La industria de la inteligencia artificial ha llegado a un punto extraño.
La tecnología está mejorando rápidamente. Más personas están usando la IA en el trabajo, las empresas están experimentando con la automatización y aparecen nuevos modelos casi cada semana. Al mismo tiempo, la cantidad de dinero que se está invirtiendo se ha vuelto difícil de comprender.
Las empresas de IA están recaudando miles de millones de dólares. Los gigantes tecnológicos están construyendo centros de datos que consumen tanta electricidad como ciudades pequeñas. Empresas privadas que todavía pierden dinero están recibiendo valoraciones que habrían parecido absurdas hace solo unos años.
No sorprende que la gente se pregunte si la IA se ha convertido en una burbuja financiera.
Un argumento reciente que circula en internet afirma que la industria estadounidense de IA ya ha acumulado billones de dólares en deuda y debe reemplazar a millones de trabajadores de oficina cada año simplemente para cubrir sus pagos de intereses.
La preocupación más amplia merece tomarse en serio. El cálculo que hay detrás, no.
Puede que haya una burbuja de IA, pero es importante entender dónde están los riesgos reales.
Se está usando mal la cifra de los billones de dólares
Una de las afirmaciones más dramáticas es que ya se han invertido entre 3 y 4 billones de dólares en la industria estadounidense de IA, en su mayoría con dinero prestado.
Hay poca evidencia que respalde esa interpretación.
El Stanford AI Index estimó que la inversión privada en IA en Estados Unidos alcanzó aproximadamente 285,9 mil millones de dólares en 2025. Es una cantidad extraordinaria de dinero, pero no se acerca ni de lejos a 3 billones.
La cifra mucho mayor parece provenir de previsiones de gasto global en infraestructura de IA a lo largo de varios años.
Morgan Stanley, por ejemplo, estimó que cerca de 3 billones de dólares podrían invertirse en infraestructura de IA en todo el mundo para 2028. La mayor parte de ese dinero aún no se había gastado cuando se publicó la estimación.
Una previsión de inversión futura no es lo mismo que deuda existente.
La estimación también incluye más que las empresas que desarrollan modelos de IA. Abarca centros de datos, chips, infraestructura eléctrica, equipos de red, construcción y otras partes de la cadena de suministro de la IA.
Por lo tanto, es engañoso describir el total como dinero prestado por empresas como OpenAI y Anthropic.
La IA no necesita reemplazar a 10 millones de trabajadores
El argumento suele continuar con un cálculo sencillo.
Si la industria tiene alrededor de 2,5 billones de dólares de deuda y paga un 4% de interés, necesitaría aproximadamente 100 mil millones de dólares al año solo para cubrir los intereses. Con un margen de beneficio del 10%, necesitaría 1 billón de dólares en ingresos.
De ahí surge la afirmación de que la IA debe reemplazar a unos 10 millones de empleados de oficina cada año.
La aritmética cuadra. Las suposiciones, no.
No hay evidencia fiable de que las empresas de IA, en conjunto, tengan 2 o 3 billones de dólares en deuda corporativa pendiente.
El cálculo también trata a la industria de la IA como si fuera una sola empresa muy endeudada, sin otros negocios ni fuentes de ingresos.
Gran parte de la infraestructura actual la están construyendo Microsoft, Amazon, Alphabet, Meta y Oracle. Estas empresas ya generan ingresos sustanciales por servicios en la nube, publicidad, software, comercio minorista, bases de datos y suscripciones.
Microsoft no necesita que cada nuevo centro de datos se pague exclusivamente con empleados que pierden su trabajo por Copilot. Amazon no necesita clasificar cada dólar generado por AWS como ingresos de IA separados antes de poder devolver su deuda.
Más importante aún, la IA puede crear valor financiero sin eliminar un puesto de trabajo.
Una empresa puede usar IA para responder más rápido a las preguntas de los clientes, producir más software con el mismo equipo, detectar fraude, mejorar la publicidad, traducir contenido o reducir el tiempo necesario para analizar documentos.
El empleado puede seguir en la empresa mientras produce más trabajo.
Por lo tanto, es incorrecto suponer que el único retorno posible de la inversión en IA proviene de reemplazar salarios.
El riesgo financiero real sigue siendo serio
Que el cálculo viral de la deuda sea erróneo no significa que el mercado de la IA esté sano.
Las cifras reales ya son lo bastante grandes como para generar preocupación.
OpenAI, Anthropic y otros desarrolladores de modelos están recaudando enormes cantidades de capital mientras siguen gastando mucho en entrenamiento, investigación e infraestructura de cómputo.
Al mismo tiempo, Microsoft, Amazon, Alphabet y Meta están invirtiendo decenas de miles de millones de dólares cada trimestre en centros de datos y equipos relacionados.
Estas inversiones se basan en una gran suposición: que la demanda de servicios de IA seguirá creciendo lo suficientemente rápido como para justificar la infraestructura que se está construyendo hoy.
Eso puede ocurrir. No está garantizado.
Los centros de datos son caros de construir y operar. Requieren chips, electricidad, agua, sistemas de refrigeración y acceso a la red eléctrica. El hardware que hay dentro puede quedar obsoleto sorprendentemente rápido.
Si la eficiencia de los modelos mejora más rápido de lo esperado, las empresas pueden necesitar menos capacidad de cómputo de la que sugieren las previsiones actuales. Si las empresas deciden que las herramientas de IA no ofrecen un retorno suficiente, parte de la nueva infraestructura puede quedar infrautilizada.
Aquí es donde empieza el argumento más sólido de la burbuja.
El problema no es que la industria de la IA deba reemplazar a un número específico de trabajadores el próximo año. El problema es que las empresas están gastando cantidades enormes hoy basándose en beneficios que quizá solo aparezcan dentro de varios años.
¿Las empresas de IA pierden dinero con cada solicitud?
Otra afirmación común es que OpenAI y Anthropic pierden dinero cada vez que alguien envía un prompt a uno de sus modelos.
Eso es posible para ciertas suscripciones o usuarios extremadamente intensivos, pero no se ha demostrado como una regla general.
Hay una diferencia importante entre perder dinero en una solicitud individual y perder dinero como empresa.
Una solicitud de API puede venderse por más que el coste directo de ejecutar el modelo. Aun así, la empresa puede reportar grandes pérdidas después de pagar investigación, entrenamiento de modelos, salarios de ingeniería, ventas, marketing e infraestructura futura.
En otras palabras, un servicio de IA puede tener un margen bruto positivo mientras la empresa que está detrás sigue siendo profundamente no rentable.
La pregunta más útil no es si cada solicitud pierde dinero. Es si los ingresos actuales pueden, con el tiempo, sostener el coste extraordinario de desarrollar y operar las próximas generaciones de modelos.
Para muchas empresas de IA de frontera, la respuesta aún no está clara.
Los modelos chinos están cambiando la economía
La rápida mejora de los modelos chinos y de pesos abiertos puede ser un problema aún mayor para las empresas estadounidenses de IA que sus pérdidas operativas.
Hace unos años, parecía posible que un pequeño número de empresas de EE. UU. controlara los modelos más capaces. Tenían acceso a chips avanzados, grandes centros de datos y miles de millones de dólares en financiación.
Esa ventaja sigue importando, pero la brecha se ha reducido.
Los desarrolladores chinos han lanzado modelos que compiten en programación, razonamiento y tareas basadas en agentes, a menudo a precios mucho más bajos.
Muchos de estos modelos también pueden descargarse y ejecutarse en infraestructura privada. A menudo se describen como de código abierto, aunque “pesos abiertos” suele ser el término más preciso. Los pesos del modelo pueden estar disponibles, mientras que los datos de entrenamiento y el proceso completo de desarrollo siguen siendo privados.
Su creciente popularidad crea un serio problema de precios para empresas como OpenAI y Anthropic.
Si los clientes pueden obtener resultados similares con un modelo más barato, el proveedor caro no puede simplemente subir sus precios cada vez que necesite más ingresos.
Los datos de OpenRouter han mostrado un fuerte aumento en el uso de modelos chinos entre los desarrolladores que usan su plataforma. Esto no significa que los modelos chinos ya controlen la mayor parte de todo el mercado estadounidense. OpenRouter representa solo una parte del ecosistema de IA.
Pero sí muestra que los desarrolladores están dispuestos a cambiar de modelo cuando la diferencia de precio o rendimiento se vuelve atractiva.
Eso dificulta que un solo proveedor construya un monopolio duradero.
La IA local está mejorando, pero no es gratis
La misma presión competitiva viene de modelos que pueden ejecutarse en ordenadores locales y servidores privados.
Los modelos locales ofrecen ventajas claras. Los datos pueden permanecer dentro de la empresa, el sistema puede funcionar sin conexión a internet y los usuarios no dependen de los precios o políticas de un proveedor externo.
Para tareas comunes, un modelo local más pequeño puede ser suficiente.
Eso podría reducir el número de personas dispuestas a pagar suscripciones premium de IA.
Aun así, la IA local no es automáticamente más barata en todas las situaciones. Una empresa debe comprar hardware, pagar la electricidad, mantener el sistema, instalar actualizaciones y supervisar la seguridad.
Los modelos más pequeños también pueden requerir más correcciones o rendir de forma menos fiable en trabajos complejos.
El resultado más probable es un mercado mixto.
Las tareas rutinarias pueden gestionarse con modelos locales o económicos. Los problemas difíciles pueden enviarse a sistemas en la nube más capaces. El software tradicional seguirá gestionando procesos predecibles, mientras que las personas seguirán siendo responsables de decisiones en las que los errores son costosos.
Esto crearía un gran mercado de IA, pero no necesariamente uno con márgenes extremadamente altos para las empresas que construyen los modelos subyacentes.
La productividad no ha estado a la altura del bombo
La pregunta más importante es si la IA está creando suficiente productividad como para justificar el dinero que se está gastando.
La evidencia hasta ahora es mixta.
Un estudio de más de 5.000 empleados de soporte al cliente encontró que el acceso a un asistente de IA generativa aumentó la productividad en alrededor de un 14% de media.
Los mayores beneficios se observaron entre los trabajadores con menos experiencia. La IA les ayudó a acceder a conocimientos y técnicas que los compañeros más experimentados habían aprendido con el tiempo.
Ese es un resultado significativo.
Otras investigaciones han sido menos alentadoras.
En un estudio realizado por METR, desarrolladores experimentados de código abierto completaron ciertas tareas más lentamente al usar herramientas de IA. Los desarrolladores creían que las herramientas les estaban ayudando, pero los resultados medidos mostraron que tardaban más.
La diferencia puede venir del tipo de trabajo que se está realizando.
La IA suele ser útil cuando una tarea implica redactar, resumir o aplicar patrones conocidos. Puede volverse menos útil cuando un experto trabaja dentro de un sistema complicado y debe inspeccionar cuidadosamente sugerencias que son casi correctas.
El tiempo ahorrado al escribir código puede perderse fácilmente al encontrar un error sutil.
Esto ayuda a explicar por qué las demostraciones de IA pueden parecer espectaculares mientras los despliegues reales en empresas avanzan más lentamente.
Una demostración suele mostrar el mejor resultado en condiciones controladas. Un sistema en producción debe lidiar con información incompleta, clientes inusuales, normas de privacidad, riesgos de seguridad y responsabilidad legal.
Una herramienta que acierta el 95% de las veces puede ser impresionante en un vídeo e inaceptable en un banco.
Por qué las empresas están retirando sistemas de atención al cliente con IA
Una encuesta de 2026 de Sinch encontró que el 74% de las organizaciones consultadas había retirado o apagado al menos un agente de comunicaciones con clientes basado en IA después de su lanzamiento.
Esa cifra suena desastrosa, pero necesita contexto.
No significa que el 74% de todos los agentes de IA fracasaran o que la mayoría de las empresas abandonaran la IA. Significa que muchas organizaciones detectaron problemas en al menos un despliegue y decidieron detenerlo, rediseñarlo o reemplazarlo.
El hallazgo sigue siendo importante.
La atención al cliente se suponía que era una de las áreas más fáciles de automatizar. Las conversaciones suelen ser repetitivas, las empresas ya poseen grandes bases de datos de respuestas y el coste del soporte humano es significativo.
Sin embargo, los clientes reales no siempre hacen preguntas previsibles. Pueden proporcionar información incompleta, malinterpretar políticas o enfrentarse a situaciones que no aparecen en los ejemplos de entrenamiento.
Un agente de IA también puede hacer promesas que la empresa no puede cumplir, revelar información privada o malinterpretar repetidamente a un cliente ya frustrado.
Estos fallos no prueban que la atención al cliente nunca se automatizará. Muestran que una automatización fiable requiere más pruebas, supervisión e intervención humana de lo que muchas empresas esperaban.
El apoyo del gobierno plantea preguntas incómodas
Las empresas de IA también han pedido a los gobiernos que apoyen la inversión en energía, producción de semiconductores e infraestructura de centros de datos.
Algunos críticos han descrito esto como una solicitud de rescate.
Esa descripción es demasiado simple.
Los gobiernos usan con regularidad incentivos fiscales, garantías de préstamos, contratos de compra pública y programas de infraestructura para apoyar industrias que consideran estratégicamente importantes.
La industria de semiconductores, la energía renovable, la aviación y el transporte se han beneficiado de políticas similares.
La pregunta más relevante es quién asume el riesgo.
Si los inversores privados reciben los beneficios cuando la demanda es fuerte, ¿deberían los contribuyentes absorber parte de la pérdida si la infraestructura deja de ser rentable?
La IA puede ser lo suficientemente estratégica como para justificar inversión pública. Eso no significa que cada proyecto privado deba estar protegido del fracaso.
Las solicitudes de apoyo gubernamental no son prueba de que la industria de la IA esté a punto de colapsar. Sí sugieren que la expansión planificada puede ser demasiado grande como para financiarse cómodamente solo con capital privado.
La comparación con las puntocom tiene sentido
La comparación más útil probablemente sea el boom de internet de los años 90.
Los inversores acertaron en que internet transformaría los negocios y la sociedad. A menudo se equivocaron sobre cuán rápido aparecerían los beneficios, qué empresas sobrevivirían y cuánto valían esas empresas.
El resultado fue una burbuja financiera construida alrededor de una tecnología genuinamente revolucionaria.
La IA podría seguir un camino similar.
La tecnología puede mejorar la productividad, crear nuevos productos y convertirse en parte del trabajo cotidiano. Al mismo tiempo, muchas empresas de IA pueden estar dramáticamente sobrevaloradas. Algunos proveedores pueden desaparecer. Los precios de los modelos pueden caer. Los centros de datos pueden venderse por debajo del coste de construcción. Los inversores pueden descubrir que los mayores beneficios los capturan empresas que no se consideraban las ganadoras obvias durante el boom.
Un desplome de las valoraciones no probaría que la IA haya fracasado.
Mostraría que los inversores pagaron demasiado por beneficios esperados que aún no habían llegado.
Entonces, ¿es la IA una burbuja?
Partes del mercado casi con seguridad muestran un comportamiento propio de una burbuja.
Las valoraciones son extremadamente altas. El gasto en infraestructura está creciendo más rápido que la demanda demostrada. Las empresas están comprometiendo capital basándose en previsiones optimistas sobre adopción, productividad y precios futuros.
La competencia también se está intensificando. Los modelos chinos, las alternativas de pesos abiertos y los sistemas locales están abaratando la IA, lo cual es bueno para los usuarios pero potencialmente malo para los márgenes de beneficio de los desarrolladores de modelos.
Al mismo tiempo, el argumento de que la industria ya ha pedido prestados varios billones de dólares y debe reemplazar a 10 millones de trabajadores cada año no está respaldado por la evidencia disponible.
El argumento más sólido es menos dramático.
Las empresas de IA y sus socios están gastando cantidades extraordinarias de dinero hoy. Para justificar esas inversiones, necesitarán muchos más ingresos, una adopción mucho más amplia y mejoras de productividad mucho más claras de las que podemos observar actualmente.
Pueden lograrlo.
También pueden descubrir que la IA cambia el mundo mientras produce retornos decepcionantes para muchos de los inversores que la financiaron.
Esos dos resultados no son contradictorios.
Internet transformó casi todas las industrias. Eso no impidió que los inversores perdieran miles de millones durante el desplome de las puntocom.
La IA no necesita ser un fraude para que estalle una burbuja de IA. Solo necesita estar valorada como si nada pudiera salir mal.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.