Esta semana escribí tres notas que, leídas juntas, parecen contradecirse. Eso no es un error editorial: es cómo se ve un ciclo de inversión por dentro

Revisando lo que este espacio publicó en los últimos tres días, encontré un patrón que no planeé deliberadamente pero que vale la pena nombrar: tres notas distintas, sobre temas distintos, documentando cada una algo que suena como una contradicción. El costo de usar modelos de lenguaje cayó más de 50% este año, mientras el costo de la memoria que esos mismos modelos necesitan para funcionar subió hasta 98% en un trimestre. Meta reportó un colapso de 91% en su flujo de caja libre en el segundo trimestre, mientras su negocio de publicidad sigue creciendo con normalidad. Y la misma empresa —Anthropic, de cara a su salida a bolsa— puede valer 2 billones de dólares según unos inversionistas o 144,000 millones según un analista que aplicó un modelo financiero distinto a los mismos datos públicos. Ninguna de las tres es una contradicción real. Las tres son ejemplos de algo que vale la pena entender mejor: cómo se ve, desde dentro, un ciclo de inversión tecnológica antes de que termine y alguien lo resuma en una sola frase.

Por qué "dos cosas ciertas al mismo tiempo" no es lo mismo que una contradicción

Una contradicción real sería que la misma métrica, medida de la misma forma, diera dos resultados distintos. Eso no es lo que pasa en ninguno de estos tres casos. Lo que pasa es que cada historia describe un mercado diferente, reaccionando a la misma causa raíz —el boom de inversión en infraestructura de inteligencia artificial— con una lógica propia: el mercado de tokens es un mercado de servicio, donde un puñado de proveedores compite activamente por cuota empresarial sacrificando margen; el mercado de memoria es un mercado de manufactura física, limitado por cuántas fábricas de semiconductores existen y qué tan rápido pueden ampliar su capacidad; el flujo de caja de una empresa como Meta mide cuánto efectivo entra y sale de su operación, mientras la rentabilidad de su negocio principal mide algo distinto: si ese negocio, aislado del gasto de infraestructura, genera utilidad. Son preguntas distintas que, cuando se leen juntas sin esa distinción, producen la sensación de contradicción que una lectura más cuidadosa disuelve.

El sesgo que empuja a resolver la tensión eligiendo un bando

Hay una tentación casi automática, frente a este tipo de evidencia mixta, de resolverla agrupándola bajo una narrativa simple: "la IA es una burbuja que va a colapsar" o, en el extremo opuesto, "la IA ya demostró que es rentable y sostenible". Ambas narrativas tienen la ventaja de ser fáciles de repetir y fáciles de defender en una conversación, precisamente porque eliminan la incomodidad de sostener varias piezas de evidencia que apuntan en direcciones distintas al mismo tiempo. El problema es que ninguna de las dos narrativas se sostiene completamente frente a la evidencia que este mismo espacio documentó esta semana: si la IA fuera categóricamente una burbuja a punto de colapsar, no se explicaría por qué Meta sigue siendo rentable en su negocio principal, ni por qué GE Aerospace y Netflix —empresas sin relación directa con infraestructura de IA— reportaron trimestres sólidos la misma semana. Si la IA ya demostró ser categóricamente rentable, no se explicaría por qué un analista con historial de escepticismo hacia OPIs puede construir, con los mismos datos públicos, un modelo que valora a Anthropic 93% por debajo de lo que sus propios inversionistas discuten.

Lo que Daniel Kahneman llamó pensar en sistemas, aplicado a leer noticias económicas

El psicólogo Daniel Kahneman, en su libro Pensar rápido, pensar despacio, describió cómo la mente humana prefiere sistemáticamente las explicaciones simples y coherentes sobre las explicaciones complejas y parcialmente contradictorias, incluso cuando la evidencia disponible apunta claramente hacia la segunda opción —un sesgo que él y Amos Tversky documentaron extensamente en el contexto de juicios bajo incertidumbre, y que aplica con la misma fuerza a cómo un lector interpreta un ciclo de inversión tecnológica en tiempo real—. La preferencia por la coherencia narrativa no es un defecto moral ni una falta de rigor: es, según su investigación, la forma por defecto en que el cerebro humano procesa información ambigua, y superarla requiere un esfuerzo deliberado de "pensar despacio" que la mayoría de las conversaciones cotidianas sobre economía y tecnología simplemente no se dan el lujo de hacer.

Por qué la historia se simplifica después, no durante

Los ciclos de inversión que hoy se cuentan como narrativas limpias —la burbuja de las puntocom, la crisis financiera de 2008, el boom y caída de las criptomonedas en 2022— no se vivieron, mientras ocurrían, con esa misma claridad retrospectiva. En cada uno de esos episodios hubo, durante meses o años, señales mixtas que apuntaban en direcciones distintas: empresas rentables conviviendo con empresas insolventes dentro del mismo sector etiquetado genéricamente como "la burbuja", analistas serios discrepando sobre valuaciones con metodologías igualmente defendibles, datos que parecían confirmar el optimismo en un trimestre y el pesimismo en el siguiente. La narrativa simple y coherente que hoy se enseña sobre cada uno de esos episodios es un producto de la distancia histórica, no una descripción de cómo se sentía estar ahí dentro, leyendo las noticias de esa semana específica sin saber todavía cómo terminaría la historia completa.

El riesgo opuesto: usar la ambigüedad como excusa para no decidir nada

Hay, sin embargo, un riesgo igual de real en el sentido contrario: convertir "hay señales mixtas, hay que ser cautelosos" en una muletilla que evita el trabajo más incómodo de, con la evidencia disponible hoy, ponderar cuál de los dos escenarios parece más probable, aunque no sea seguro. Los analistas, inversionistas y directores financieros que de verdad tienen que tomar decisiones de capital esta misma semana —si Meta debe seguir ampliando su guía de capex, si un fondo de pensiones debe participar en el IPO de Anthropic al precio que finalmente se fije— no tienen el lujo de esperar a que la ambigüedad se resuelva sola antes de actuar. Para ellos, reconocer que la evidencia es mixta no es el final del análisis: es apenas el punto de partida desde el cual todavía hay que construir una decisión, con toda la incertidumbre que eso implica. La diferencia entre un analista riguroso y uno que usa la incertidumbre como refugio no está en si reconoce la ambigüedad —ambos deberían hacerlo—, sino en si, después de reconocerla, hace el esfuerzo adicional de ponderar la evidencia disponible hacia una conclusión provisional, en lugar de quedarse instalado en la comodidad de decir que "todavía no se sabe".

Cómo se distingue, en la práctica, la cautela genuina de la evasión disfrazada

Una señal práctica para distinguir ambos casos es si la persona que reconoce la ambigüedad también es capaz de nombrar, con precisión, qué evidencia específica movería su lectura en una dirección u otra. Alguien que dice "no sabemos si el ciclo de IA es sostenible, pero si el flujo de caja de los hiperescaladores no mejora en los próximos dos trimestres, eso inclinaría la balanza hacia el escenario más pesimista" está haciendo un trabajo analítico genuino, incluso sin ofrecer una conclusión definitiva hoy. Alguien que simplemente repite "hay que esperar a ver qué pasa" sin especificar qué dato concreto resolvería la pregunta, en cambio, probablemente está usando la ambigüedad real del momento como cobertura para no comprometerse con ninguna lectura, lo cual es una forma de evasión que se disfraza de prudencia analítica sin serlo genuinamente.

Lo que esto implica para leer las próximas semanas de resultados

Con Meta, Tesla e IBM reportando resultados esta misma semana, y la salida a bolsa de Anthropic esperada para mediados de noviembre, es razonable anticipar que la próxima tanda de evidencia seguirá produciendo la misma sensación de señales mixtas que esta semana ya documentó: es perfectamente posible que Meta reporte una guía de capex que tranquilice al mercado sobre infraestructura de IA en general, mientras el propio proceso de salida a bolsa de Anthropic sigue generando desacuerdos profundos sobre valuación. Tratar cualquiera de esos dos eventos como la prueba definitiva que resuelve la pregunta de fondo —si el ciclo actual de inversión en IA es sostenible o no— sería repetir el mismo sesgo hacia la coherencia narrativa que Kahneman documentó, aplicado esta vez a un evento específico en lugar de a la tendencia completa.

Fuentes

• Kahneman, D., Pensar rápido, pensar despacio, 2011.
• El precio de usar IA está colapsando. El precio de la memoria que la hace posible se cuadruplicó en un año — jgonzalez.app
• A Meta se le acabó el efectivo antes de que se le acabe el entusiasmo por la IA — jgonzalez.app
• Para la misma empresa, con los mismos números públicos: unos inversionistas ven 2 billones de dólares. Una firma de análisis ve 144,000 millones — jgonzalez.app </content>

</invoke>