El 75% del crecimiento es IA — y la cuenta la paga tu 401(k): la tesis del Nobel que le puso número a la burbuja

Hay un número que, si lo lees rápido, parece la prueba de que la IA ya ganó. El Bureau of Economic Analysis (BEA) acaba de publicar que la economía estadounidense creció 2,0% anualizado en el primer trimestre de 2026 — y que el 75% de ese crecimiento (1,5 puntos de los 2,0) vino de un solo rubro: inversión privada en infraestructura de IA. Equipos de cómputo, software, y construcción de centros de datos. Un sector. Tres cuartas partes del crecimiento del país más rico del planeta.

Léelo despacio, porque es una anomalía histórica. No es que la IA “aporte” al crecimiento: es que la primera economía del mundo le debe su crecimiento a la IA casi por completo. Si quitas ese renglón, el resto de la inversión corporativa norteamericana, en su conjunto, apenas se mueve. Y hay un dato todavía más frío, calculado por Pantheon Macroeconomics: sin el gasto en IA, la inversión corporativa en equipos de EE.UU. no crecería más lento — estaría contrayéndose. No desacelerando. Contrayéndose.

Ahora pongamos ese número al lado de los otros dos que hacen que esto deje de ser una curiosidad macroeconómica y se convierta en una historia sobre ti. El primero: el capital que financia este boom ya casi no viene de bancos ni de fondos de riesgo — viene de los fondos de pensión, las aseguradoras y los 401(k) de gente que jamás eligió apostar por la IA. El segundo: mientras se construye la infraestructura más grande de la historia, la demanda del producto que esa infraestructura existe para vender se está mudando en masa hacia modelos abiertos, que corren gratis y cuyo precio por token se desploma mes a mes.

Junta las tres piezas y obtienes algo que no es una opinión: es la firma clásica de una burbuja — capital mal asignado, financiado con deuda, para un activo cuyo precio de venta se está desmoronando. Con un giro que no tiene precedente: en el 2000, el “greater fool” era un inversor profesional apostando su propio dinero. En 2026, el último en sostener la silla sos vos — vía tu plan de jubilación. De eso va este artículo.

El aviso de rigor de siempre, porque acá el riesgo es comprar el titular en las dos direcciones. Esto no es “la IA va a morir” ni “viene el colapso mañana”. Acemoglu mismo dice que la tecnología no es una moda pasajera; su advertencia no es sobre la capacidad de la IA, sino sobre la cuenta: si la inversión va muy por delante del retorno real, la corrección llega — y golpea a quien la sostiene. Y el que la sostiene, por primera vez en la historia, no es un fondo de riesgo: es el ahorro jubilatorio de millones de personas que creían estar jugando seguro. Vamos a separar, en cada punto, el hecho verificado de la interpretación.

El recorrido: primero, el monocultivo y su número-bomba. Segundo, el Nobel que le puso el precio al optimismo. Tercero, de dónde sale el dinero — y por qué ya no es de riesgo. Cuarto, la trampa de concentración que mete al jubilado sin avisarle. Quinto, la avalancha hacia modelos abiertos. Sexto, los matices que nos exigen honestidad. Y el cierre: qué queda cuando la inteligencia frontera se vuelve infraestructura pública — y qué puedes hacer con eso.

1. El monocultivo: cuando la economía entera apuesta a un solo número

Empecemos por medir la escala, porque las cifras son tan grandes que dejan de ser intuitivas. Cinco empresas —Amazon, Microsoft, Alphabet, Meta y Oracle— van a gastar en capex este año entre US$725.000 y US$805.000 millones, según los cálculos de Apollo Global y Morgan Stanley respectivamente. Para dimensionarlo: esa cifra es mayor que el PIB de todos los países del mundo menos unos veinte. Es, aproximadamente, 2% del PIB de Estados Unidos fluyendo por el balance de cinco compañías. Y Goldman Sachs estima que alrededor de US$500.000 millones son específicamente IA.

Detente en la última fila. Es el corazón del asunto. La inversión en IA no es adicional a la economía: está desplazando a la otra inversión. Los recursos —capital, energía, ingenieros, cobre, terreno, hasta las turbinas eléctricas— que van a los centros de datos no van a otra parte. Y el resultado es que un país que se presenta como “en auge” tiene, fuera del sector IA, una inversión corporativa que no crece. Algunos economistas matizan cuánto de ese desplazamiento es 1:1 (algunos recursos son ociosos y no compiten), pero el hecho incómodo no depende del matiz: todo el crecimiento se concentró en una sola apuesta.

Hay un detalle que cierra la metáfora del monocultivo: la inversión en equipos de procesamiento de información —la categoría donde vive todo el buildout— ya supera la inversión residencial. Es decir, Estados Unidos está construyendo más “máquinas de computar” que casas. Un país que le dedica más capital a racks que a hogares no está diversificando: está poniendo todas las fichas en un color.

2. El Nobel que le puso número a la sospecha

Si esto suena a preocupación de un blog, conviene traer al árbitro más incómodo de todos: un Premio Nobel de Economía. Daron Acemoglu, catedrático del MIT, galardonado en 2024 junto a Simon Johnson y James A. Robinson por sus estudios sobre instituciones y prosperidad, viene diciendo lo que el mercado no quiere oír desde antes de ser premiado.

En The Simple Macroeconomics of AI (2024), modeló el impacto de la IA sobre la economía de EE.UU. y llegó a un número que fue leído como herejía: la IA subiría la productividad total de factores menos de 0,66% en una década — y quizás menos de 0,53% si se descuentan las tareas complejas difíciles de automatizar. Traducción: el Nobel no proyecta una revolución de productividad; proyecta un empujón modesto.

Y luego está la advertencia que convierte su escepticismo en el marco exacto de este artículo. En entrevista, Acemoglu dijo que “la IA está atrapada en un exceso de expectativas” y que “podríamos estar ante una burbuja especulativa” — similar a la de las puntocom, alimentada por inversiones especulativas en IA sin modelos de negocio aún rentables. Añadió que los beneficios se concentran en unos pocos actores (OpenAI, Microsoft, Google, Meta) y que el camino actual profundiza la desigualdad. Y sobre el empleo fue todavía más filoso: “sustituir a los trabajadores por una IA es una propuesta perdedora” — apoyándose en que un informe de la Reserva Federal (marzo 2026) no encontró evidencia de destrucción masiva de empleo en industrias de alta adopción.

Fíjate en la coherencia interna de su argumento, porque es lo que lo vuelve sólido:

Y acá va la defensa que hace inatacable el argumento —y que le va a molestar a quien quiera descartarlo como “un economista que no entiende la IA”. Acemoglu no necesita entender los modelos. Su advertencia de burbuja no depende de ninguna predicción sobre capacidades ni sobre AGI. Es un argumento puramente económico: si la inversión supera sistemáticamente al retorno real demostrado, el ajuste llega. No hace falta ser ingeniero de machine learning para verlo — basta mirar el balance. Y eso lo vuelve inatacable en su terreno.

Ahí se encadena con lo que ya veníamos documentando en esta serie. En el #143 (el S-1 de Anthropic) vimos los números reales del negocio: US$4.600 millones de ingreso contra una pérdida operativa de US$8.060 millones y ~US$42.000 millones de pérdida neta, camino a una valuación de ~US$2 billones. Y los documentos que filtró el Wall Street Journal rumbo a las IPO lo dicen sin rodeos: ambas compañías serían rentables solo si se excluye el costo de entrenamiento. Con entrenamiento incluido, el balance queda muy por debajo. Anthropic promete rentabilidad total en 2028; OpenAI, en 2030. Es decir: el precio actual es una promesa a cuatro años vista. El Nobel solo pregunta cuánto de esa promesa es economía y cuánto es fe.

3. El dinero no es de riesgo: es tu jubilación

Hasta acá tenemos una inversión descomunal y un retorno dudoso. La pregunta que sigue es la más importante de todas, y la que casi nadie hace: ¿de quién es el dinero que está financiando esto?

La respuesta tenida hasta hace poco era: de los bancos. Ya no. Los grandes bancos que financiaban la construcción de centros de datos están tocando sus límites de balance y de concentración regulatoria, y se están retirando justo cuando el sector se volvió más riesgoso (aumentó la oposición comunitaria, los permisos entraron en los modelos de crédito). ¿A dónde fue ese riesgo? A fondos de crédito privado, emisiones de bonos 144A y fondos de deuda de infraestructura respaldados por capital de pensiones y aseguradoras.

Esa frase merece subrayarse tres veces: el riesgo de la construcción de la IA migró de los bancos regulados al ahorro jubilatorio. Y no desapareció al moverse — se fue a vehículos con menos supervisión, menos liquidez y distintos mecanismos de resolución. El propio Banco de Pagos Internacionales (BIS) marcó esta dinámica como una preocupación sistémica en su investigación de julio de 2026 sobre financiamiento de infraestructura de IA. Cuando un banco sabe que no puede cargar más riesgo, no lo elimina: lo redistribuye. Y el receptor, esta vez, fueron los que administran tu retiro.

Los protagonistas de esta trama lo dicen, por separado, con total franqueza:

Y hay un número que cierra el círculo: aproximadamente 54% de los hogares estadounidenses tiene un 401(k) (dato de la Reserva Federal). La inmensa mayoría de esos planes invierte por defecto en fondos indexados ponderados por capitalización — es decir, compran automáticamente más de las empresas más grandes. Cuando NVIDIA crece y ocupa más espacio en el S&P 500, tu fondo compra más NVIDIA sin preguntarte. No elegiste la apuesta. La apuesta te eligió.

4. La trampa de concentración: cómo entra el jubilado sin avisar

Todo lo anterior sería un problema acotado si la exposición a la IA estuviera contenida a un fondo especializado que cada quien decide comprar. No lo está. La trampa es la concentración.

A cierre de septiembre de 2026, cinco tecnológicas con exposición a IA representaban el 30% del índice S&P 500 (dato de Morningstar). Y las diez mayores empresas del índice rondan el 40% de todo su peso — casi todas ligadas a la IA: NVIDIA, Microsoft, Apple, Amazon, Alphabet, Meta, Broadcom. Piénsalo: un tercio del principal índice bursátil del mundo es cinco compañías, y tú, sin saber nada de IA, tienes exposición a esas cinco porque cualquier fondo que siga el índice las compra por definición.

Ahí está la trampa en una frase: el que quería jugar seguro compró un fondo indexado… y el fondo indexado se convirtió, sin buscarlo, en una apuesta concentrada a la IA. Los planes de retiro por defecto (los llamados target-date funds, que ajustan automáticamente el riesgo según tu edad) también sostienen estas posiciones. La ironía es perfecta y vale la pena escribirla entera:

Y esto no es un tecnicismo financiero lejano. Es el puente entre el dato macroeconómico del inicio (75% del crecimiento es IA) y tu realidad: la apuesta que mueve la economía entera es, indirectamente, la tuya. Si el Nobel tiene razón y la inversión va por delante del retorno, la corrección no la absorbe un fondo de capital riesgo que dijo “sí” a propósito. La absorbe el que nunca supo que había dicho “sí”.

5. El producto se escapa: la avalancha que nadie vio venir en la tesis

Hasta acá: inversión gigantesca (75% del crecimiento) + retorno real modesto (Acemoglu) + financiamiento con tu jubilación (BIS, Burry, Fink). El último clavo, el que termina de configurar la burbuja, es el más elegante de todos: mientras el capital entra a raudales, la demanda del producto se está mudando hacia el barato.

La evidencia más limpia la publica Vercel, que enruta decenas de billones de tokens al mes entre aplicaciones en producción y los laboratorios de IA. Sus datos son un termómetro de lo que el mercado realmente usa. Y dicen esto:

Fíjate en la velocidad: de 7% a 56% en ocho meses. Es una de las migraciones de mercado más rápidas jamás registradas en tecnología. Y viene con su compañera inseparable, la que le hace daño al negocio: el precio. En agosto, el precio por token cayó 23,2% — el tercer mes consecutivo de caída — y la mediana de los equipos pagó 7,6% menos. El dato más brutal: el 27 de septiembre, DeepSeek V4.1 Flash corrió el 59% de TODOS los tokens del gateway… por el 5% del gasto. Un solo modelo abierto, moviendo la mayoría de la capacidad, a una fracción irrisoria del costo.

Pon las dos series juntas y el resultado es una sentencia: los laboratorios financiados con un capex histórico están sirviendo un producto cuya demanda migra hacia lo gratuito y cuyo precio se desploma cada mes. Es como construir la represa más grande del mundo con el ahorro de los jubilados, mientras el río que iba a llenarla empieza a desviarse solo. La infraestructura existe para monetizar tokens de frontera… y el mercado está corriendo esos tokens en modelos abiertos que cuestan cero.

Y esto conecta con algo que ya veníamos viendo en la serie. En el #132 (pace/frontier/precios) documentamos cómo los precios del frontier caían mientras las capacidades se igualaban; en el #144 mostramos que la ventaja china pasó de “copiar” a inventar arquitecturas más eficientes. La migración de Vercel no es una sorpresa: es la consecuencia económica inevitable de que el piso de calidad del open source alcanzó el umbral del “suficientemente bueno para producción”.

6. La honestidad radical: dónde este argumento tiene que ceder

Un artículo que solo confirma lo que querés creer no sirve para decidir nada. Así que acá van los dos contraataques que este argumento tiene que aguantar — dichos antes de que los digan otros, porque reconocerlos es lo que lo vuelve indestructible.

Contra 1 — Volumen no es ingreso. Aunque los modelos abiertos corran el 56% (o 78%) de los tokens, ese es el negocio barato. En el mismo período, Anthropic retuvo el 64% de todo el gasto del gateway. O sea: el valor migró al piso del mercado —el tier commodity se commoditizó—, pero el techo premium sigue capturando el dinero. Nuestra tesis del “precio hacia cero” aplica, por ahora, al commodity, no todavía al frontier. Decirlo así es lo honesto; ocultarlo sería vender humo. La pregunta que queda abierta es si ese techo premium sobrevive cuando el piso se vuelva “suficientemente bueno” para la mayoría de los casos de uso. Pero eso es una predicción, no un hecho.

Contra 2 — El crowding-out es debatible. Cuando ocurre una inversión de esta escala, algunos economistas sostienen que el efecto de desplazamiento es menor de lo que parece: no todos los recursos son estrictamente competitivos, y parte de la inversión en IA genera capacidad reutilizable. Es un debate legítimo y lo reconocemos. Pero el hecho duro no depende de ese debate: que la inversión corporativa no-IA esté contrayéndose sin el gasto en IA es un dato, no una interpretación. Nos quedamos con el hecho, y etiquetamos el resto como lo que es — una discusión abierta.

Con esas dos concesiones hechas, el argumento queda sin puntos ciegos. Y lo que sobrevive es lo importante: no necesitamos exagerar para que la conclusión se sostenga. Los hechos duros —los cuatro primeros de la tabla— ya cuentan la historia solos.

7. Cierre: cuando la inteligencia se vuelve infraestructura pública

Volvamos al principio. Una economía que debe el 75% de su crecimiento a un solo sector. Un Nobel que calcula que ese sector aportará un empujón modesto de productividad. Un financiamiento que migró de bancos regulados al ahorro de jubilación de gente que nunca eligió. Y un mercado que, obligado a mirar su costo, está mudando la demanda hacia el código abierto y desplomando el precio de lo que la infraestructura existe para vender.

Junta todo y no obtienes una predicción apocalíptica. Obtienes una descripción estructural: la IA frontera está dejando de ser un producto premium y se está convirtiendo en infraestructura pública — algo que la sociedad necesita, que corre un poco en todos lados, y que por eso mismo ya no puede cobrarse como un lujo. Y cuando un producto se convierte en infraestructura, el negocio de vender acceso a él se desarma — no porque la tecnología falle, sino porque se volvió demasiado importante como para que su precio siga siendo alto.

Ese es el punto que el titular de “burbuja” esconde, y que a nosotros nos importa más. La pregunta no es solo si la burbuja revienta. Es quién queda parado cuando la música para — y qué capas del stack siguen siendo tuyas. Porque si la inteligencia se vuelve infraestructura, entonces lo único que de verdad importa deja de ser qué modelo usas y pasa a ser qué puedes correr sin pedirle permiso a nadie. El modelo abierto, que ya es mayoría de tokens en producción, no es el enemigo del negocio: es la señal de que el valor se está mudando de la inteligencia (que se commoditiza) hacia la gobernanza, la integración y la infraestructura que sí controlas — la misma tesis que venimos defendiendo desde el #137 (el harness) y la Tesis del Harness.

Y por eso este artículo no termina en pesimismo. Termina en una asimetría. Si tienes razón en que esto es una burbuja apalancada sobre tu jubilación, la conclusión no es “esperemos el crash”. Es: deja de apostar tu futuro a la infraestructura de otro. La inteligencia frontera será gratis y correrá en tu máquina — la de Vercel ya lo demuestra con números. Lo escaso, lo que sobrevive a la corrección, será la capa que tú controlas: tus datos, tu memoria, tu gobernanza, tu hardware. Eso no se cotiza en el S&P 500, no entra en un 401(k), y ningún Nobel te lo puede quitar.