Por qué el boom de la IA no se parece a otras burbujas

The Washington Post presentó en Google News, el 7 de septiembre de 2026, un argumento más contundente sobre una burbuja de IA, cuestionando los reconfortantes paralelismos que los inversores suelen establecer con los ferrocarriles y la electricidad. El columnista financiero Matthew Lynn sostiene que la expansión actual difiere en tres aspectos críticos: concentración geográfica, velocidad extraordinaria y su posible efecto sobre el empleo cualificado.

Este enfoque importa porque la analogía histórica habitual suele conllevar un desenlace optimista. Los ferrocarriles, las redes eléctricas e internet atrajeron una inversión excesiva, destruyeron capital y aun así dejaron a la sociedad una infraestructura valiosa. La columna de Lynn cuestiona si esa secuencia ofrece una tranquilidad significativa cuando un solo país y unas pocas empresas concentran buena parte de la exposición.

La preocupación ya no se limita a las acciones tecnológicas sobrevaloradas. La expansión ahora abarca centros de datos, sistemas eléctricos, cadenas de suministro de semiconductores, bonos corporativos, crédito privado y contratos de capacidad a largo plazo. Por tanto, una corrección llegaría más allá de los laboratorios de IA o los accionistas de Nvidia.

La conclusión más sólida no es que un desplome de la IA se haya vuelto inevitable. Es que las comparaciones históricas pueden ocultar los mecanismos específicos que lo determinarían. El boom actual combina infraestructura útil con retornos inciertos, financiación concentrada, rápida depreciación del hardware y una transición laboral aún sin resolver.

Qué cambió realmente el argumento de Google News sobre la burbuja de IA

La columna de The Washington Post cambia el debate al atacar la parte tranquilizadora de la analogía histórica, no la existencia de un boom de inversión.

Publicado el 7 de septiembre, el argumento sobre la burbuja de IA acepta que los ferrocarriles, la electrificación y los inicios de internet ofrecen comparaciones pertinentes. Cada uno atrajo capital especulativo en torno a una tecnología que finalmente se volvió económicamente importante. Cada uno también generó pérdidas cuando la inversión superó la demanda a corto plazo.

El desacuerdo se refiere a qué deberían inferir los lectores de esos precedentes. Una interpretación común afirma que los inversores pueden perder dinero mientras la sociedad sale ganando. Las compañías ferroviarias quebradas dejaron vías, y los negocios de internet fallidos dejaron redes de fibra que después sostuvieron servicios valiosos.

Lynn sostiene que tres diferencias hacen que ese desenlace sea menos fiable para la IA. En primer lugar, buena parte del riesgo financiero se concentra en Estados Unidos, aunque China sigue siendo un competidor importante. Las olas anteriores de infraestructura repartieron la construcción y la financiación entre más países.

En segundo lugar, la expansión de la IA se ha acelerado en menos de cinco años. Las redes ferroviarias y eléctricas se desarrollaron durante décadas, dando a operadores, bancos y gobiernos más tiempo para identificar modelos de negocio débiles. Hoy, los compradores suelen comprometerse con chips, energía, arrendamientos y construcción antes de que la demanda sea visible.

En tercer lugar, la IA generativa se comercializa en parte como sustituto del trabajo cognitivo. Las olas de infraestructura anteriores desplazaron algunas ocupaciones, pero también requirieron grandes plantillas para construir y operar redes físicas. En cambio, los proveedores de IA prometen software capaz de realizar partes de la redacción, la programación, el análisis, la atención al cliente y la administración.

Estas diferencias no prueban que la infraestructura de IA carezca de valor duradero. Identifican dónde deja de aportar evidencia la analogía. Una tecnología útil aún puede producir malas inversiones, y una red perdurable no garantiza que sus financiadores originales obtengan retornos aceptables.

La columna también desplaza la atención de los precios de las acciones hacia la estructura de la expansión. Una burbuja bursátil puede desinflarse sin inutilizar la tecnología subyacente. Un repliegue de infraestructura respaldada por deuda puede afectar a constructoras, empresas de servicios públicos, prestamistas privados, proveedores de equipos y economías regionales.

Por tanto, los usuarios de Google News que encuentren esta opinión verán una afirmación más amplia que “las acciones de IA parecen caras”. La afirmación es que la economía tiene una experiencia limitada con esta combinación de capital concentrado, ciclos de inversión cortos y posible sustitución laboral.

Es una corrección útil. La etiqueta “burbuja” suele condensar varias preguntas distintas en una sola palabra. Las valoraciones pueden ser excesivas mientras aumenta la adopción. La infraestructura puede ser necesaria mientras la capacidad se vuelve excesiva. La productividad puede mejorar mientras empresas individuales no logran capturar los beneficios.

Una mejor prueba pregunta dónde aparecen los retornos, quién financia los activos y quién absorbe las pérdidas cuando fallan las previsiones. Estas preguntas llevan directamente a los hyperscalers que construyen la capacidad subyacente.

Cinco hyperscalers convirtieron la IA en una apuesta macroeconómica

El boom se siente diferente porque Amazon, Alphabet, Microsoft, Meta y Oracle han elevado el gasto corporativo en infraestructura a un nivel capaz de influir en el crecimiento nacional.

Investigadores de la Reserva Federal calcularon que el gasto de capital agregado de esas cinco empresas alcanzó los 131.000 millones de dólares durante el cuarto trimestre de 2025. Totalizó 412.000 millones de dólares en ese año, equivalentes a aproximadamente el 1,31 por ciento del producto interno bruto anualizado de Estados Unidos.

Los datos de la Reserva Federal excluyen los arrendamientos, por lo que no capturan todos los compromisos vinculados a la expansión. Esta limitación es importante porque las empresas pueden asegurar capacidad de centros de datos mediante contratos a largo plazo sin registrar toda la obligación como gasto de capital inmediato.

La misma investigación muestra cómo las expectativas financieras se han concentrado en torno a las empresas que suministran infraestructura de IA. Entre el lanzamiento de ChatGPT y el final de 2025, la capitalización bursátil de Nvidia aumentó un 975 por ciento. Broadcom creció un 636 por ciento, mientras que AMD avanzó un 179 por ciento.

En conjunto, las tres empresas de chips representaban el 11,2 por ciento del S&P 500 al final de 2025. Su participación colectiva había alcanzado el 12,4 por ciento durante octubre. Estas cifras demuestran concentración, aunque por sí solas no establecen una sobrevaloración.

La inversión también fluye hacia los desarrolladores de modelos que generan demanda de capacidad informática. La Reserva Federal informó que OpenAI y Anthropic recaudaron 58.000 millones y 44.000 millones de dólares, respectivamente, entre 2023 y 2025. Sus valoraciones al cierre de 2025 se situaban en 500.000 millones y 350.000 millones de dólares.

Esto crea un mercado estrechamente conectado. Los proveedores de nube invierten en laboratorios de IA, los laboratorios compran capacidad de nube, los fabricantes de chips suministran a los proveedores de nube y la demanda prevista de modelos respalda una mayor construcción de centros de datos. Cada transacción puede reflejar actividad comercial real, mientras la red sigue amplificando supuestos optimistas.

El Banco de Pagos Internacionales estima que los cinco mayores hyperscalers gastarían más de 1 billón de dólares en gasto de capital relacionado con IA durante 2025 y 2026. También concluyó que estos compromisos crecían más rápido que las ganancias y el flujo de caja libre.

Este desajuste no significa que las empresas enfrenten una insolvencia inmediata. Los mayores hyperscalers poseen negocios rentables de publicidad, comercio, software y nube. Sus flujos de caja existentes les dan más margen que a las startups de telecomunicaciones y las empresas especulativas puntocom que dependían en gran medida de financiación externa.

Sin embargo, la solidez financiera puede intensificar la carrera competitiva. Cada empresa teme que gastar demasiado poco implique ceder clientes de nube, liderazgo en modelos, lealtad de desarrolladores o distribución entre consumidores. Por ello, decisiones defensivas racionales de empresas individuales pueden producir un exceso de capacidad en toda la industria.

La evaluación de riesgos del BIS describe esto como una competencia por un mercado que los participantes esperan que domine un pequeño número de líderes técnicos. Bajo esa lógica, negarse a invertir puede parecer más peligroso que construir en exceso.

El objetivo de la presión es claro. Los directores financieros deben seguir aprobando infraestructura antes de que nadie pueda medir con claridad su retorno. Los inversores deben decidir si el crecimiento de la nube y las mejoras publicitarias justifican un gasto que sigue integrado en unidades de negocio más amplias.

Los proveedores enfrentan un riesgo relacionado. Los fabricantes de semiconductores, productores de equipos eléctricos, especialistas en refrigeración, empresas de servicios públicos y contratistas de construcción se están expandiendo en torno a las previsiones de los hyperscalers. Sus ingresos pueden aumentar antes de que los usuarios finales de servicios de IA demuestren una disposición duradera a pagar.

Aquí es donde la tesis de The Washington Post cobra fuerza. Los booms anteriores de infraestructura también produjeron dependencia de las cadenas de suministro. La versión actual está concentrada de forma inusual en torno a varios presupuestos corporativos cuyas decisiones influyen en los mercados públicos, el crédito privado, la planificación energética y el crecimiento económico medido.

La adopción real de IA dificulta más la cuestión de la burbuja

La IA no es una historia puramente especulativa, pero la adopción genuina no puede responder si la inversión actual generará retornos suficientes.

El argumento más sólido contra una narrativa simple de burbuja es que las personas y las empresas ya utilizan la tecnología. Los datos de la Reserva Federal muestran que la adopción empresarial declarada aumentó a medida que evolucionaban las preguntas de las encuestas y los métodos de medición. Su serie revisada situó la adopción empresarial cerca del 18 por ciento al final de 2025, con una adopción prevista de alrededor del 21 por ciento.

El uso de IA generativa relacionada con el trabajo entre los trabajadores encuestados aumentó del 33 por ciento en agosto de 2024 al 41 por ciento en noviembre de 2025. Los servicios profesionales y las finanzas registraron un uso especialmente alto, mientras que la manufactura mostró un fuerte crecimiento interanual.

No se trata de las visitas vacías a sitios web que caracterizaron a muchas empresas puntocom. Los trabajadores usan modelos para redactar documentos, resumir reuniones, revisar código, responder preguntas de soporte, recuperar información y comparar alternativas. Las empresas están integrando la IA en productos existentes y procesos internos.

Los trabajadores del conocimiento también tienen más formas de conectar los modelos con su propio material. Una base de conocimiento personal puede fundamentar un asistente en documentos, notas e historial de trabajo, en lugar de depender únicamente de un modelo general. Esto hace que la IA sea útil en flujos de trabajo repetibles en vez de limitarse a prompts aislados.

Sin embargo, la adopción y la rentabilidad son mediciones diferentes. Un servicio puede expandirse porque los proveedores subvencionan su uso, lo integran en suscripciones existentes o aceptan márgenes bajos mientras compiten por cuota de mercado. Una actividad elevada no demuestra que los ingresos cubran la inferencia, el entrenamiento, la depreciación, la energía y la adquisición de clientes.

La inferencia consiste en ejecutar un modelo entrenado para generar una respuesta. Cada solicitud consume recursos informáticos, aunque el coste varía según el modelo, la longitud de la respuesta, el hardware y la utilización. La reducción de los costes de inferencia puede ampliar la demanda y, al mismo tiempo, reducir los ingresos obtenidos por cada unidad de computación.

Esta tensión diferencia a la IA de la infraestructura física con estándares técnicos relativamente estables. Una ruta ferroviaria puede seguir siendo útil durante generaciones. Los aceleradores de IA pueden perder valor económico rápidamente cuando nuevos chips ofrecen mejor rendimiento o eficiencia energética.

Microsoft ilustró el problema en sus divulgaciones de resultados de julio de 2026. La empresa afirmó que aproximadamente dos tercios de su gasto de capital correspondían a activos de corta vida útil, principalmente procesadores. Estos activos deben sustituirse con más frecuencia que los edificios, las conexiones eléctricas o los terrenos.

La rápida mejora beneficia a los usuarios, pero complica la economía de la inversión. Un centro de datos terminado hoy puede seguir siendo valioso mientras su hardware instalado se vuelve menos competitivo. Los operadores deben equilibrar la prolongación del uso de equipos antiguos frente a volver a gastar para reducir los costes operativos.

Los estados financieros de las empresas cloud solo ofrecen respuestas parciales. Amazon, Alphabet, Microsoft y Meta no informan por separado de los beneficios generados por la infraestructura de IA. Los ingresos de IA se integran en divisiones cloud, operaciones publicitarias, software de productividad y otros negocios consolidados.

Los márgenes cloud reportados se han mantenido sólidos en varios casos. Esto respalda la idea de que las empresas líderes cuentan con auténticos motores de ingresos. No aísla el retorno incremental de la capacidad de IA más reciente.

La distinción importa porque las cargas de trabajo cloud existentes pueden hacer que una división con fuerte presencia de IA parezca rentable. A la inversa, los costes actuales de depreciación y construcción pueden reducir los márgenes antes de que la capacidad recién instalada alcance una utilización eficiente. Los informes públicos no permiten a los externos separar por completo esos efectos.

Un análisis de agosto concluyó que los márgenes operativos de AWS habían subido hasta cerca del 39 por ciento, mientras que Google Cloud alcanzó el 35,6 por ciento durante el segundo trimestre. El margen de Intelligent Cloud de Microsoft se mantuvo cerca del 41 por ciento. Los ejecutivos siguieron evitando atribuir esos resultados directamente a la IA.

La brecha de beneficios cloud sigue siendo la cuestión central sin resolver. Los analistas pueden observar el gasto de capital, el crecimiento cloud y la cartera de pedidos. Aún no pueden calcular un retorno fiable para los activos específicos de IA.

Por eso, calificar el auge como evidentemente racional o evidentemente especulativo pasa por alto el mecanismo. La adopción valida la tecnología. No valida cada centro de datos, valoración, estructura de financiación o previsión construida a su alrededor.

El nuevo riesgo se concentra en la deuda, los contratos y la concentración de clientes

El argumento escéptico cobra más fuerza allí donde el gasto corporativo transparente da paso al endeudamiento, los compromisos fuera de balance y la demanda circular.

La primera etapa de la expansión de la IA dependió en gran medida del flujo de caja operativo de los hyperscalers. A medida que el gasto superó los niveles habituales de inversión, la deuda asumió un papel mayor. El Banco de Pagos Internacionales informó de que la emisión de bonos corporativos de los hyperscalers superó los 100.000 millones de dólares en 2025.

Gran parte de ese endeudamiento tenía vencimientos superiores a cinco años. Los vencimientos largos pueden reducir la presión inmediata de refinanciación, pero también comprometen a las empresas a financiar activos cuya vida económica sigue siendo incierta.

La financiación va más allá de los bonos convencionales. Los hyperscalers trabajan cada vez más con firmas de crédito privado y entidades de propósito especial, vehículos legalmente separados creados para poseer o financiar activos concretos. Estas entidades pueden desarrollar centros de datos y arrendar capacidad de vuelta a una empresa tecnológica.

En una estructura típica, el hyperscaler posee una participación minoritaria mientras se compromete a arrendamientos o compras a largo plazo de capacidad eléctrica y de computación. Los inversores privados aportan capital, y el vehículo obtiene deuda adicional.

La financiación de infraestructura puede sustituir el gasto de capital inmediato por años de gastos operativos. El BPI denomina a algunas de estas obligaciones «endeudamiento en la sombra» porque se comportan económicamente como deuda mientras permanecen fuera del balance principal del hyperscaler.

Estos acuerdos no son intrínsecamente impropios. Pueden distribuir el riesgo entre partes adecuadas para financiar activos de larga duración. También pueden dificultar que accionistas, prestamistas y reguladores midan la exposición total.

Los bancos pueden proporcionar líneas de crédito a las entidades de propósito especial. Las aseguradoras y los fondos de crédito privado pueden mantener la deuda. Los hyperscalers pueden ofrecer garantías o compromisos contractuales que respalden la financiación.

Esa red crea varios canales potenciales de transmisión. Una caída de la demanda esperada de IA puede reducir el valor de los centros de datos, debilitar las condiciones de refinanciación, reducir el apetito por el crédito privado y activar garantías corporativas. Los problemas pueden propagarse incluso si las mayores empresas tecnológicas siguen siendo solventes.

La concentración de clientes crea otra incertidumbre. Las empresas cloud cuentan a los desarrolladores de modelos entre sus clientes de IA de crecimiento más rápido. Esos desarrolladores también reciben grandes inversiones de los mismos proveedores de infraestructura cuya capacidad compran.

Esto no hace que los ingresos sean ficticios. OpenAI y Anthropic atienden a usuarios y empresas reales. Sin embargo, significa que parte del crecimiento del sector de infraestructura depende de clientes que siguen requiriendo un capital externo considerable.

El BPI también ha destacado la financiación circular entre fabricantes de chips, proveedores cloud, laboratorios de IA y empresas cloud especializadas. Un inversor puede financiar a un cliente que luego se compromete a comprar los servicios de computación o el hardware del inversor.

Cada acuerdo puede tener un propósito estratégico. En conjunto, dificultan identificar la demanda financiada por clientes finales en lugar de capital que circula dentro de la cadena de suministro de IA.

El riesgo aumenta cuando los compromisos a largo plazo coinciden con la caída de los precios de la computación. Si varios operadores construyen capacidad similar, la competencia puede empujar los precios de alquiler a la baja. Los clientes se benefician, pero los propietarios de activos pueden ganar menos de lo que asumían sus modelos de financiación.

Las restricciones energéticas pueden ocultar inicialmente ese peligro. Las conexiones limitadas a la red, los transformadores, los chips avanzados y los equipos de refrigeración mantienen escasa la capacidad. Las empresas responden reservando recursos con años de antelación, lo que fortalece las carteras de pedidos reportadas.

La escasez no garantiza poder de fijación de precios duradero. Los cuellos de botella pueden animar a todos los participantes a asegurar más capacidad de la que finalmente necesitan. Cuando llegue la oferta, el mercado puede pasar rápidamente de la escasez a la sobrecapacidad.

El argumento de The Washington Post no debe exagerarse en este punto. La concentración de deuda y exposición contractual no confirma una crisis inminente. Los datos públicos siguen siendo incompletos y las empresas líderes poseen negocios con una generación de efectivo sustancial.

La conclusión más defendible es más limitada. El sistema financiero está cada vez más expuesto a la IA a través de canales que las valoraciones bursátiles por sí solas no pueden revelar. Cualquier análisis serio de una burbuja debe incluir bonos, arrendamientos, crédito privado, garantías y la calidad de los clientes subyacentes.

El empleo hace que este auge sea distinto de los ferrocarriles y la electricidad

La diferencia más trascendental es que la inversión en IA busca tanto la expansión de infraestructura como la reducción de la mano de obra necesaria para tareas cognitivas.

Los ferrocarriles transformaron los patrones de empleo, perjudicaron a empresas de transporte competidoras y crearon nuevos ganadores geográficos. También emplearon a un gran número de personas para construir vías, operar trenes, mantener equipos y gestionar redes en expansión.

La electrificación produjo una combinación similar. Desplazó algunas tecnologías y ocupaciones mientras respaldaba fábricas, electrodomésticos, servicios públicos e industrias completamente nuevas. La infraestructura requirió mano de obra antes de que sus beneficios de productividad se extendieran por la economía en general.

Los centros de datos de IA también crean empleos de construcción y técnicos. Requieren electricistas, ingenieros, especialistas en refrigeración, personal de seguridad, trabajadores de mantenimiento y proyectos energéticos. La demanda de equipos beneficia a industrias mucho más allá del software.

La diferencia reside en el propósito declarado del producto. La IA generativa se compra a menudo para completar partes del trabajo que antes se asignaban a redactores, programadores, analistas, diseñadores, investigadores y empleados de atención al cliente. La infraestructura respalda un sistema cuyo valor económico puede depender de reducir las necesidades de mano de obra.

Eso no significa que cada implementación elimine un empleo. Muchas aplicaciones ayudan a los trabajadores. Un desarrollador puede revisar código desconocido más rápido, mientras que un investigador puede buscar en una gran colección de documentos sin revisar manualmente cada archivo.

Un gerente de producto podría utilizar un flujo de trabajo semanal de IA para organizar notas dispersas y preparar una actualización de estado. El resultado inmediato puede ser un trabajo más completo, en lugar de un equipo más pequeño.

Sin embargo, la asistencia puede convertirse en sustitución cuando las empresas rediseñan sus procesos en torno a ella. Si un empleado gestiona más clientes o proyectos, la demanda de contratación puede caer incluso cuando ningún trabajador actual recibe una notificación de despido.

Esta transición dificulta interpretar los datos de productividad. Una mayor producción por trabajador puede respaldar los salarios y el crecimiento con el tiempo. También puede coincidir con un crecimiento más lento del empleo en las ocupaciones más expuestas a la automatización.

El BPI observó que los sectores estadounidenses con mayor exposición a la IA habían registrado aumentos de productividad más fuertes junto con un crecimiento del empleo más débil que otros sectores. Esa relación no demuestra que la IA causara cada diferencia. Sí muestra por qué los resultados laborales deben formar parte del debate sobre la inversión.

La concentración geográfica profundiza el problema. Estados Unidos capta gran parte del valor de mercado asociado a las principales empresas cloud y diseñadores de chips. También afronta una exposición considerable si la IA reduce la demanda de trabajo de servicios bien remunerado.

Otros países participan mediante la fabricación de semiconductores, el ensamblaje, las exportaciones de energía y la construcción de centros de datos. China compite en modelos, chips, aplicaciones e infraestructura. Europa utiliza la política industrial para atraer capacidad y desarrollar alternativas nacionales.

Aun así, los mercados bursátiles estadounidenses soportan una porción inusualmente grande de las expectativas globales. El BPI informó de que las acciones estadounidenses representaban alrededor del 64 por ciento del índice MSCI Global. Por tanto, una revalorización podría transmitir efectos sobre la riqueza mucho más allá de los inversores estadounidenses.

El desplazamiento laboral seguiría una trayectoria distinta a la de una corrección bursátil. Los mercados pueden ajustarse en días, mientras que las organizaciones adoptan nuevos flujos de trabajo durante años. Una empresa podría anunciar hoy una inversión en IA, probar herramientas el próximo trimestre y modificar sus planes de contratación mucho más tarde.

Ese retraso crea una trampa de medición. Los partidarios pueden señalar los limitados despidos actuales como prueba de que los temores son exagerados. Los críticos pueden interpretar cada desaceleración de la contratación como automatización, incluso cuando los tipos de interés o una demanda más débil ofrecen explicaciones más simples.

Los lectores deberían resistirse a ambas afirmaciones. Un análisis fiable requiere datos de contratación, salarios, horas, productividad y cambios de tareas por ocupación. Los recuentos de despidos de titulares por sí solos no pueden revelar si la IA complementa a los trabajadores o reduce silenciosamente las futuras vacantes.

La cuestión del empleo también cambia la respuesta política. Los gobiernos toleraron anteriores crisis de inversión en parte porque la infraestructura restante respaldaba una amplia expansión futura. La tolerancia pública puede ser menor si los contribuyentes afrontan pérdidas financieras junto con una presión laboral concentrada.

Eso no garantiza una regulación restrictiva. Sí significa que los responsables políticos examinarán conjuntamente las transiciones de los trabajadores, los costes energéticos, la infraestructura local, los derechos sobre los datos y el poder de mercado. El auge de la IA no es solo una cuestión de si se construye una nueva red.

Qué confirmaría o debilitaría la advertencia sobre la burbuja de IA

Tres señales determinarán si el debate de Google News se convierte en una advertencia duradera o se desvanece a medida que los ingresos de IA alcancen el gasto.

La primera señal es la divulgación de ingresos específicos de IA por parte de los mayores proveedores cloud. Los inversores reciben actualmente previsiones de gasto de capital, tasas de crecimiento cloud, carteras de pedidos y amplios márgenes operativos. Reciben poca información directa sobre los retornos del hardware de IA instalado recientemente.

Una mejor divulgación reforzaría el argumento optimista si los ingresos, la utilización y los márgenes aumentan a la vez. Lo debilitaría si el gasto de capital sigue siendo alto mientras la capacidad de IA opera por debajo de las expectativas o los precios caen más rápido que los costes.

La segunda señal es la combinación de financiación. Los hyperscalers pueden sostener inversiones agresivas con mayor seguridad cuando sus operaciones consolidadas generan suficiente efectivo para cubrirlas. El aumento de las emisiones de bonos, las garantías, los arrendamientos y la financiación mediante entidades de propósito especial indica que la exposición se está extendiendo.

El BIS concluyó que el endeudamiento ya aumentó a medida que el gasto superaba la inversión habitual. Los próximos informes deberían aclarar el tamaño, el vencimiento, las contrapartes y las garantías asociadas a los proyectos fuera de balance.

Una financiación transparente y de largo plazo respaldada por clientes diversificados reduciría la preocupación a corto plazo. Una dependencia creciente de la refinanciación, de arrendatarios concentrados o de garantías divulgadas de forma imprecisa reforzaría la advertencia de The Washington Post.

La tercera señal es la adopción medida en el lugar de trabajo. La pregunta importante ya no es si los empleados prueban la IA generativa. Es si las organizaciones convierten ese uso en productividad sostenida, ingresos, mejores servicios o reducción de costes.

El caso del crecimiento global señala que la inversión en equipos de procesamiento de información y software creció un 16,5 % interanual durante el tercer trimestre de 2025. También sostiene que las estadísticas convencionales pueden pasar por alto beneficios intangibles derivados de los datos, los algoritmos y los cambios organizativos.

Ese problema de medición tiene dos caras. El PIB puede registrar servidores y software como inversión antes de que la capacidad resultante produzca suficientes servicios valiosos. También puede infravalorar beneficios que se manifiestan mediante una investigación más rápida, mejores decisiones o nuevos productos.

Durante los próximos trimestres, ganancias de productividad creíbles en numerosos sectores reforzarían el argumento de que se trata de una tecnología de propósito general duradera. Las mejoras limitadas a los proveedores tecnológicos y a unos pocos sectores profesionales dejarían sin resolver la preocupación por la concentración.

Los lectores también deberían distinguir entre que el auge sobreviva y que todos los participantes tengan éxito. Los ferrocarriles, la electricidad e internet transformaron las economías pese a las quiebras y las severas correcciones de mercado. La IA puede seguir ese patrón general y, al mismo tiempo, generar ganadores, pérdidas y efectos laborales muy distintos.

La columna de The Washington Post resulta convincente cuando trata la historia como una advertencia contra la certeza. Resulta menos convincente si los lectores interpretan la diferencia como prueba de colapso. Las características sin precedentes generan incertidumbre, no un desenlace predeterminado.

Para los desarrolladores, la cuestión práctica es si la demanda de aplicaciones continúa cuando terminan los experimentos subvencionados. Para los compradores empresariales, es si los sistemas de IA aportan valor medible después de los costes de integración, gobernanza, formación y revisión.

Los trabajadores del conocimiento deberían observar cómo los empleadores rediseñan los puestos, no solo cuántas herramientas adquieren. Los inversores deberían examinar el flujo de caja, la calidad de los clientes, la depreciación y los compromisos de financiación, en lugar de basarse en afirmaciones generales sobre la adopción.

Google News puso de relieve un debate que merece más precisión de la que suele recibir la palabra «burbuja». La próxima prueba será la evidencia: ingresos de IA más claros, financiación transparente y productividad que alcance más allá de las empresas que venden la infraestructura.

Plantee esas tres preguntas cada vez que llegue otra inversión récord. ¿Quién paga en última instancia por la capacidad, qué rendimiento medible produce y qué parte de la demanda depende de que continúe la financiación externa? Las respuestas mostrarán si esta expansión se parece a una red duradera, a un costoso ciclo de sobrecapacidad o a alguna combinación incómoda de ambas.