Especulación vs. análisis: cómo leer el riesgo real detrás de las apuestas en IA

Distinguir entre inversión analítica y especulación pura es el ejercicio que más falta hace en el ciclo actual de entusiasmo por la inteligencia artificial. Howard Marks, cofundador de Oaktree Capital y una de las voces más respetadas en gestión de activos global, advierte que la mayoría de quienes compran acciones vinculadas a IA están operando mucho más cerca del extremo especulativo de lo que reconocen. En una reciente aparición pública, Marks trazó un espectro que va desde 'inversión analítica en empresas comprensibles con flujos de efectivo modelables' hasta 'inversión especulativa en empresas futuristas que no se pueden describir en absoluto'. Su diagnóstico es incómodo pero fundamentado: especular es prever sin considerar honestamente la probabilidad de estar equivocado.

El contexto macroeconómico refuerza la preocupación. Marks señaló que la relación CAPE de Shiller se ubica cerca de 42, prácticamente al nivel del pico de las puntocom en 2000, cuando alcanzó 44. El PE estándar del S&P 500 ronda 23, frente a un promedio histórico de 80 años de 16. Estas métricas sugieren que el mercado de referencia no tiene margen para decepciones, y el Nasdaq —concentrado en tecnología— descansa sobre una sola tesis con una intensidad no vista desde 1999. En paralelo, los grandes operadores de infraestructura en la nube —Amazon, Google, Meta y Microsoft— han comprometido colectivamente más de 600 mil millones de dólares en gasto de capital para IA solo en 2026, según estimaciones del sector recogidas por Entorno.

Marks propone una escalera de riesgo aplicable para quienes buscan exposición al tema sin asumir una apuesta binaria. En el peldaño de menor riesgo coloca a los llamados hyperscalers: empresas con negocios establecidos, ventajas competitivas duraderas y flujos de efectivo operativos que financian la expansión sin comprometer la viabilidad del negocio central. Un nivel más arriba ubica a compañías con alta probabilidad de relevancia en un horizonte de cinco a diez años, aunque con mayor dependencia del desempeño específico de sus modelos. En la cima de la escalera —y con la mayor incertidumbre— están las startups privadas de IA, a las que compara sin eufemismos con boletos de lotería: la mayoría de los participantes pierde todo, unos pocos generan retornos extraordinarios. Su argumento de fondo es metodológico: si no puedes modelar los flujos de efectivo de una empresa en un horizonte razonable, no estás invirtiendo, estás adivinando. Para los estrategas corporativos e inversores institucionales, la distinción no es semántica; define el marco de gobierno de riesgo que debería aplicarse a cada categoría de activo dentro del ecosistema de IA.