La historia financiera está llena de episodios en los cuales los inversionistas se convencen colectivamente de que las revoluciones tecnológicas justifican abandonar los principios fundamentales de valoración. El actual auge de la inteligencia artificial (IA) está mostrando cada vez más los signos característicos de ese tipo de excesos especulativos. El presidente de la Reserva Federal, Jerome Powell, aseguró recientemente que el repunte actual es “diferente” de la burbuja de las punto com porque hoy las empresas líderes de la IA “realmente tienen ganancias”. Pero este argumento distorsiona la realidad histórica de finales de los años noventa y malinterpreta la mecánica de las burbujas. La burbuja de las punto com no surgió de empresas sin ingresos, sino de inversionistas que proyectaron trayectorias de crecimiento insostenibles sobre empresas que sí tenían ganancias y modelos de negocio viables. Las similitudes con la euforia actual en torno a la IA no solo son llamativas: son alarmantes.

Contrario a la narrativa popular, la burbuja tecnológica de finales de los noventa no estuvo dominada por empresas frágiles como Pets.com, sino por corporaciones masivas y rentables. En el punto máximo de la burbuja, a principios del año 2000, las empresas más valiosas del Nasdaq —Microsoft, Intel, Cisco Systems, Sun Microsystems y Texas Instruments— registraban decenas de miles de millones de dólares en ventas anuales y sólidos beneficios netos. Microsoft ganó cerca de US$9,000 millones en los doce meses previos al estallido, e Intel ganó más de US$7,000 millones. El análisis académico confirma que la burbuja estuvo impulsada no por empresas “de ideas”, sino por múltiplos de valoración extremos, desvinculados de expectativas de crecimiento realistas (Ofek & Richardson, 2003). Incluso empresas rentables pueden convertirse en el núcleo de una burbuja cuando los inversionistas extrapolan demasiado su crecimiento futuro. Cisco, por ejemplo, cotizaba a casi 180 veces sus ganancias antes de perder el 75 % de su valor en un año. A Microsoft le tomó más de una década recuperar su valoración del año 2000, aun cuando su negocio seguía siendo sólido.

El auge de la IA muestra la misma fragilidad estructural: concentración excesiva, valoraciones estiradas y expectativas de crecimiento que superan por mucho el impacto económico demostrado de la tecnología. A partir de 2024, diez empresas —incluyendo Nvidia, Microsoft, Alphabet, Meta, Amazon y Tesla— han generado casi todas las ganancias del S&P 500 desde finales de 2022. El “S&P 490”, que excluye a las 10 megaempresas beneficiadas por la IA, ha mostrado esencialmente cero crecimientos en ganancias desde 2022. Mientras tanto, las 10 principales explican 75 % de los retornos en precios, 79 % del crecimiento de ganancias, 62 % del crecimiento del EBIT y 90 % del crecimiento en capex y gasto en I+D desde noviembre de 2022. La literatura financiera demuestra que cuando los retornos del mercado están excesivamente concentrados en un grupo reducido de empresas, el índice se vuelve peligrosamente sensible a cualquier revisión negativa de expectativas (Berk & DeMarzo, 2020; Gabaix, 2011). El sector tecnológico representa hoy 56 % de la capitalización del mercado estadounidense, superando incluso el pico de la burbuja del año 2000. Los sectores defensivos representan solo 16 %, el nivel más bajo de la historia, dejando a los portafolios expuestos a shocks cíclicos.

La literatura académica sobre manías especulativas respalda también la tesis de que el auge de la IA exhibe dinámicas de burbuja. La investigación en finanzas conductuales muestra que los inversionistas suelen formar expectativas extrapolativas, proyectando los recientes avances tecnológicos hacia retornos futuros indefinidos (Barberis, Greenwood, Jin, & Shleifer, 2018). La influyente teoría de las revoluciones tecnológicas de Perez sostiene que las tecnologías de propósito general —como la electricidad, los ferrocarriles y el internet— siguen un ciclo predecible de auge y caída, en el que el capital financiero se sobreexpande mucho antes de que la transformación económica real se materialice (Perez, 2002). La IA encaja perfectamente en este patrón histórico: pese a los billones de dólares en capitalización bursátil atribuidos a la “productividad de la IA”, las estadísticas oficiales de productividad laboral en EE.UU. no muestran aceleraciones significativas atribuibles a su adopción. Esta desconexión entre precios y productividad es un indicador clásico de burbuja.

Además, la investigación muestra sistemáticamente que los inversionistas sobreestiman su capacidad para elegir ganadores tecnológicos. Biais, Bossaerts y Spatt (2010) demuestran que los mercados de innovación se caracterizan por una profunda incertidumbre e información asimétrica, elementos que vuelven la selección de ganadores un ejercicio estructuralmente propenso al error. Durante los años noventa, los inversionistas creían que Yahoo dominaría las búsquedas en internet y que Microsoft dominaría los dispositivos móviles. Google, Facebook y Apple eran desconocidos o subestimados. El mismo riesgo existe hoy: incluso si la IA es transformadora, nadie sabe si Nvidia, OpenAI, Amazon o algún competidor aún desconocido será quien capture el valor. Las burbujas surgen por la mala valoración de la incertidumbre, no por la presencia de empresas fraudulentas.

El auge de la IA también presenta una concentración inusualmente elevada de gasto en capital e I+D. La investigación sobre ciclos de inversión muestra que los aumentos sectoriales de capex, especialmente cuando se concentran en unas pocas empresas, predicen retornos futuros bajos (Greenwood, Hanson & Stein, 2017). Hoy, la IA representa el 90 % del aumento en capex e I+D en todo el S&P 500. Este nivel de concentración sugiere que las empresas podrían estar reaccionando en exceso a presiones competitivas y comprometiendo capital de forma que puede no estar justificada por una demanda real.

La psicología típica de las burbujas también es evidente. Los inversionistas institucionales enfrentan un riesgo de carrera si no participan en los sectores de mayor impulso, lo que los obliga a perseguir retornos incluso cuando los fundamentos aconsejan cautela (Sharpe, 1992). Mientras las 10 principales acciones de IA sigan subiendo, los administradores institucionales se ven obligados a sobreponderarlas, incluso a valoraciones extremas. Pero cuando las expectativas cambien, la corrección será rápida y profunda por la congestión en los mismos activos.

Las lecciones de la burbuja de las punto com aplican directamente. Primero, los inversionistas tenían razón sobre el poder transformador de internet, así como hoy pueden tener razón sobre la IA. Pero se equivocaron en el timing: el verdadero impacto productivo de internet no se materializó hasta la llegada de la banda ancha, la computación en la nube y los smartphones, varios años después del colapso. La IA puede requerir avances similares en infraestructura energética, eficiencia computacional e integración empresarial antes de generar beneficios reales. Segundo, se equivocaron en las valoraciones. Cisco, Intel y Microsoft eran grandes empresas, pero no a 180 veces ganancias. Hoy, las valoraciones de Nvidia, Microsoft y otras líderes de IA recuerdan esos extremos. Tercero, fallaron al elegir ganadores. Los campeones de la era de la IA pueden no existir aún.

La conclusión es inevitable: el auge de la IA presenta todas las señales analíticas de una burbuja cercana a su punto máximo. La concentración es extrema, las valoraciones están estiradas, la evidencia de productividad es débil y el gasto en capital está adelantado. Mientras tanto, el resto del mercado —“las otras 490 empresas”— se encuentra estancado. Como advirtió Benjamin Graham, “en el corto plazo, el mercado es una máquina de votar; en el largo plazo, es una máquina de pesar”. El comercio de IA se ha convertido en la máquina de votar definitiva: un consenso impulsado por el momentum, desconectado de los fundamentos. Cuando llegue el momento de pesar, el ajuste será rápido y doloroso.

Referencias:

Ofek, E. & Richardson, M. (2003). DotCom Mania: The Rise and Fall of Internet Stock Prices. Journal of Finance.

Gabaix, X. (2011). The Granular Origins of Aggregate Fluctuations. Econometrica. Berk, J., & DeMarzo, P. (2020). Corporate Finance.

Barberis, N., Greenwood, R., Jin, L., & Shleifer, A. (2018). Extrapolation and Bubbles. Journal of Financial Economics.

Perez, C. (2002). Technological Revolutions and Financial Capital.

Biais, B., Bossaerts, P., & Spatt, C. (2010). Equilibrium Asset Pricing and Innovation. Review of Financial Studies.

Greenwood, R., Hanson, S., & Stein, J. (2017). Is There a Bond Premium Puzzle? Journal of Finance.

Sharpe, W.F. (1992). Asset Allocation: Management Style and Performance Measurement. Journal of Portfolio Management.