por Michael Roberts
La economía estadounidense sigue creciendo más rápido que las demás economías del G7, pero el motor de este crecimiento es la enorme 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 que mide la salud económica general del sector privado combinando la actividad del sector manufacturero y el de servicios] subió a 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 impulso vino del sector servicios (incluidos los servicios de información), que registró el mayor aumento de la producción en más de cinco años, mientras que la industria manufacturera también se aceleró. Los nuevos pedidos crecieron al ritmo más rápido desde abril de 2022, y la contratación en el sector manufacturero fue la más fuerte desde febrero de 2021.
Ya en junio comenté que la IA era simplemente «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 enormes 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 llamados hiperescaladores –Alphabet, Amazon.com, Meta Platforms, Microsoft y Oracle– ascenderá a 4,2 billones de dólares en los cuatro años que terminan en 2029, según FactSet. El gasto en centros de datos supera al de los canales, los ferrocarriles y la red eléctrica juntos, y se prevé que alcance un total de 10,3 billones de dólares entre 2025 y 2032, según nuevas estimaciones de la Brookings Institution. Eso supone una media asombrosa del 3,6 % del PIB al año. Nunca antes la economía estadounidense había dependido tanto de la expansión de un solo sector.
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.
En cambio, el gasto privado en construcción en EE UU para todo lo demás –casas, bloques de pisos, centros comerciales, etc.– estuvo unos 46 000 millones de dólares por debajo de los niveles del año anterior en los primeros siete meses de este año.
La inversión en IA ha creado 750 000 nuevos puestos de trabajo desde 2023, según estimaciones de LinkedIn. Y esos trabajos están bien pagados: 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 empleos.
Por encima de todo, la inversión en IA ha generado enormes ganancias en riqueza bursátil. En el 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 que a finales de 2022. La mayor parte de este aumento de la riqueza financiera ha ido a parar a manos de los que ya son ricos, ya que la gente trabajadora tiene pocas acciones o bonos.
Los inversores extranjeros están invirtiendo masivamente en activos estadounidenses. Ahora tienen una cifra récord de 39 billones de dólares en acciones y bonos estadounidenses, una cifra que ha ido subiendo desde 2022. Esto mantiene el 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 para centros de datos, como los chips de memoria, está haciendo subir los costos 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. Estos elevados precios de importación, a su vez, están ejerciendo presión al alza sobre los costos de los bienes de consumo, como los iPhones y las consolas de videojuegos, y contribuyendo a la inflación general.
Y es aquí donde está el problema. La brecha entre el gasto de los hiperescaladores y su flujo de caja se está ampliando de forma vertiginosa. 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 eran de 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 suficientes rendimientos (beneficios), el mercado de valores podría dar un giro brusco a la baja a medida que los inversores se retiren. Los precios del mercado de valores estadounidense están enormemente sobrevalorados en relación con los beneficios actuales. El ratio de tendencia entre los precios bursátiles y el beneficio por acción (lo que se conoce como ratio CAPE) está por encima del nivel registrado justo antes de la crisis financiera de 2008 y casi al mismo nivel que justo antes del estallido de la burbuja puntocom de 2000.
¿Llegarán los beneficios? Un estudio de Fathom Consulting muestra que, para que el boom de la IA –que mueve varios billones de dólares– genere beneficios, las ventas relacionadas con la IA de las empresas tecnológicas implicadas tendrían que aumentar entre 600 000 y 800 000 millones de dólares en los próximos dos años. Pero la consultora Panmure Liberum ha calculado que las previsiones actuales de inversión en capital (CAPEX) e ingresos hasta 2030 implican una tasa interna de rentabilidad negativa sobre el capital invertido para Alphabet, Meta, Microsoft y Oracle.
Así que 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, consiguen una rentabilidad enorme gracias a un gran aumento futuro de la demanda de productos de IA. Si recortan el gasto, eso indicaría a los inversores que la IA no está dando los resultados esperados y venderían en consecuencia. Se produciría una caída en picado. Así que deben seguir gastando cada vez más.
Al mismo tiempo, lo que las empresas pueden cobrar por los costos de computación de IA (tokens) está cayendo en picado. El Índice de Gasto en Tokens de LLM, que mide el precio de mercado que pagan las empresas por los resultados de los modelos de IA, ha caído hasta solo 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 del verano. Los precios de los tokens se están desplomando, ya que los modelos más baratos, la competencia china de código abierto y la caída de los costos de entrenamiento (inferencia) hacen que el uso de la IA sea 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 llevándose su parte del botín. Pero 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 llamados otros ingresos (contratos con otras empresas de IA) han subido hasta el 54 % de los ingresos antes de impuestos.
De hecho, las empresas de IA solo se mantienen a flote gracias a lo que se conoce como financiación circular, en la que una empresa presta fondos a otra y esta última luego afirma haber obtenido beneficios. Sona Asset Management ha mapeado el universo de la IA y ha catalogado las interconexiones entre los principales actores. Todos dependen de que los demás cumplan.
Sona también descubrió que los ingresos de las empresas de IA están casi totalmente ligados a las decisiones de inversión de uno o dos actores más del sector. Esto anuncia una crisis sistémica en ciernes.
La cuestión central es si la IA realmente va a suponer 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 quiere sacar a bolsa acciones por valor de 100 000 millones de dólares en noviembre (¡lo que valoraría a la empresa en 2 billones de dólares!). Para respaldar su argumento, publicó un informe en el que afirmaba que, si la IA realmente despega, el PIB de EE UU podría aumentar un 32 % para 2030 (!), lo que supone un crecimiento anual del PIB de hasta el 15 % (frente al crecimiento actual de EE UU. que en el mejor de los casos es del 2,5 %).
Esto es una auténtica tontería que da por hecho que la IA impulsará el crecimiento de la productividad a medida que todas las empresas de EE UU adopten agentes y de IA para gestionar sus negocios, mientras despiden a millones de trabajadores que ya no son necesarios.
Históricamente, la automatización ha avanzado a un ritmo de aproximadamente un 2 % de las tareas al año durante dos siglos, sin que el crecimiento haya superado nunca mucho más del 2 %. Las llamadas tecnologías de uso general» del pasado tardaron décadas en extenderse, incluso después de que la tecnología en sí funcionara. Por ejemplo, la electrificación tardó unos 40 años en notarse 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 de 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 al principio, mientras las empresas realizan las inversiones complementarias necesarias, la «curva en J de la productividad» de Brynjolfsson, Rock y Syverson. Incluso los expertos más optimistas se están dando cuenta de esto, como por ejemplo Sam Altman, quien admitió 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 recuerda 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 se puede hacer en un ordenador (el artículo de Epoch AI sobre el teletrabajo). El resto del PIB se genera en minas, en obras, en cocinas, hospitales y residencias de ancianos. Automatizar dos tercios de todas las tareas para 2035 requiere, por lo tanto, robots que realicen una gran parte del trabajo físico. Habría que diseñar, fabricar, instalar y mantener miles de millones de estos robots en una década. Aunque sin duda se está avanzando, el desarrollo de la robótica es más lento que el del software, y los robots capaces de realizar una amplia gama de tareas físicas a un costo similar al de un trabajador aún no están a la vista.
Hasta ahora hay pocas pruebas de aumentos de productividad en toda 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 solo dos años, el uso de la IA ha pasado del 25 % al 61 % en las empresas de servicios y del 16 % al 51 % entre los fabricantes. Pero 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.
Como admitió el Banco Federal de Nueva York:
La siguiente etapa será mucho más importante, ya que, por el momento, la IA ayuda principalmente a la gente a escribir, resumir, programar o analizar más rápido. Mañana, los agentes y las herramientas especializadas podrían gestionar flujos de trabajo completos. En ese momento, el impacto en la productividad y el empleo podría pasar realmente a otro nivel. El uso se está disparando, mientras que el gasto empresarial sigue siendo relativamente limitado, pero el precio de la inteligencia sigue bajando. Esto es muy positivo para la difusión de la IA y la productividad, pero mucho menos obviamente positivo para la monetización de todos los actores del ecosistema.
En otras palabras, el crecimiento de la productividad puede acabar aumentando, pero a costa de la rentabilidad, ya que los precios de uso de la IA bajan: una contradicción clásica del capitalismo.
Y siguen existiendo fisuras 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 grande (LLM) entrenado únicamente con contenido generado por IA desarrolla un trastorno irreversible. Cada nuevo modelo aprende solo de lo que escribió el anterior. Para la novena generación, el nuevo modelo ya se había olvidado de lo que estaba hablando. Si le preguntas por las torres de las iglesias medievales, te responde con una lista de liebres. Lo llamaron «colapso del modelo». Cada vez que alguien publica el resultado generado por una máquina, el siguiente modelo se vuelve un poco más mediocre.
Las señales de alerta de la crisis que se avecina no dejan de multiplicarse. Una tendencia al alza de los tipos de interés, junto con la caída de los precios de los bonos, podría ser el factor desencadenante de la crisis. O podría ser una salida a bolsa fallida (Anthropic, OpenAI), o el aumento de la competencia de los llamados modelos LLM de peso abierto procedentes de China y otros lugares, que están haciendo bajar los beneficios. La mayor apuesta en la historia económica de EE UU es muy arriesgada.
Fuente: Blog de Michael Roberts
Traducción: Viento sur
