IA, endeudamiento y disciplina financiera: una lectura serena del momento actual - Flash Note Álex Fusté
La hipótesis de burbuja en el centro del debate
En las últimas semanas, el debate de mercado en torno a las compañías vinculadas al desarrollo y despliegue de la inteligencia artificial ha virado hacia una preocupación recurrente: el riesgo de burbuja alimentada por un supuesto endeudamiento excesivo y una falta de demanda final. La atención sobre casos concretos ha contribuido a amplificar este temor. Conviene separar ruido de fundamentos, y con esto me refiero a analizar con rigor cómo se está financiando realmente esta transformación tecnológica.
Si miramos el conjunto del sector, el volumen de inversión necesario para sostener la próxima fase de expansión de la IA en los próximos dos años se sitúa, según estimaciones ampliamente compartidas, entre 700.000 millones y 1 billón de dólares. La cifra es elevada, pero lo verdaderamente relevante no es el tamaño absoluto, sino la naturaleza de su financiación.
Aquí aparece el primer elemento tranquilizador: Según bancos americanos consultados, alrededor del 90% de ese esfuerzo inversor se estará financiando mediante flujos de caja operativos, no mediante endeudamiento. Lo que significa que solo en torno al 10% corresponde a financiación vía deuda. Seamos cautos, y pensemos que el ratio puede ser 80/20. Este dato, por sí solo, desmonta la narrativa de un crecimiento impulsado de forma generalizada por apalancamiento agresivo. Además, la deuda existente está altamente concentrada en muy pocos emisores. Una parte significativa corresponde a compañías como Meta, cuyo perfil financiero dista mucho de ser frágil. De hecho, sus bonos cotizan con diferenciales más ajustados que los propios bonos del Tesoro estadounidense, reflejando una calidad crediticia excepcional. No estamos, por tanto, ante emisores con estructuras financieras débiles. Pero incluso si ampliamos el foco a otros actores recurrentemente citados en el debate, como Oracle o CoreWeave, el peso agregado de su deuda representa solo un 2–3% de la financiación total implicado en la IA. Es decir, estamos hablando de una parte marginal de todo el ecosistema, no de su núcleo.
¿De que cantidades estamos hablando? Meta lanzó en septiembre una emisión de deuda de $30bn para financiar su capex en infraestructura. Pero la calidad crediticia de Meta no me preocupa lo mas mínimo. Oracle ha lanzado en 2025 una emisión de deuda por $18bn (tampoco me parece ningún salto cósmico en su nivel de endeudamiento, que se situaba en $95bn antes de la nueva emisión). Y luego tenemos Corewave, considerado el "hiperescalador" de la deuda, que acaba de emitir USD 2.250M en convertibles (9-dic-2025) y comunicó una facility tipo delayed-draw term loan de USD 2.600M (financiación que se convierte en deuda a medida que se dispone del capital, algo que aún no ha ocurrido). En este último caso (CoreWave) el endudamiento total estaría ahora cercano a los $5bn.
Pregunto: ¿Qué peso real tienen, en términos de financiación y riesgo sistémico, los 30.000 millones de dólares emitidos por Meta, los 18.000 millones por Oracle y los 2.500 millones por CoreWeave frente a un volumen de inversión agregado en IA estimado en torno a 700.000 millones de dólares para el próximo año? En términos agregados, estas emisiones representan menos del 8% del volumen total de inversión previsto. Lejos de evidenciar un apalancamiento desordenado, confirman que el despliegue de la IA se apoya mayoritariamente en balances sólidos y generación orgánica de caja, no en endeudamiento sistémico.
Otro punto clave: La hipótesis de que no existe demanda final suficiente de servicios de IA.
La preocupación por una falta de clientes o de uso final es, en nuestra opinión, infundada. Quizás el problema es que los inversores están extrapolando a la IA el ritmo de adopción presentado por la industria del software en general, cuando en realidad, nada tienen que ver. En la web de Menlo, y su artículo "the state of generative ai in the enterprise", encontré una información vital y que se representa en el grafico adjunto debajo, y que viene a decir que, de cada 100 casos en los que la empresa identifica un problema concreto donde aplicar tecnología para su solución, el salto desde la idea hasta que recibe aprobación presupuestaria y el despliegue en producción dentro de la empresa es radicalmente distinto si la tecnología incorpora IA, que el software que no incorpora IA.
Cuando hay IA en el softaware, el 47 % de los casos que se consideran superan el umbral final, reciben presupuesto y se íntegra en procesos críticos dentro de la empresa. Cuando se trata de software sin IA, solo el 25% de esos 100 casos, lo consigue. (ver grafico inferior).
La hipótesis hoy de que no hay demanda final suficiente para soluciones basadas en IA se debe, por lo que veo, a que los analistas comparan los ritmos futuros de adopción de soluciones de IA con los ritmos de adopción de las soluciones de software tradicional, pero eso puede ser metodológicamente incorrecto. El ejercicio anterior indica que la IA no sigue una curva de adopción incremental comparable, sino un patrón distinto, probablemente alimentado por un mayor impacto económico y por una mayor capacidad de resolver problemas estructurales. Medir la adopción de la IA con las métricas del software convencional conduce, por tanto, a conclusiones erróneas sobre su velocidad, alcance y potencial real.
Hay quien dice que el problema real no está en la falta de demanda real, si no que los riesgos para la monetización están en los cuellos de botella temporales, que podrían retrasar la materialización de ingresos en algunos casos concretos. Bueno. Entonces diría que este es un matiz es esencial. Indicaría que la demanda, en efecto, está ahí, intacta, y que efectivamente hay un problema potencial por cuellos de botella, pero que ese problema sería de naturaleza temporal. Más tranquilizador.
Debo decir, no obstante, que me tranquiliza ver como AMD ha logrado situarse a una distancia tecnológicamente creíble de Nvidia, reduciendo un riesgo clave: la dependencia cuasi-monopólica de NVDA en aceleradores, introduciendo competencia real en precio, plazos y disponibilidad, y dando poder de negociación a hyperscalers y grandes compradores, reduciendo también los lead times, los time to market, etc. Sin mencionar que esto permite diseños alternativos y mayor flexibilidad en arquitecturas.
También me gusta ver como Samsung está cerrando acuerdos para la actividad de foundry en 2 nm (nanómetros). Esto ataca el mayor cuello de botella industrial: la hiperconcentración en TSMC. La incorporación de Samsung al reino de los 2nm añade capacidad avanzada en nodos críticos para la IA (los chips <3nm) y desde luego reduce riesgo geopolítico y operativo asociado a Taiwán. En definitiva, estas son noticias que mejora la planificación a largo plazo. O lo que es lo mismo, reducen considerablemente el riesgo de cuellos de botella.
Volatilidad en el liderazgo de la IA, no es sinónimo de ganadores y perdedores.
A comienzos de año, Meta y su ecosistema eran vistos como dominantes. Meses después, el foco se desplazó hacia OpenAI, capaz de atraer capital a gran escala. Más recientemente, Google ha tomado la delantera en capacidades (Gemini 3), impulsando una revalorización bursátil muy significativa. Lo que percibo es que esta alternancia de liderazgo está alimentando algunos temores por la percepción de que todo el esfuerzo y la inversión realizadas con un modelo puedan perderse porque dicho modelo pueda quedarse obsoleto cuando es superado por otro. Nada más lejos de la realidad. Cada modelo es bueno (y así está orientado) para tareas diferentes, y el TAM (Total Adressable Market) del mercado es suficientemente amplio como para que convivan varios de estos modelos.
Terremoto en el universo IA
Ante el dominio de Google (Gemini 3) en el panorama de los modelos de IA, Open AI, quizás sintiéndose amenazado, instruyó a sus ingenieros a priorizar el lanzamiento de algo superior. Dicho y hecho. Ayer mismo, mientras trabajaba en mi sesión de GPT-5, un mensaje en mi interfaz me sugirió que usara el nuevo modelo 5.2. Trasteé un rato. Creé un divertido juego (en 5 minutos) con el que pude jugar en la propia interfaz, sin necesidad de copiar el código en una herramienta externa especializada. Hice otras pruebas. ¿El resultado? Una mejora sorprendente. Esto se puede ver gráficamente en la ilustración que les adjunto debajo. Hasta ayer, el universo conocido de los modelos de IA, respecto a su relación coste/rendimiento, estaba delimitado y quedaba por debajo esa línea blanca horizontal (1$ por tarea y score 35). A partir de ayer, con GPT5.2, hemos expandido el universo (capacidades), y la relación ahora es de 1.5$ por tarea y score 55. (ver grafico inferior). Un gran salto.
Este vaivén de líderes no es una señal de debilidad ni un riesgo para el ecosistema, sino una característica propia de una fase temprana de una tecnología disruptiva, donde la frontera se mueve con rapidez. El liderazgo en modelos de IA no es estático, y es razonable pensar que continúe existiendo esta alternancia conforme nuevas arquitecturas entren en producción. De hecho, los modelos entrenados ahora sobre la nueva generación de chips Blackwell comenzarán a desplegarse a partir del primer trimestre de 2026, lo que previsiblemente reconfigurará de nuevo el mapa competitivo, y nos traerá grandes avances. En el ámbito empresarial, eso se traduce en adopción; y la adopción, inevitablemente, en monetización. Al final, no hay mejor garantía del éxito de una tecnología cuya utilidad sea real.
Conclusión
Resulta importante no confundir volatilidad en el precio de 2 players del mercado (Oracle y Corewave) con un deterioro de los fundamentos financieros. El ecosistema, en su conjunto, no muestra signos de estrés financiero sistémico, ni una dependencia peligrosa del crédito. Al contrario: la estructura de financiación es, en términos agregados, saludable y prudente. Como en toda gran transformación, existirán episodios de ajuste (quizás como el actual), especialmente en compañías que gestionen peor los tiempos en momentos de transición. Pero extrapolar estos casos al conjunto del sector conduce a conclusiones erróneas.
Nuestra lectura sigue siendo clara: el desarrollo de la inteligencia artificial se apoya hoy en balances fuertes, flujos de caja reales y una demanda estructural sólida. El debate sobre burbuja, cuando se analiza con datos y no con titulares, pierde buena parte de su fundamento. La prudencia es siempre necesaria; el alarmismo, no.
