La IA es real; el negocio, no tanto

En algún lugar de Silicon Valley hay un tren bala que sale cada diez minutos, vacío, a 300 kilómetros por hora. La empresa reporta ocupación plena porque los asientos están reservados por filiales propias. Los analistas de Wall Street aplauden la eficiencia operativa. El maquinista acaba de pedir más vagones.

Lo notable no es el tren. Lo notable es que nadie en el andén se atreve a señalar que no hay pasajeros. O peor: que algunos ya lo saben, y están apostando a que el sistema colapse antes de que les toque devolver el boleto.

Esos algunos tienen nombre. Son, entre otros, el fundador del fondo de cobertura más grande del mundo, el CEO del banco más grande de Estados Unidos, el inversor que anticipó la caída de Enron y el que anticipó la crisis de 2008. Ninguno dice que la inteligencia artificial sea un fraude. Todos dicen que el tren está vacío. Excepto uno —el mismo que perdió 59.000 millones de dólares en las puntocom— que dice que esta vez el tren va a ser 50 veces más grande.

 La brecha de los 600.000 millones

En junio de 2024, David Cahn, socio de Sequoia Capital, publicó el análisis que puso nombre al problema: "AI's $600B Question". La pregunta era simple —¿dónde están los ingresos?— y la aritmética, devastadora. Tomó las proyecciones de ingresos de Nvidia, las multiplicó por dos para reflejar el costo total real de un centro de datos, y otras dos veces para reflejar el margen que necesita quien vende ese cómputo al cliente final. Resultado: la industria necesita generar 600.000 millones de dólares anuales en ingresos nuevos solo para justificar el gasto actual. En 2023 ese agujero era de 125.000 millones. En un año, casi se quintuplicó. La narrativa que sostiene el gasto, señala Cahn, descansa en la creencia de que la inteligencia artificial general llegará pronto. "No creamos en esa ilusión", escribió. "El camino por delante será largo." (David Cahn, "AI's $600B Question", sequoiacap.com/article/ais-600b-question) Sequoia Capital, junio 2024.

 "Una apuesta incierta"

Jim Chanos —el inversor que apostó en contra de Enron antes de su colapso y resultó correcto cuando nadie lo acompañaba— explicó en diciembre de 2025 por qué el negocio de los centros de datos de IA es, en su base, un negocio de bajo retorno: hospedar GPUs es una actividad de tipo commodity, con depreciación acelerada de los chips y clientes que en su mayoría son startups que queman capital ajeno. "La apuesta por la IA es una apuesta incierta", sintetizó. Y agregó lo que los alcistas prefieren ignorar: si el financiamiento privado se seca, el gasto que alimenta el crecimiento de las grandes tecnológicas puede evaporarse con rapidez. (Jim Chanos, "The AI Data Center Short", podcast Monetary Matters con Jack Farley, 11 de diciembre de 2025)

"Etapas tempranas de una burbuja"

Ray Dalio, fundador de Bridgewater Associates, escribió el 5 de enero de 2026: "Obviamente, el boom de la IA, que ahora está en las etapas tempranas de una burbuja, tuvo un gran efecto en todo". En noviembre de 2025 había sido más preciso aún: el mercado había alcanzado el 80% de las condiciones observadas en las burbujas históricas de 1929 y el año 2000. Jamie Dimon, CEO de JPMorgan, fue más lacónico en mayo de 2026: los mercados muestran "demasiada exuberancia" —la misma frase con la que Alan Greenspan advirtió sobre las puntocom en 1996, cuatro años antes de que estallaran. Dos hombres distintos, el mismo diagnóstico. (Ray Dalio, post en X, 5 de enero de 2026; Jamie Dimon, Bloomberg TV citado por Fortune, 22 de mayo de 2026)

La matemática que no cierra

Arvind Krishna, CEO de IBM, aportó el cálculo más concreto. En el podcast In Good Company, conducido por Nicolai Tangen, CEO del Fondo Soberano de Noruega, estimó que los compromisos actuales para construir 100 gigavatios de capacidad en centros de datos de IA requerirán entre 6 y 8 billones de dólares en inversión. Para que eso tenga retorno razonable en 5 a 7 años, la industria necesitaría generar entre 1 y 2 billones de dólares anuales en ingresos incrementales nuevos. Su conclusión fue directa: "No creo que exista esa cantidad de ingresos extra". Predicción sobre lo que viene: solo dos o tres empresas sobrevivirán en el negocio de los grandes modelos fundacionales. El resto enfrentará la comoditización. (Arvind Krishna, In Good Company with Nicolai Tangen, Norges youtube.com/watch?v=IxqrSXiRja4) Bank Investment Management.

El riesgo sistémico oculto

Michael Burry —el inversor que anticipó la crisis hipotecaria de 2008— agrega la dimensión más inquietante. El 64% de las cuentas por cobrar de Nvidia depende de solo tres clientes, frente al 33% que representaban en 2020. La empresa más valiosa del mundo no le está vendiendo a la economía global: le está vendiendo a Microsoft, Meta y Alphabet. Y hay 662.000 millones de dólares en compromisos fuera de balance asociados a esta infraestructura. Para financiarlos, fondos de capital privado compraron aseguradoras de vida, tomaron las primas de ciudadanos comunes y las enterraron en deuda ilíquida de centros de datos, trasladando el riesgo a reaseguradoras en paraísos fiscales. Una arquitectura que, en su mecánica esencial, recuerda demasiado a las hipotecas subprime de 2008: activos de valor incierto financiados con el dinero de quien menos puede permitirse perderlos. (Michael Burry, análisis de posiciones y declaraciones públicas sobre concentración de clientes Nvidia y compromisos fuera de balance, 2024-2025)

El hombre que perdió 59.000 millones dice que esta vez es diferente

El 1 de junio de 2026, Masayoshi Son, CEO de SoftBank, se paró frente a las cámaras de CNBC en París —un día después de anunciar 75.000 millones de euros en infraestructura de IA en Francia— y dijo: "Creo que esto es más de 10 veces, probablemente 50 veces más grande que las puntocom. Esta es la mayor revolución tecnológica que la humanidad haya experimentado jamás".

Son es la misma persona que perdió 59.000 millones de dólares de patrimonio personal en el crash de las puntocom. El pico de aquella burbuja, dijo, es "como una colina pequeña". Son no está al margen de la apuesta. SoftBank tiene una participación de 64.600 millones de dólares en OpenAI, vendió toda su posición en Nvidia para financiarla, y acaba de comprometer casi 90.000 millones de dólares adicionales en infraestructura de IA en Europa. No es un analista. Es un participante con más piel en el juego que casi cualquier otra persona viva. Y eso es exactamente lo que convierte su optimismo en la señal más ambivalente de todas: puede ser la visión correcta del futuro, o puede ser el mismo mecanismo psicológico que llevó a alguien a perder 59.000 millones de dólares y no aprender nada.

La historia no distingue entre los dos hasta que es demasiado tarde. (Masayoshi Son, entrevista con CNBC, París, 1 de junio de 2026. cnbc.com/2026/06/01/softbank-masayoshi-son-ai-revolution-investment.html)

El consenso

Lo que une a Cahn, Dalio, Dimon, Chanos, Krishna y Burry no es la idea de que la IA sea un fraude. Todos reconocen que la tecnología es genuina. El problema en el que convergen es puramente matemático: el mundo corporativo está gastando como si la IA fuera a revolucionar cada aspecto de la economía mañana, pero los clientes finales no están pagando suscripciones al ritmo necesario para cubrir ese gasto. Las restricciones físicas —falta de energía, permisos de construcción, cuellos de botella en refrigeración— chocan de frente con las proyecciones financieras. Y se está prestando dinero para comprar chips que entrenan modelos aún no rentables, esperando que la siguiente ronda de inversión pague las deudas de la ronda anterior. Eso no es desarrollo tecnológico. Es un esquema de financiamiento en cadena.

Masayoshi Son lo llama la mayor revolución de la historia. Los otros lo llaman una burbuja en etapas tempranas. El tiempo dirá quién tiene razón. El problema es que, cuando se sepa, ya será tarde para quienes apostaron el dinero equivocado.

La salida por abajo

Frente a esta arquitectura de riesgo centralizado, hay una respuesta que no requiere adivinar quién tiene razón: no jugar en ese casino. Los modelos de lenguaje pequeños corriendo en servidores propios —lo que la industria llama Edge AI u on-premise— no son nostalgia tecnológica. Son la única forma de acceder a IA sin depender de que los tres hiper escaladores mantengan sus precios, su solvencia y su voluntad de atender a clientes que no son su prioridad estratégica. La nube centralizada cobra por token, como un taxímetro que nunca para. Instalar un modelo en un servidor propio convierte ese gasto recurrente en un costo de capital único y predecible. Y cuando la infraestructura que sostiene la nube está financiada con las pensiones de la clase media apostadas a una rentabilidad que, según los mejores inversores del sistema, probablemente no llegue, esa decisión técnica se vuelve también política: sobre quién asume el riesgo y quién decide no hacerlo. Krishna anticipó que solo dos o tres empresas sobrevivirán en el negocio de los grandes modelos fundacionales. El castillo de naipes es de ellos. Que se caiga solo.