"IA: la mayor apuesta económica de la historia de EE. UU.
La economía estadounidense sigue creciendo a un ritmo más rápido que el de otras economías del G7, pero el motor de este crecimiento es la ingente inversión en modelos de IA, centros de datos y todos los chips y la tecnología relacionados con la IA.
El PMI compuesto de EE. UU. (índice de actividad económica) subió hasta 58,4 desde 56 en agosto, lo que supone la mayor expansión de la actividad del sector privado desde julio de 2021 y marca el cuarto mes consecutivo de crecimiento acelerado. El crecimiento vino impulsado por el sector de los servicios (incluidos los servicios de información), que registró el mayor aumento de la producción en más de cinco años, mientras que el sector manufacturero también se aceleró. Los nuevos pedidos crecieron al ritmo más rápido desde abril de 2022, mientras que la contratación en el sector manufacturero fue la más sólida desde febrero de 2021.
Ya en junio, comenté que la IA no era más que «una gran apuesta para la economía estadounidense». Pero ahora, en septiembre, eso parece quedarse corto. La expansión de la IA va camino de convertirse en la mayor apuesta económica de la historia de EE. UU., eclipsando con creces las inversiones realizadas para financiar otros gigantescos proyectos de infraestructura estadounidenses en el pasado, como los ferrocarriles en el siglo XIX, la red de autopistas en el siglo XX e Internet en el siglo XXI.
Los analistas estiman que el gasto de capital de cinco de los denominados «hiperescaladores» —
Hasta julio, se han gastado 37 000 millones de dólares en centros de datos privados, la mayoría de los cuales aún no están en funcionamiento.
Por el contrario, el gasto en construcción privada en EE. UU. destinado a todo lo demás —viviendas, edificios de apartamentos, centros comerciales, etc.— se situó en los primeros siete meses de este año en unos 46 000 millones de dólares
La inversión en IA ha creado 750 000 nuevos puestos de trabajo desde 2023, según estimaciones de LinkedIn. Y esos puestos de trabajo están bien remunerados: el salario medio anual de las ofertas de empleo relacionadas con la IA en LinkedIn ronda los 180 000 dólares, frente a los 80 000 dólares del conjunto de los puestos de trabajo.
Por encima de todo, la inversión en IA ha dado lugar a enormes ganancias en la riqueza bursátil. A fecha del segundo trimestre de 2026, las carteras de acciones y fondos de inversión de EE. UU. ascendían a 63 billones de dólares, según la Reserva Federal, casi el doble de la cantidad registrada a finales de 2022. La mayor parte de este aumento de la riqueza financiera ha ido a parar a manos de quienes ya son ricos, ya que los trabajadores poseen pocas acciones o bonos.
Los inversores extranjeros están acudiendo en masa a los activos estadounidenses. Actualmente poseen una cifra récord de 39 billones de dólares en acciones y bonos estadounidenses, una cifra al alza desde 2022. Esto mantiene al dólar estadounidense relativamente fuerte e impulsa al alza los precios de las acciones. Las guerras en Ucrania e Irán animan a los extranjeros a trasladar sus activos a EE. UU. para aprovechar el auge.
Al mismo tiempo, la demanda de equipos destinados a centros de datos, como los chips de memoria, está haciendo subir los costes de los productos tecnológicos. Los precios de importación de ordenadores, periféricos (como discos duros) y semiconductores fueron un 20 % más altos en agosto que un año antes. A su vez, estos elevados precios de importación están ejerciendo una presión al alza sobre los costes de los bienes de consumo, como los iPhones y las consolas de videojuegos, y contribuyendo a la inflación general.
Pero aquí radica el problema. La brecha entre el gasto de las hiperescaladoras y su flujo de caja se está ampliando rápidamente. Se prevé que los gastos de capital de Amazon, Meta, Microsoft y Alphabet superen por primera vez el billón de dólares en 2027. Al mismo tiempo, se prevé que el «flujo de caja libre» combinado (es decir, el dinero procedente de los beneficios de los negocios existentes) caiga por debajo de los 100 000 millones de dólares. Hace un año, el flujo de caja libre rondaba los 200 000 millones de dólares, mientras que los gastos de capital ascendían a 300 000 millones. Ahora, el gasto en IA se está acelerando al mismo tiempo que desaparece el efectivo disponible para financiarlo.
Cuanto mayor sea esta brecha, más tendrán que recurrir las hiperescaladoras a los mercados de deuda y de capital para financiar su gasto en IA.
El problema es que, si el gasto en IA no genera una rentabilidad (beneficios) suficiente, el mercado bursátil podría sufrir una fuerte caída a medida que los inversores se retiren. Los precios del mercado bursátil estadounidense están enormemente sobrevalorados en relación con los beneficios actuales. El ratio tendencial entre los precios bursátiles y el beneficio por acción (denominado ratio CAPE) se sitúa por encima del nivel registrado justo antes de la crisis financiera de 2008 y casi al mismo nivel que el registrado justo antes del estallido de la burbuja puntocom de 2000.
¿Se materializarán los beneficios? Un estudio de Fathom Consulting muestra que, para que el auge de la IA —que mueve varios billones de dólares— genere beneficios, sería necesario que las ventas relacionadas con la IA de las empresas tecnológicas implicadas aumentaran entre 600 000 y 800 000 millones de dólares en los próximos dos años. Sin embargo, la consultora Panmure Liberum ha calculado que las previsiones actuales de gastos de capital (CAPEX) e ingresos hasta 2030 implican una tasa interna de rentabilidad
Por lo tanto, o bien los hiperescaladores reducen significativamente su gasto de capital en IA hasta niveles que generen un beneficio razonable sobre el capital ya invertido, o bien, por algún milagro, logran una rentabilidad masiva gracias a un enorme aumento futuro de la demanda de productos de IA. Si recortaran el gasto, eso indicaría a los inversores que la IA no está dando los resultados esperados y, en consecuencia, venderían sus acciones. Se produciría una caída. Por lo tanto, deben seguir gastando cada vez más.
Al mismo tiempo, lo que las empresas pueden cobrar por los costes de computación de IA (tokens) está cayendo rápidamente. El Índice de Gasto en Tokens de Modelos de Lenguaje a Gran Escala (LLM), que realiza un seguimiento del precio de mercado que pagan las empresas por los resultados de los modelos de IA, ha caído hasta apenas 0,97 dólares, su nivel más bajo desde que se creó el índice a finales del año pasado y más del 50 % por debajo de su máximo alcanzado en verano. Los precios de los tokens se están desplomando, ya que los modelos más económicos, los competidores chinos de código abierto y la caída de los costes de entrenamiento (inferencia) hacen que el uso de la IA resulte cada vez más barato. Esto está mermando el crecimiento de los ingresos de los laboratorios de IA, lo que dificulta aún más hacer frente a los gastos de infraestructura de IA.
Los laboratorios de IA (OpenAI y Anthropic) siguen afirmando que pronto obtendrán grandes beneficios y que, por lo tanto, los hiperescaladores acabarán recibiendo su parte del botín. Sin embargo, gran parte de estas afirmaciones se basan en estimaciones de beneficios dudosas. Las ganancias por inversiones relacionadas con la IA embellecen cada vez más los resultados, y los denominados «otros ingresos» (contratos con otras empresas de IA) ascienden ya al 54 % de los ingresos antes de impuestos.
De hecho, las empresas de IA solo se mantienen a flote gracias a lo que se denomina «financiación circular», en la que una empresa presta fondos a otra y esta última afirma entonces haber obtenido beneficios. Sona Asset Management ha trazado un mapa del universo de la IA y ha catalogado las interconexiones entre los principales actores. Todos dependen de que los demás cumplan con lo prometido.
Sona también ha descubierto que los ingresos de las empresas de IA están casi totalmente ligados a las decisiones de inversión en capital fijo de uno o dos actores más del sector de la IA. Se trata de una crisis sistémica en ciernes.
Una cuestión clave es si la IA va a suponer realmente un cambio radical en la productividad laboral de EE. UU. que pueda impulsar el progreso económico durante toda una generación. El laboratorio de IA Anthropic pretende sacar a bolsa en noviembre acciones por valor de 100 000 millones de dólares (¡lo que situaría la valoración de la empresa en 2 billones de dólares!). Para respaldar su argumento,
Esto es una auténtica tontería que parte del supuesto de que la IA contribuye a impulsar el crecimiento de la productividad, ya que todas las empresas de EE. UU. adoptarían agentes y herramientas de IA para gestionar sus negocios, al tiempo que despedirían a millones de trabajadores que ya no serían necesarios.
Históricamente, la automatización ha avanzado a un ritmo aproximado del 2 % de las tareas al año durante dos siglos, sin que el crecimiento haya superado nunca en gran medida el 2 %. Las denominadas «tecnologías de uso general» del pasado tardaron décadas en difundirse, incluso después de que la propia tecnología funcionara. Por ejemplo, la electrificación tardó unos 40 años en reflejarse en la productividad de las fábricas. Del mismo modo, el estudio de Comin y Mestieri sobre la adopción de tecnología en distintos países documenta retrasos medios en la adopción de unos 45 años, y de entre 7 y 18 años en el caso de tecnologías más recientes.
La adopción de la IA parece ser mucho más rápida que la del ordenador personal o de Internet, pero la adopción es solo el primer paso: la productividad medida suele disminuir inicialmente mientras las empresas realizan las inversiones complementarias necesarias, lo que se conoce como la «curva en J de la productividad» de Brynjolfsson, Rock y Syverson. Incluso los expertos más optimistas se están dando cuenta de ello; por ejemplo, Sam Altman, quien reconoció recientemente: «Creo que me equivoqué en algunas cosas, pero una de ellas, en cuanto a la velocidad, es que la economía tiene muchísima inercia. […] Todos hemos sido demasiado ambiciosos con los plazos […] La sociedad y la economía se adaptarán más lentamente».
Y recuerde que la mayor parte del trabajo es físico. Una explosión de las capacidades de la IA es, ante todo, una explosión de las capacidades cognitivas. Pero solo alrededor de un tercio de la economía consiste en trabajo que puede realizarse en un ordenador (artículo de Epoch AI sobre el teletrabajo). El resto del PIB se genera en minas, en obras de construcción, en cocinas, hospitales y residencias de ancianos. Por lo tanto, automatizar dos tercios de todas las tareas para 2035 requiere robots que realicen una gran parte del trabajo físico. Estos robots tendrían que diseñarse, fabricarse, instalarse y mantenerse por miles de millones en el plazo de una década. Aunque sin duda se están produciendo avances, el desarrollo de la robótica es más lento que el del software, y aún no se vislumbran en el horizonte robots capaces de realizar una amplia gama de tareas físicas a un coste cercano al de un trabajador.
Hasta ahora hay escasas pruebas de aumentos de productividad en el conjunto de la economía; de hecho, la productividad total de los factores (una medida de la productividad derivada de las nuevas tecnologías) está cayendo por debajo de la tendencia.
Es cierto que la adopción de la IA por parte de las empresas está aumentando, al menos entre las empresas de servicios. En tan solo dos años, el uso de la IA ha pasado del 25 % al 61 % entre las empresas de servicios y del 16 % al 51 % entre los fabricantes. Sin embargo, solo el 17 % de los empleados del sector de servicios y el 7 % del sector manufacturero utilizan realmente la IA de forma habitual en su trabajo.
Tal y como admitió el Banco Federal de Nueva York: «
Y siguen existiendo puntos débiles en la propia naturaleza de los modelos de lenguaje a gran escala (LLM) de la IA. Hace dos años, investigadores de Oxford y Cambridge demostraron que todo modelo de lenguaje a gran escala (LLM) entrenado únicamente con contenido generado por IA desarrolla un trastorno irreversible. Cada nuevo modelo aprende únicamente de lo que escribió el anterior. Para la novena generación, el nuevo modelo había olvidado de qué estaba hablando. Si se le pregunta por las torres de las iglesias medievales, responde con una lista de liebres. Lo denominaron «colapso del modelo». Cada vez que alguien publica un resultado generado por una máquina, el siguiente modelo se vuelve un poco más mediocre.
Las señales de advertencia de la próxima crisis no dejan de multiplicarse. Una tendencia al alza de los tipos de interés, en un contexto de caída de los precios de los bonos, podría ser el factor desencadenante de la crisis. O bien podría ser una salida a bolsa fallida (Anthropic, OpenAI), o el aumento de la competencia de los denominados modelos LLM de «peso abierto» procedentes de China y otros lugares, que están reduciendo los beneficios. La mayor apuesta de la historia económica de EE. UU. es muy arriesgada."
(Michael Roberts, blog, 26/09/26, traducción Salvador L. Arnal, enlaces y gráficos en el original)
No hay comentarios:
Publicar un comentario