En el debate sobre una posible burbuja de la inteligencia artificial conviene separar dos cosas: la tecnología y su precio. Que una burbuja se desinfle no significa necesariamente que la IA deje de ser útil. Significa, más bien, que el mercado vuelve a hacer cuentas: cuánto crecimiento es realista, qué márgenes son sostenibles y si las inversiones en chips, centros de datos y electricidad podrán recuperarse.

Goldman Sachs ha señalado que las preocupaciones por una burbuja se han intensificado por la subida de las valoraciones de muchas empresas expuestas a la IA, las inversiones masivas en infraestructura y la creciente circularidad del ecosistema de IA ^[10]. Al Jazeera informó, además, de que el FMI advirtió que una burbuja de inversión en IA podría estallar y compararse con la burbuja puntocom ^[5].

Pero el diagnóstico no es unánime. Un documento de estrategia de Goldman Sachs defendía que aún no estamos en una burbuja, al menos “todavía” ^[2]. Cresset, por su parte, ve señales conocidas de exceso —valoraciones elevadas, fuertes entradas de capital y comportamiento especulativo—, pero también beneficios sólidos, crecimiento de ingresos e inversión en infraestructura financiada con caja; por eso considera más probable una corrección selectiva que un colapso sistémico ^[6].

Lo primero que cae no es la IA: son las hipótesis

En una fase de euforia, basta con estar “expuesto a la IA” para que el mercado adelante años de beneficios futuros. En una corrección, la pregunta se vuelve mucho más simple: ¿hay clientes pagando de forma recurrente?, ¿los ingresos cubren el coste de los modelos, las GPU, los centros de datos y la energía?, ¿la valoración actual se justifica con crecimiento real?

El centro del ajuste sería, por tanto, una revalorización. Se revisarían las primas de las acciones de IA, las valoraciones de startups privadas, la rentabilidad esperada de los centros de datos y el retorno de los proyectos empresariales de IA. La tecnología podría seguir avanzando, pero el listón financiero sería más alto.

Por qué el debate se ha vuelto tan intenso

La discusión no se ha encendido porque falte inversión, sino porque ha crecido a una velocidad extraordinaria. Goldman Sachs estima que la construcción de centros de datos e infraestructura impulsada por IA podría alcanzar varios billones de dólares. En ese contexto, recogió que Jensen Huang, CEO de Nvidia, ha señalado que el gasto en infraestructura de IA podría situarse entre 3 y 4 billones de dólares hasta 2030 ^[1].

El mismo informe proyecta que solo la inversión de capital de los grandes proveedores de nube a hiperescala —las empresas capaces de desplegar infraestructura informática a escala masiva— podría sumar 1,4 billones de dólares entre 2025 y 2027 ^[1].

Las cifras para 2026 también son muy elevadas. Goldman Sachs indicó que el consenso de analistas de Wall Street para el gasto de capital de las compañías de IA a hiperescala en 2026 subió a 527.000 millones de dólares, desde 465.000 millones al inicio de la temporada de resultados del tercer trimestre ^[9]. En otro análisis, la firma señaló que las mayores compañías de nube a hiperescala podrían invertir más de medio billón de dólares en capex en 2026 ^[8].

Ahora bien, un gasto enorme no prueba por sí solo que exista una burbuja. Goldman Sachs matiza que, aunque la inversión en IA es mayor que la de ciclos anteriores en dólares nominales, parece menos extrema cuando se ajusta adecuadamente por escala ^[1]. La cuestión clave no es solo cuánto se invierte, sino si habrá demanda e ingresos suficientes para recuperar esa inversión.

1. Bolsa: la prima de la IA sería la primera en ponerse a prueba

El mercado bursátil suele reaccionar antes que la economía real. En un ciclo alcista, fabricantes de semiconductores, proveedores de nube, empresas eléctricas, operadores de centros de datos y compañías de software pueden moverse bajo una misma etiqueta: “IA”. En una corrección, esa etiqueta deja de ser suficiente.

Goldman Sachs ya observa que los inversores se están volviendo más selectivos con las acciones vinculadas a la IA ^[9]. La revisión se centraría en preguntas concretas: cuánto ingreso procede realmente de productos de IA, qué márgenes dejan, si los clientes renuevan y si el negocio puede absorber el coste de computación.

La concentración del mercado aumenta el riesgo de contagio a los índices. Según Goldman Sachs Research, las siete mayores tecnológicas representan más del 30% de la capitalización del S&P 500 —uno de los principales índices bursátiles de Estados Unidos— y alrededor de una cuarta parte de sus beneficios ^[8]. Si las expectativas de IA están muy incorporadas en sus múltiplos, una rebaja de esas expectativas no sería solo un problema de valores temáticos: podría elevar la volatilidad del mercado en general.

2. Startups: menos demostraciones brillantes, más ingresos recurrentes

Con los datos disponibles no se puede medir cuántas startups de IA sufrirían rondas a menor valoración o cierres. Pero si los múltiplos de las empresas cotizadas bajan, la lógica de financiación de las compañías privadas también se vuelve más exigente.

Cresset identifica en la IA señales típicas de burbuja, como valoraciones altas, grandes flujos de capital y comportamiento especulativo ^[6]. Goldman Sachs también cita la subida de las valoraciones de compañías expuestas a la IA como uno de los motivos de preocupación ^[10]. En ese entorno, los inversores tenderían a pedir menos relato y más evidencia: ingresos recurrentes, retención de clientes, costes controlados, datos propios, canales de distribución y capacidad de integrarse en los sistemas de trabajo existentes.

Las empresas más vulnerables serían aquellas cuyo principal activo es la etiqueta “IA”. En una fase de ajuste, añadir una capa sobre un modelo generalista no bastaría. Lo importante sería demostrar que los clientes siguen pagando y que el uso creciente no agranda las pérdidas.

3. Centros de datos, GPU y energía: de construir por anticipado a validar demanda

El canal más visible hacia la economía real podría estar en la infraestructura. La IA requiere capacidad de cómputo, centros de datos, chips especializados y suministro eléctrico. Por eso las cifras de inversión son tan relevantes: Goldman Sachs proyecta que el despliegue de centros de datos e infraestructura de IA podría ser de varios billones de dólares, y que el capex de los hiperescaladores alcanzaría 1,4 billones entre 2025 y 2027 ^[1].

Si la demanda de servicios de IA resulta menor de lo esperado, o si los ingresos no crecen lo suficiente para cubrir los costes de inferencia y operación, las empresas podrían pasar de “construir primero y esperar la demanda” a “construir solo con demanda más comprobada”. En ese caso, se revisarían calendarios de nuevos centros de datos, compras de GPU y planes de suministro eléctrico.

Eso no significa que toda inversión en centros de datos sea excesiva. Significa que cambiaría el criterio. En una corrección, el mercado miraría más la tasa de utilización, los contratos de largo plazo, la seguridad del suministro energético y el plazo de recuperación del capital. Cresset resume bien la encrucijada: los próximos meses ayudarán a distinguir si la actual infraestructura será una plataforma de innovación duradera o una de las mayores malas asignaciones de capital de la historia reciente ^[6].

4. Big Tech: más probable un ajuste de múltiplos que una caída total

Una corrección de la IA no implica necesariamente que las grandes tecnológicas se derrumben. Cresset subraya que, pese a las valoraciones elevadas y cierta especulación, el sector cuenta con beneficios sólidos, crecimiento constante de ingresos e inversiones financiadas con caja, lo que apunta más a una corrección selectiva que a un colapso sistémico ^[6].

Aun así, que las grandes tecnológicas resistan no significa que sus acciones no puedan sufrir. Dado su peso en el S&P 500, una reducción de expectativas sobre la IA podría traducirse en menor múltiplo de valoración, ralentización del aumento del capex y revisión de prioridades en algunos proyectos ^[8]. El golpe, si llega, podría parecerse menos a una cadena de quiebras y más a un cambio brusco en el precio que los inversores están dispuestos a pagar por el crecimiento futuro.

5. El punto más frágil: una economía de IA demasiado circular

Goldman Sachs menciona la circularidad creciente del ecosistema de IA como una fuente de preocupación ^[10]. La pregunta de fondo es de dónde viene el dinero: ¿de clientes finales que pagan por productividad real o de transacciones dentro del propio ecosistema?

En una fase temprana, es normal que fabricantes de chips, nubes, modelos y aplicaciones se refuercen mutuamente. El problema aparece si una parte relevante del crecimiento depende de que los mismos actores se financien, compren servicios entre sí y sostengan ingresos que todavía no llegan con fuerza desde clientes externos. En una corrección, el mercado separaría con más dureza la demanda final de los ingresos circulares.

La adopción empresarial no se detendría; se volvería más dura

Si se desinfla la burbuja, las empresas no necesariamente dejarán de usar IA. Lo más probable es que cambien el criterio presupuestario. La pregunta ya no será “¿tenemos una estrategia de IA?”, sino “¿reduce costes, aumenta ingresos o mejora un proceso medible?”.

Los proyectos piloto con retorno difuso, los chatbots de escaparate y los experimentos internos con pocos usuarios serían más vulnerables. En cambio, las aplicaciones con métricas claras y encaje operativo tendrían más opciones de sobrevivir. Esta distinción encaja con el dilema planteado por Cresset: infraestructura para innovación duradera o mala asignación de capital ^[6].

Cómo distinguir a los que aguantan de los más expuestos

El criterio central no es si una empresa “hace IA”, sino si puede convertirla en flujo de caja repetible.

Criterio	Más resistente	Más vulnerable
Estructura de capital	Empresas con beneficios sólidos y capacidad de financiar inversión con caja [6]	Empresas muy dependientes de valoraciones altas y financiación externa [6][10]
Demanda	Productos por los que los clientes pagan de forma recurrente	Soluciones con demostraciones llamativas, pero bajo uso real
Costes	Negocios que incorporan el coste de inferencia e infraestructura en sus precios	Servicios donde cada aumento de uso agranda las pérdidas
Diferenciación	Datos propios, distribución, integración con flujos de trabajo	Funciones fáciles de copiar sobre modelos generalistas
Calidad del ingreso	Demanda clara de clientes externos	Ingresos muy dependientes de operaciones dentro del ecosistema de IA [10]
Infraestructura	Proyectos con utilización, contratos y energía asegurada	Expansión basada más en expectativas que en demanda comprobada [1][6]

Conclusión: no se acaba la IA, cambia su etiqueta de precio

Si la burbuja de la IA termina estallando, el mensaje no será necesariamente que la tecnología era inútil. Será que el precio que el mercado estaba pagando por sus promesas era demasiado alto.

Los riesgos señalados por Goldman Sachs —valoraciones elevadas, inversión masiva y circularidad del ecosistema— son reales ^[10]. También existe la advertencia de que el episodio podría compararse con la burbuja puntocom, según informó Al Jazeera sobre el FMI ^[5]. Pero las fuentes disponibles no apuntan solo a un escenario de derrumbe generalizado: Goldman Sachs y Cresset también contemplan una lectura más matizada, con correcciones selectivas y empresas capaces de resistir ^[2][6].

La respuesta más razonable es esta: si la burbuja se desinfla, no desaparecerá la inteligencia artificial. Lo que caerá serán las expectativas exageradas, las inversiones mal justificadas y los modelos de negocio débiles. Después quedarán más visibles las aplicaciones capaces de generar ingresos reales, reducir costes y convencer a clientes de pagar una y otra vez.