Bienvenidos al futuro. Está en obras.

Hay algo profundamente reconfortante en vivir una revolución tecnológica que nadie entiende del todo. Genera una especie de democracia del desconcierto: el CEO de una empresa de semiconductores, el economista de Goldman Sachs, el primer ministro chino y el programador de Bangalore comparten, con distintos salarios, la misma desorientación fundamental. La inteligencia artificial está transformando el mundo, nos dicen. Solo que nadie sabe exactamente cuál, en qué dirección, a qué velocidad, ni quién va a ganar plata con eso.

Revisando cuatro artículos recientes de The Economist —esa revista que tiene el don de explicar el apocalipsis con la misma calma con que describiría el precio de los tulipanes— surge un retrato colectivo que es, a la vez, fascinante e irresistiblemente cómico.

I. Los inversores: el club de los adivinos con venda en los ojos 

Los mercados de valores, esos supuestos templos de la racionalidad y la visión de futuro, operan sobre la inteligencia artificial con la precisión de un horóscopo publicado en una feria de pueblo. Goldman Sachs construyó dos índices para medir el impacto de la IA: uno de "empresas amenazadas" y otro de "beneficiarios a largo plazo". Ambos han caído. Al mismo tiempo. Si tanto los que van a perder como los que van a ganar pierden igual, quizás el problema no es la IA sino la categoría misma del análisis.

El ejemplo más delicioso es Duolingo, que entre mayo de 2024 y mayo de 2025 duplicó su valor de bolsa y luego cayó un 80%. En el otro extremo, Google —declarada cadáver tecnológico por haber llegado tarde a la IA— subió un 85% en el mismo período. El mercado primero la enterró y luego la coronó, sin que la empresa hubiera hecho algo sustancialmente distinto.

Los académicos tienen una explicación para esta ineptitud sistemática: incluso cuando la base tecnológica de una empresa se vuelve obsoleta, los analistas tienden a sobreestimar su rentabilidad futura. Seguimos apostando por el jinete aunque el caballo ya esté muerto. Los inversores de la época de Thomas Edison apostaron contra las empresas de gas cuando él inventó la iluminación eléctrica. No previeron que las empresas de gas simplemente se reconvirtieron al mercado de las cocinas. Western Union rechazó comprarle la patente del teléfono a Alexander Graham Bell —y sobrevivió décadas reconvirtiéndose en transferencias de dinero. American Express empezó como empresa de transporte de carga. Samsung vendía pescado seco. La historia del capitalismo es, en gran medida, la historia de empresas que encontraron su destino haciendo exactamente lo contrario de lo que se suponía.

Recomendación: Si usted quiere saber si una empresa va a sobrevivir a la IA, pregúntele a alguien de Goldman Sachs y haga exactamente lo contrario. Estadísticamente, es tu mejor apuesta.

II. El hardware: el silicio está muy cansado

Las GPU fueron diseñadas en los años noventa para que los videojuegos se vieran mejor. Nadie pensó que serían la infraestructura de la próxima revolución cognitiva. Nvidia se convirtió en la empresa más valiosa del mundo gracias a un accidente histórico. El problema es que ese accidente tiene fecha de vencimiento.

Entrenar modelos grandes es un trabajo que las GPU hacen bien: paralelo, masivo, bruto. Pero la inferencia —lo que ocurre cuando usted le pregunta algo a un chatbot— requiere acceder constantemente a la memoria. Ahí las GPU muestran sus limitaciones con la vergüenza de quien llega a una maratón con zapatillas de fiesta. En las últimas dos décadas, la potencia computacional de los chips se triplicó cada pocos años; la velocidad de acceso a la memoria apenas mejoró en un factor de 1,6.

Las respuestas de la industria oscilan entre lo ingenioso y lo surrealista. Cerebras ha construido un chip del tamaño de un plato de cena —literalmente— con 900.000 núcleos y 44 gigabytes de memoria integrada: si todo el movimiento de datos ocurre dentro del propio chip, el problema desaparece. Investigadores en China proponen grabar los "pesos" de los modelos directamente en los cables del chip; que no tenga que recordar nada porque ya lo lleva tatuado en el cuerpo. El problema de fondo: diseñar un chip tarda entre 12 y 18 meses, mientras los algoritmos de IA evolucionan en semanas. La especialización extrema promete eficiencia máxima. También promete obsolescencia garantizada.

Recomendación: Invierta en chips especializados para la IA de hoy. Para cuando lleguen al mercado, serán el equivalente tecnológico de una máquina de fax muy cara.

III. China: la dieta de fuerza bruta y electrones baratos 

China ha llegado a la conclusión de que si no puede tener los mejores ingredientes puede compensarlo con el horno más grande del mundo. Sus chips siguen siendo inferiores —las restricciones de exportación de Estados Unidos desde 2019 han tenido efecto. Sus modelos son competitivos pero no dominantes. Lo que sí tiene, en cantidades que desafían la comprensión, es electricidad barata.

En un solo año, la red eléctrica china añadió más de 500 gigavatios de capacidad —más del doble de toda la instalada en Estados Unidos. Sus centros de datos pagan alrededor de tres centavos de dólar por kilovatio-hora; los estadounidenses pagan el doble. La comparación es elocuente: la red americana es antigua, congestionada, con lista de espera de proyectos que se extiende por años. Algunas empresas están considerando, con la solemnidad de quien propone algo perfectamente normal, construir centros de datos en el espacio.

Por ahora la ventaja no se ha traducido en supremacía. Las empresas chinas invirtieron 24.000 millones de dólares en infraestructura de IA; las estadounidenses, más de 350.000 millones. Algunos centros de datos chinos tienen tasas de utilización del 20%: edificios llenos de servidores mediocres rodeados de electricidad baratísima que no tienen mucho qué procesar. La respuesta es la que cabe esperar: fuerza bruta. Si los chips son menos potentes, simplemente se apilan más. El plan es conectar todos los centros de datos del país en una sola "piscina nacional de computación" para 2028.

Recomendación: Si compite contra China en IA, rece para que les sigan faltando los chips, porque la electricidad ya la tienen. Y están construyendo más centrales nucleares. Y represas. Y molinos de viento. Solo por si acaso.

IV. India: cuando el apocalipsis se cancela por falta de documentación 

La historia más irónica del año la protagoniza la industria de IT de India, que según todos los modelos debería haber sido la primera víctima de la automatización. El veredicto era unánime: los ejércitos de programadores que mantienen el código heredado de medio mundo corporativo serían reemplazados por agentes de IA que hacen lo mismo en segundos. Tres años y pico después de ChatGPT, el apocalipsis sigue tomando café.

En el congreso anual del sector en Bombay, el presidente de Nasscom anunció ingresos combinados de más de 315.000 millones de dólares, un 6% más que el año anterior. Mientras él hablaba, los delegados miraban sus teléfonos y veían caer las acciones: el índice Nifty IT había bajado cerca de un 20% después de que un blog viral predijera que las herramientas de codificación con IA eliminarían el sector.

El problema —y aquí es donde la realidad se venga de la teoría— es que la IA funciona maravillosamente en entornos con "arquitectura limpia". El mundo corporativo real tiene veinte años de código heredado sin documentar, sistemas críticos que no pueden apagarse ni un momento, e integraciones que nadie recuerda cómo se hicieron. Atul Soneja, director de operaciones de Tech Mahindra, lo explica con claridad casi poética: los grandes saltos de productividad que la IA promete solo son posibles en entornos nuevos. Para el resto —que es la mayoría del mundo empresarial real— la implementación es mucho más complicada de lo que cualquier pitch de consultora sugiere. Los clientes que soñaban con despedir a sus ejércitos de programadores terminan contratando exactamente a los mismos para que arreglen los problemas que la IA no pudo manejar. TCS reportó que las ventas relacionadas con IA crecieron un 17% respecto al trimestre anterior. La contratación sigue. Los ingresos crecen.

Recomendación: Antes de despedir a sus programadores y reemplazarlos por IA, asegúrese de que alguien haya documentado el código. Spoiler: nadie lo hizo. Nadie lo hará. Los programadores se quedan.

Conclusión: el futuro sigue siendo un borrador

La imagen que emerge es la de una revolución genuina —nadie niega que algo importante está ocurriendo— pero una revolución que avanza de manera desigual, contradictoria, llena de atajos que no funcionan y soluciones que nadie había previsto. Los inversores no saben qué empresas ganarán porque las empresas tampoco lo saben. Los ingenieros construyen chips para resolver problemas que los algoritmos del año que viene quizás ya no tengan. China acumula energía para procesar modelos que aún dependen de chips que no puede fabricar bien. Y la industria que iba a desaparecer primero sigue sin desaparecer.

La IA es, en este momento, como esas obras que llevan años en la misma esquina: el cartel promete algo grandioso, los ruidos sugieren actividad constante, y nadie puede decirte cuándo termina ni cómo va a quedar. Pero el hormigón es real, la maquinaria es real, y algo, definitivamente, está siendo construido. Lo que no sabemos —inversores, ingenieros, estrategas y periodistas por igual— es exactamente qué.

Fuentes: The Economist, ediciones de marzo de 2026. "Why investors won't know what to make of AI for a while", "The next phase of artificial intelligence may require very different processors", "Is cheap energy the key to China gaining AI supremacy?", "Why AI has not yet upset India's IT industry".