¿Podrá el auge de la IA generar suficientes ingresos para ser sostenible?

Tanto la inteligencia artificial como la compleja tarea de valorar acciones se reducen a cuestiones de plazos. Determinar el valor de una empresa es un ejercicio impreciso incluso en las mejores circunstancias, plagado de suposiciones arriesgadas sobre cuándo se generarán los flujos de efectivo. Si además consideramos los plazos para la IA —los años, pocos o muchos, que faltan para que las capacidades de la tecnología superen las humanas—, el ejercicio se torna incoherente.

Sin embargo, los mercados no se permiten el lujo de la coherencia. Tomemos como ejemplo la inminente salida a bolsa de Anthropic, la primera gran empresa dedicada exclusivamente al desarrollo de IA. El folleto informativo de Anthropic destaca las numerosas e importantes (y rentables) maneras en que la IA avanzada podría transformar la economía, pero también advierte a los posibles compradores. “Nuestra toma de decisiones puede ir en contra de las expectativas de los inversores”, afirma, por ejemplo, con “inversiones futuras… que a primera vista pueden parecer excesivamente grandes".

Sin embargo, en algún punto entre la utopía y el apocalipsis, los inversores necesitan encontrar la manera de fijar una cifra. Anthropic aspira a salir a bolsa con una valoración de alrededor de 1,5 billones de dólares, lo que la convertiría en una de las 15 mayores empresas cotizadas del mundo.

La salida a bolsa se produce en un momento delicado para la IA. La inquietud por la deuda de los centros de datos coincidió con las elecciones de mitad de mandato en Estados Unidos, donde se impusieron los candidatos escépticos de la IA, y, curiosamente, con la revelación de que Jensen Huang, el jefe del fabricante de chips Nvidia, mantenía una relación extramarital con una supuesta agente china.

Antes de todo esto, Anthropic parecía encaminarse a una valoración de 2 billones de dólares o más. Open AI, su principal rival, ha pospuesto su salida a bolsa hasta el año que viene. El precio de las acciones de Nvidia estaba aproximadamente un 30% por debajo de su máximo reciente cuando The Economist se puso a imprenta. Las “neoclouds”, que se endeudan, a menudo de forma desmesurada, para gestionar centros de datos, han tenido peores resultados. Pero es posible que se produzca una recuperación. Las acciones de CoreWeave, una de las mayores, subieron un 25% el 11 de noviembre, tras unos sólidos resultados. La acción había caído previamente dos tercios desde su máximo de este año en mayo. Y, según se informa, la salida a bolsa de Anthropic está muy sobresuscrita.

Por lo tanto, la salida a bolsa será un momento crucial. Independientemente del valor en billones que alcance Anthropic en bolsa, a partir de entonces, tanto la empresa como, cada vez más, la IA en general, serán juzgadas no con el optimismo ingenuo de los inversores de capital riesgo, sino con la mirada crítica de Wall Street. Los inversores se preguntarán si la tecnología podrá generar suficiente efectivo para justificar estas valoraciones o para financiar la colosal construcción de centros de datos prevista para los próximos años.

Las cifras son enormes. The Economist calcula que la IA necesita alrededor de 3 billones de dólares en ingresos para 2030 para que la construcción planificada de centros de datos ofrezca una tasa de retorno convencional. Otros analistas, incluidos Stijn Van Nieuwerburgh de la Columbia Business School y dos investigadores del Stanford Institute for Economic Policy Research, han llegado a cifras similares. Para poner esa cifra en perspectiva, la remuneración total de todos los trabajadores (salarios, más beneficios como el seguro médico) asciende a unos 16,5 billones de dólares en Estados Unidos, o 35 billones de dólares en la OCDE, un grupo formado principalmente por países ricos. Por lo tanto, la IA tendría que captar casi una décima parte de los salarios actuales del mundo desarrollado para que el auge de los centros de datos sea rentable. Por supuesto, esto podría ocurrir de una manera más moderada si la economía en su conjunto crece rápidamente, y los defensores de la IA también prevén un crecimiento espectacular a partir de ahora.

Se puede afirmar que la IA aún no ha alcanzado su máximo potencial. Anthropic informó que sus ingresos anualizados a finales de octubre ascendían a 81.000 millones de dólares. Los de OpenAI eran de 50.000 millones de dólares a finales de septiembre. Si se incluyen los desarrolladores más pequeños, así como los ingresos de Google, Meta y Microsoft provenientes de sus propios modelos, los creadores de modelos de IA podrían estar generando alrededor de 200.000 millones de dólares en total.

Todo ese capital se concentra en la parte superior de un embudo, fluyendo hacia abajo a través del resto del ecosistema, lo que permite que otras empresas de IA sigan operando y persuade a los inversores para que les aporten más dinero. Los modelos que venden Anthropic, OpenAI y otras empresas deben ejecutarse en chips, generalmente diseñados por Nvidia y fabricados por Taiwán Semiconductor Manufacturing Company. Estos chips, a su vez, dependen de una gran cantidad de componentes. La escasez de uno de ellos, la RAM (un tipo de memoria), disparó las acciones de los principales fabricantes de memorias surcoreanos, Samsung y SK Hynix, durante la primavera. Estos chips deben alojarse en un centro de datos, repleto de componentes electrónicos complejos. Todo ello requiere electricidad para su funcionamiento: una bonanza para los fabricantes de turbinas de gas, que generan gran parte de la electricidad que impulsa el auge de la IA. En otras palabras, todo en el mundo de la IA depende de que los ingresos en la parte superior de ese embudo sigan fluyendo, idealmente a un ritmo cada vez mayor.

Pasar de 200.000 millones de dólares a 3 billones de dólares supone un salto de magnitud (o un OOM, en la jerga de Silicon Valley). ¿Podría suceder? Dado que muchos de los principales actores en IA han sido empresas privadas, rastrear la trayectoria exacta de sus ingresos es complicado. Pero el OOM anterior no tardó mucho. Los ingresos combinados de Anthropic, OpenAI y varios desarrolladores más pequeños (pero no Google, Meta, etc.) probablemente superaron los 10.000 millones de dólares alrededor de marzo de 2025. Hoy, esa cifra asciende a 130.000 millones de dólares.

El próximo salto será más difícil. Una de las causas de la reciente inestabilidad de la IA fue el temor a una desaceleración en el crecimiento de los ingresos. Indicadores de datos alternativos como Ramp, que rastrea el gasto en IA con tarjetas de crédito corporativas, y TickerTrends, que recopila datos como publicaciones en redes sociales y patrones de gasto de paneles de empresas y consumidores, apuntan a una desaceleración en el crecimiento de los ingresos entre los desarrolladores de IA. Un modelo que ajusta estos conjuntos de datos a las cifras de ingresos publicadas por Anthropic, Open AI y otras empresas sugiere que el crecimiento de los ingresos trimestrales se desaceleró del 80-90% en primavera al 12% en octubre.

Según los estándares habituales, incluso la cifra más pequeña refleja ganancias extraordinariamente rápidas. Y no todos los indicadores son pesimistas; las cifras de OpenRouter, una herramienta que ayuda a los desarrolladores a cambiar de proveedor de IA, muestran que el gasto en los modelos de Anthropic, OpenAI y Google está repuntando tras un período de estancamiento. Sin embargo, cuanto más se ralentice el crecimiento de los ingresos, más difícil será alcanzar el próximo objetivo de ingresos mínimos (OOM). Una vez que Anthropic y, eventualmente, OpenAI coticen en bolsa, los requisitos de información de los mercados públicos facilitarán la detección de cualquier desaceleración de este tipo.

Descifrando el código

Una economía de IA de un billón de dólares transformaría el mundo de una forma que la actual, de cientos de miles de millones de dólares, no lo ha hecho. En la actualidad, el impacto económico de esta tecnología aún es limitado fuera del propio sector de la IA. Los márgenes de beneficio y los ingresos por empleado se han disparado en los gigantes tecnológicos de los “Siete Magníficos”, pero se mantienen prácticamente estables en el " S&P 493″, el resto del índice de referencia estadounidense S&P 500 de grandes empresas. Las acciones de software se han recuperado en gran medida del duro golpe que sufrieron a principios de año, durante el “SaaSpocalypse”, cuando los inversores temían que la codificación automatizada facilitara la duplicación barata de casi cualquier producto de software.

Los indicadores macroeconómicos tampoco han variado mucho. El crecimiento de la productividad ha sido sólido en Estados Unidos, pero no mucho mayor que a principios de la década de 2020. Mientras tanto, sigue siendo dolorosamente lento en el resto del mundo desarrollado, incluso en países como Gran Bretaña, cuyas empresas han adoptado la IA a un ritmo similar al de Estados Unidos. Los mercados de bonos globales tampoco parecen estar reflejando un repunte tan drástico del crecimiento.

Hasta ahora, la única profesión verdaderamente transformada por la IA es la ingeniería de software. Muchos programadores apenas tocan el código; en cambio, supervisan ejércitos de agentes de IA. El sector de la información en Estados Unidos, que incluye la publicación de software, presenta la tasa de penetración de IA más alta y de mayor crecimiento en la economía, según cifras de la Oficina del Censo de EEUU. Mercor, una empresa de datos de IA, afirma gastar más en agentes de IA que en salarios de empleados.

Eso es extremo, pero no del todo atípico. El gasto en IA de las empresas tecnológicas no se parece en nada al resto. La empresa promedio respaldada por capital de riesgo gasta alrededor de 100 dólares por empleado al mes en IA, según datos de Ramp. Las empresas tradicionales gastan solo unos 10 dólares. Muchas, tras una ola de entusiasmo desmedido por la IA, se están volviendo más cautelosas. En octubre, Goldman Sachs, un banco, prohibió a los empleados que no eran ingenieros el uso de herramientas de codificación de IA, alegando decepcionantes aumentos de productividad y preocupaciones sobre el riesgo de ciberseguridad. (Aunque JPMorgan, un competidor, ha anunciado desde entonces que está redoblando su apuesta por esta tecnología).

Donde más se han apreciado los avances significativos es en las capacidades subyacentes de los modelos de IA . Un informe de METR , una organización sin ánimo de lucro con investigadores integrados en Anthropic, reveló que el ritmo de mejora de los modelos de Anthropic podría haberse duplicado en el último año. En los últimos meses, se ha producido un aluvión de anuncios de soluciones de IA para problemas matemáticos sin resolver, así como de nuevos ciberataques basados ​​en IA.

Sin embargo, la creciente inversión en el entrenamiento de modelos de IA también ha significado que cada avance en la inteligencia de los modelos haya sido más costoso que el anterior. Esto aumenta aún más la necesidad comercial de implementar esta inteligencia de manera rentable.

Por ahora, vender acceso a la IA ha sido un negocio excelente. Las mejoras han llegado con la suficiente rapidez y los mejores modelos han sido lo suficientemente atractivos como para permitir a los desarrolladores obtener márgenes de beneficio saludables. El margen bruto de Anthropic en el primer semestre de este año fue del 85%. A primera vista, entonces, la IA podría recordar a los inversores a la generación anterior de casos de éxito arrollador del sector del software.

Pero en su economía fundamental, la IA y el software convencional son negocios muy diferentes. Los productos de software, desde herramientas de software como servicio como Salesforce y Google hasta los gigantes de las redes sociales, presentaban varias características atractivas desde la perspectiva del inversor. Cambiar a la competencia era costoso, por lo que sus ventajas competitivas eran amplias. Los usuarios tenían que reaprender a usar una herramienta compleja desde cero. Los efectos de red beneficiaban a los grandes actores y frenaban a los nuevos: ¿para qué unirse a una red social sin otros usuarios o a una red publicitaria con pocos clientes potenciales? Además, una vez desarrollado el software, su distribución era barata. Por lo tanto, cuanto mayor era la base de clientes de una empresa, más usuarios podía repartir entre sus costes fijos y más difícil le resultaba a cualquier rival competir en precio.

Hasta ahora, la venta de modelos de IA ha sido prácticamente lo contrario. Cambiar de modelo es trivial. Para los desarrolladores, herramientas como OpenRouter lo simplifican al máximo, con solo modificar una línea de código. Para los consumidores, un chatbot se parece mucho a otro. Muchos productos, como Cursor (un agente de codificación), ofrecen un menú desplegable para alternar entre diferentes proveedores de modelos. Otros, como Instinct (un asistente personal), hacen que incluso esa decisión sea invisible, gestionando los modelos en segundo plano y equilibrando rendimiento y costes. Y el coste de atender a un nuevo cliente no es prácticamente nulo, como ocurre con el software tradicional. Cada nueva consulta debe ejecutarse en un costoso centro de datos, en un chip escaso.

Sin embargo, el poder de fijación de precios de Anthropic y OpenAI se ha mantenido hasta ahora. El vertiginoso crecimiento de los ingresos depende de que esta posición perdure. Las empresas pueden lograrlo manteniendo su modelo de negocio actual o buscando otros nuevos. Están probando ambas opciones. Hasta el momento, aunque los costos de cambio son bajos, los usuarios han estado dispuestos a pagar un precio superior por los mejores modelos. Pero al ritmo actual de desarrollo, cada uno dispone de un breve lapso, semanas o, como máximo, meses, para recuperar sus costos de entrenamiento antes de que un sucesor lo supere.

¿Se convertirán los modelos más baratos en una amenaza? Una vez que se alcanza cierto nivel de inteligencia artificial, esta tiende a estandarizarse y su precio se desploma. Esto refleja la competencia entre los actores estadounidenses en el campo de la IA, así como la amenaza de los competidores chinos que siguen rápidamente el ejemplo. La mejor oferta china actual en el Índice de Capacidades de Epoch, que agrega una amplia gama de pruebas de rendimiento de IA, es Kimi K 3.1 Pro, que obtiene una puntuación similar a la de GPT 5.5 Pro de Open AI, que era el modelo estadounidense más potente disponible públicamente hace poco más de seis meses, en abril. En los últimos años, los modelos chinos se han mantenido consistentemente a esa distancia.

Los modelos económicos podrían ser especialmente preocupantes si se entrenan de forma inteligente. Investigadores de Bridgewater, un fondo de inversión libre, utilizando herramientas de Thinking Machines, una startup de IA, descubrieron que un pequeño modelo chino optimizado superaba a los modelos líderes de Anthropic y OpenAI en el procesamiento de documentos financieros. Esta optimización requiere inversiones en datos y computación que solo las grandes empresas considerarán rentables, pero si este hallazgo se confirma a mayor escala, será una forma tentadora de reducir el coste de la IA.

Sin embargo, algunos usos de la IA siempre exigirán lo mejor, especialmente aquellos que implican competencia, como el comercio o la ciberseguridad. En estos ámbitos, el éxito radica en mantenerse por delante de la competencia. Y en otros casos también puede valer la pena pagar un precio más alto. Grandes enjambres de agentes de IA sin supervisión , como los que Open AI liberó accidentalmente para hackear Hugging Face, una startup de IA, a principios de este año, siguen necesitando inteligencia de primer nivel.

La ventaja de los grandes desarrolladores en cuanto a capacidades también podría aumentar. La potencia computacional necesaria para entrenar los modelos más recientes se está convirtiendo en una barrera infranqueable que impide la entrada de nuevos competidores. Los desarrolladores chinos se ven limitados por una infraestructura de centros de datos (hasta ahora) más reducida y por las restricciones estadounidenses a la venta de chips a China. Anthropic afirma que está mejorando en la prevención de la destilación, el proceso mediante el cual los modelos menos capaces se entrenan con los resultados de los mejores, lo que ha permitido a las empresas chinas mantenerse competitivas a bajo coste.

Los desarrolladores de IA podrían encontrar formas de reorientar su modelo de negocio para fidelizar a sus clientes. En los últimos meses, Anthropic y OpenAI han anunciado una serie de herramientas especializadas para los sectores legal, científico y financiero. Anthropic también ha creado una empresa conjunta con Blackstone, una firma de capital privado, Goldman Sachs y otras compañías para comenzar a ofrecer servicios de IA personalizados a empresas. Cada una de estas iniciativas busca generar nuevas fuentes de ingresos donde la compañía pueda consolidarse y afianzar su posición en el mercado.

Pero la fidelización de los usuarios a los productos de IA es limitada. Al facilitar el uso de los ordenadores y mejorar su capacidad de respuesta a las solicitudes en lenguaje humano, la propia IA ha simplificado el proceso de cambio de proveedor. Anthropic aprovechó astutamente esta situación a principios de este año, cuando su disputa con el Pentágono provocó una oleada de usuarios que, simpatizados con Chat GPT, se pasaron a Claude. Al configurar Claude, los usuarios recibían una indicación que podían pegar en Chat GPT, solicitando al modelo rival que resumiera la información que tenía sobre ellos. Claude procesaba entonces la información y podía ofrecer respuestas personalizadas desde el principio.

Otra opción para las empresas de modelos es el trading por cuenta propia. Esto podría ser literal. Casi todos los rumores imaginables se han asociado en algún momento a Safe Superintelligence, la hermética empresa de investigación en IA dirigida por Ilya Sutskever, ex científico jefe de Open AI. Uno popular, aunque descabellado, es que utiliza sus modelos para el trading de alta frecuencia. Una versión más probable de ese modelo de negocio para Anthropic y sus pares es el trading por cuenta propia en sentido figurado: monetizar la IA utilizándola directamente, posiblemente en una empresa conjunta, en ámbitos como el desarrollo de fármacos o la robótica, donde los avances podrían ser altamente rentables. Para modelos suficientemente inteligentes, restringir el acceso a unos pocos clientes que paguen precios muy altos, lo que también evitaría la posibilidad de una destilación, podría ser una estrategia más astuta que un lanzamiento generalizado.

Caos de mitad de semestre

La política podría interponerse. Las elecciones de mitad de mandato en Estados Unidos fueron las primeras elecciones importantes en las que la IA estuvo en juego, y el resultado fue desfavorable. Antes de conocerse los resultados, The Economist reveló que los estadounidenses que vivían cerca de un centro de datos se inclinaron hacia los demócratas en aproximadamente cinco puntos porcentuales durante el año, en comparación con los votantes con las mismas características demográficas en otras zonas. Los votantes optaron por restringir los centros de datos en todos menos uno de los 41 referéndums locales sobre el tema. Los candidatos contrarios a los centros de datos obtuvieron victorias sorprendentes. La más trascendental fue la sorpresiva elección como gobernadora de Texas de Gina Hinojosa, una demócrata que hizo campaña por una pausa en la construcción de centros de datos. Texas alberga alrededor de un tercio de la infraestructura de centros de datos de Estados Unidos.

Las posibles moratorias afectarían a proyectos aún no iniciados, la mayoría de ellos con fecha de finalización prevista para 2028 o posterior. En los estados cuyos gobernadores apoyan la paralización de los centros de datos, existen 25,6 gigavatios de centros de datos aún sin iniciar con fecha de finalización prevista para 2028, según Maya Barkin, de SemiAnalysis, una empresa de investigación. Esto equivale a poco menos de la mitad de la capacidad actual de los centros de datos en Estados Unidos.

Aun así, los nuevos centros de datos son lo suficientemente rentables como para financiar recortes de impuestos y ayudas para las comunidades donde operan. Es posible que políticos y promotores logren negociar acuerdos beneficiosos para ambas partes, aunque esto podría ser más fácil en lugares con mayor presencia de votantes republicanos, quienes se oponen menos a los centros de datos. La Sra. Hinojosa ya ha moderado su discurso. Tras las elecciones, aclaró que Texas sigue siendo favorable a las empresas. “No es que odie los centros de datos”, afirmó, aunque sí acusó a la industria de “aprovecharse de Texas”.

Un riesgo mayor es la regulación federal. Ninguna de las propuestas que circulan en el Congreso con posibilidades de ser aprobadas hasta ahora interferiría demasiado con los modelos de negocio de los desarrolladores de IA. Sin embargo, la nueva mayoría demócrata estará más dispuesta a regular la IA y podría cambiar de postura rápidamente si, por ejemplo, un ciberataque grave convierte el riesgo de la IA en una prioridad absoluta.

Nada de eso impedirá que Anthropic recaude sumas asombrosas. Tampoco la construcción de centros de datos muestra aún muchos signos de desaceleración. Pero los modelos de negocio y el entorno político que llevaron a la IA a generar cientos de miles de millones en ingresos no la llevarán a los billones. Para ello, la industria deberá adaptarse y evolucionar. Una pregunta crucial es si Wall Street tendrá la paciencia para permitirlo.

© 2026, The Economist Newspaper Limited. All rights reserved.