miles de millones en potencia de cálculo, datos y energía, pero aún no son rentables. La valoración de Nvidia, las pérdidas continuas de OpenAI a pesar de los ingresos crecientes y la avalancha de financiamiento de riesgo hacia startups de IA son ecos de la burbuja de 1999.

En ambos casos, el gasto se confunde con inversión. En 2000, se sugería que las empresas de internet estaban construyendo activos basados en el mercado, como el valor de marca y las relaciones con los clientes, que solo podrían generar valor genuino si producían clientes leales y rentables. Sin embargo, los inversores trataban el gasto como prueba de crecimiento, y el marketing como un modelo de negocio en sí mismo.

La economía de la IA repite este patrón. Los conjuntos de datos, las arquitecturas de modelos y los ecosistemas de usuarios son considerados activos, incluso cuando aún no generan retornos positivos. Su valor se basa en la fe de que la monetización eventualmente alcanzará los costos. La lógica sigue siendo la misma; solo ha cambiado la narrativa.

Lecciones de la burbuja de las puntocom

En 2000, se sugirió que las empresas de internet estaban construyendo activos que podrían crear valor genuino. Sin embargo, los inversores confundieron el gasto con crecimiento. La economía de la IA repite este patrón, donde los activos se valoran sin haber generado retornos positivos.

Hoy, las grandes empresas como Microsoft, Google, Amazon y Nvidia lideran el auge de la IA, capaces de sostener años de pérdidas mientras buscan la dominación del mercado. Esto reduce el riesgo sistémico, pero concentra el poder del mercado.

El gasto ha cambiado de la publicidad al poder de cómputo, pero la pregunta sigue siendo: ¿esto crea valor real o solo la ilusión de progreso? La IA también tiene un impacto más profundo que internet, moldeando cómo pensamos, aprendemos y tomamos decisiones.

Si se produce un colapso, podría erosionar la confianza pública en la tecnología misma y ralentizar la innovación durante años. Las tasas de interés reales relativamente bajas y el capital abundante han contribuido a alimentar esta ola actual de inversión tecnológica, similar a cómo la política monetaria favorable ayudó a impulsar las valoraciones tecnológicas en la década de 1990.

El regreso de la manía intangible

A pesar de las diferencias, el patrón de valoración es familiar. Los inversores vuelven a valorar el potencial sobre el rendimiento. En 2000, los analistas justificaban las valoraciones contando usuarios que una empresa podría monetizar algún día. En 2025, modelan la "demanda de inferencia" y la "ventaja de datos". Ambas son conjeturas sobre un futuro imaginado.

La narrativa se ha convertido en capital, ya que los mercados recompensan la convicción sobre la evidencia. El peligro no es el fracaso tecnológico, sino la distorsión económica cuando la narrativa supera la solvencia.

Incluso las empresas rentables pueden verse atrapadas en la corriente descendente. En 2000, líderes como Yahoo! y eBay perdieron la mayor parte de su valor de mercado cuando estalló la burbuja, a pesar de su supervivencia a largo plazo. Lo mismo podría suceder con los gigantes de la IA de hoy.

Dos lecciones son claras. Primero, la escalabilidad sin rentabilidad no es un modelo de negocio. El crecimiento exponencial puede profundizar las pérdidas en lugar de reducirlas. Cada consulta de IA tiene un costo computacional real, por lo que el crecimiento solo importa cuando conduce a márgenes sostenibles.

Segundo, los activos intangibles deben crear valor medible: el marketing, los datos y los algoritmos son activos solo cuando producen flujos de efectivo duraderos o beneficios sociales claros. Para los responsables de políticas, la implicación es clara: financiar proyectos de IA que ofrezcan beneficios tangibles de productividad o sociales, en lugar de simplemente alimentar la euforia.

La pregunta ahora es si las verdaderas ganancias de productividad de la IA justificarán eventualmente las valoraciones actuales, como lo hizo internet después de una dolorosa corrección.