¿Quién gana? ¿Quién pierde?
La IA puede ganar como tecnología mientras empresas, inversores y usuarios pierden. El capítulo 9 identifica ganadores duraderos, beneficios frágiles…
La IA ganará. Pero esa victoria no se distribuirá de forma justa y no hará ricos automáticamente a sus inventores o inversores.
Los capítulos anteriores mostraron una tecnología que es al mismo tiempo software, infraestructura, ciclo de capital, régimen de datos e interlocutor personal. Por eso no existe un único ganador de la IA.
El capítulo 9 reúne las capas. Pregunta dónde aparece poder de precios duradero, quién se beneficia solo temporalmente de la escasez y por qué la demanda puede seguir creciendo mientras caen valoraciones, márgenes y modelos de negocio.
La tecnología y la acción no son lo mismo
La IA puede volverse más potente, barata y omnipresente. Eso no significa que cada empresa obtenga márgenes altos ni que cada acción siga subiendo.
La cadena económica contiene energía, redes, centros de datos, chips, memoria, nubes, modelos, control de datos, aplicaciones y distribución. Cada capa tiene escasez, intensidad de capital y poder de precios diferentes.
El entusiasmo bursátil trata con frecuencia todas las capas como una sola apuesta. Si aumenta el uso, se espera que ganen a la vez hiperescaladores, fabricantes, laboratorios, software y centros de datos.
Es improbable. La competencia y la caída del coste unitario redistribuyen valor. Algunas empresas entregarán más inteligencia y ganarán menos por tarea.
La utilidad de la IA no es lo mismo que la rentabilidad del proveedor. La rentabilidad no es lo mismo que el rendimiento de la acción.
El valor se desplaza por la pila
En la fase inicial, el valor fue hacia los componentes más escasos. GPU y HBM eran difíciles de obtener, la nube estaba limitada y pocos modelos marcaban el estándar.
Cuando crece la oferta, el cuello de botella se mueve. Los modelos se parecen, los clientes enrutan tareas y la caché, los sistemas pequeños y la inferencia local reducen costes.
El valor pasa entonces del rendimiento puro a la distribución, la integración de datos y los workflows productivos.
También cambia la capa física. Si existen chips pero faltan electricidad y refrigeración, aumentan el valor de energía, redes y ubicaciones.
escasez de modelos → chips → HBM y packaging → electricidad y redes → datos → workflow y distribución
Ganador 1: propietarios de escasez física
Las empresas con conexiones eléctricas disponibles, transformadores, conmutación, refrigeración, generación y terrenos adecuados poseen una ventaja difícil de copiar.
La IEA proyecta que el consumo eléctrico mundial de centros de datos podría casi duplicarse entre 2025 y 2030. El suministro físico se convierte en parte central del valor.
NVIDIA, Samsung y SK hynix siguen beneficiándose de una demanda extraordinaria. NVIDIA declaró ingresos de 81.600 millones de dólares en el primer trimestre fiscal de 2027. Samsung y SK hynix registraron resultados récord en el primer trimestre de 2026 impulsados por memoria, HBM y servidores de IA.
Siguen siendo negocios cíclicos. La escasez crea márgenes y atrae capacidad. El ganador duradero combina liderazgo técnico, control de costes y disciplina de expansión.
Ganador 2: plataformas con distribución
Microsoft, Google y Amazon poseen lo que los laboratorios aún deben construir: clientes, contratos cloud, identidades, sistemas operativos, bases de datos y distribución mundial.
Microsoft invirtió unos 31.900 millones de dólares de capex en su tercer trimestre fiscal de 2026; aproximadamente dos tercios se dirigieron a activos de vida más corta como GPU y CPU.
Alphabet estimó capex de 175.000 a 185.000 millones de dólares para 2026 y señaló después que la inversión de 2027 podría aumentar de nuevo. Amazon declaró 14.200 millones de beneficio operativo de AWS en el primer trimestre de 2026 y una tasa anualizada de ingresos de IA superior a 15.000 millones.
Los hiperescaladores monetizan mediante nube, suscripciones, publicidad, seguridad, bases de datos y permanencia. Un modelo puede ser reemplazable mientras el cliente permanece en la plataforma.
Su riesgo no es carecer de IA. Es que la inversión crezca más rápido que el flujo de caja.
Ganador 3: aplicaciones con valor medible
El margen más duradero puede aparecer donde la IA realiza una tarea concreta mejor, más rápido o a menor coste.
Un sistema médico que reduce documentación, una aplicación industrial que evita paradas o una herramienta de programación con productividad verificable pueden capturar parte del valor creado.
El éxito depende menos del benchmark líder que del conocimiento del proceso, acceso al cliente, datos, integración y responsabilidad.
Las aplicaciones pueden cambiar de modelo subyacente. Pueden aprovechar precios más bajos sin reducir su propio precio en la misma proporción.
La aplicación más fuerte no es una capa fina de chat. Es un proceso que ya no funciona igual sin ella.
Ganador 4: clientes con poder de negociación
Empresas y usuarios pueden ser los mayores ganadores cuando tratan la IA como recurso sustituible.
Routing multimodelo, datos exportables, interfaces abiertas, inferencia local y control de costes impiden que un proveedor capture toda la cadena.
Tokens más baratos y modelos eficientes transfieren productividad al cliente. Ese mismo éxito presiona los márgenes del proveedor.
El resultado ideal es más automatización, menor coste y ninguna dependencia irreversible de un modelo, nube o memoria.
Hace falta capacidad técnica y gobernanza. Sin ellas, la adopción barata se convierte en dependencia de datos, procesos y plataforma.
Ganadores condicionales: los laboratorios de frontera
OpenAI, Anthropic y otros laboratorios pueden crear un valor extraordinario. Retenerlo depende de varias condiciones.
Necesitan ventaja técnica duradera, marca fuerte, relación directa con clientes y aplicaciones que sean más que una API reemplazable.
También deben financiar entrenamiento, inferencia, investigación, seguridad y distribución. La caída de precios y el routing les afectan más directamente que a los hiperescaladores.
La salida estratégica es convertirse en plataforma mediante agentes, memoria, funciones empresariales y dispositivos. Eso los enfrenta a las nubes que financian su infraestructura.
El laboratorio gana de forma duradera solo si evita convertirse en proveedor upstream caro.
Perdedor 1: modelos sin poder de precios
Cuando varios modelos ofrecen calidad parecida, la inteligencia se convierte en mercancía adquirible. El cliente elige por precio, latencia, privacidad y disponibilidad.
Un proveedor puede entregar más tokens y ganar menos por tarea. El efecto Jevons aumenta volumen, no garantiza margen.
Los laboratorios con costes fijos altos, distribución débil y poca diferenciación son especialmente vulnerables.
Los modelos abiertos y locales aumentan la presión. No necesitan liderar cada prueba; basta con resolver rutinas suficientemente bien a mucho menor coste.
Perdedor 2: portadores de capex sin ROIC suficiente
El auge ha creado una ola histórica de inversión en GPU, centros, redes y energía. Mientras la demanda supera la oferta, toda capacidad nueva parece razonable.
La prueba cambia cuando los inversores preguntan por el retorno sobre el capital. El hardware de vida corta se deprecia más rápido que líneas o edificios. Nuevas generaciones pueden volver obsoletos económicamente los clústeres antes de que dejen de funcionar.
Un hiperescalador puede crecer y perder en bolsa si capex, depreciación y financiación aumentan más rápido que ingresos y flujo de caja.
La frase peligrosa no es que desaparezca la demanda. Es que la demanda siga existiendo pero ya no justifique la valoración.
Cuando la demanda permanece y la valoración cae
Los ciclos tecnológicos rara vez terminan solo por fracaso total. La euforia suele terminar porque las expectativas eran demasiado altas.
El uso puede seguir creciendo mientras bajan los múltiplos. Bastan cuatro desarrollos:
- monetización más lenta de lo esperado
- caída del precio por tarea
- mayor depreciación y coste energético
- más competencia y menores márgenes
Una empresa puede aumentar ingresos y beneficio y ver caer su acción si el mercado había descontado todavía más crecimiento.
La historia fundamental sigue sonando correcta. La operación fracasa por valoración, posicionamiento y tiempo.
Perdedor 3: inversores apalancados y concentrados
El capítulo 3 mostró cómo Corea del Sur se convirtió en derivado de la IA. Samsung y SK hynix lograron beneficios récord mientras concentración, crédito de margen y productos apalancados creaban fragilidad.
El patrón es mundial. Los índices pasivos concentran capital en pocos ganadores. Opciones, ETF apalancados y momentum amplifican movimientos.
Durante la reversión, los sistemas venden no porque la IA carezca de valor, sino porque límites de riesgo, garantías y rebalanceo lo exigen.
El inversor puede acertar sobre la tecnología a largo plazo y ser liquidado a corto plazo.
El horizonte temporal de una tecnología es más largo que el horizonte de una cuenta con margen.
Perdedor 4: empresas sin soberanía de datos y procesos
Una empresa puede aumentar productividad a corto plazo y perder parte de su memoria institucional a largo plazo.
Cuando roles, prompts, memoria, grafos y workflows no son portables, el coste de cambio aumenta con cada despliegue exitoso.
El proveedor obtiene contexto. El cliente pierde libertad para cambiar de modelo y nube.
Las organizaciones que adoptan deprisa sin controlar costes, permisos, flujos y portabilidad quedan expuestas.
La dependencia suele hacerse visible cuando suben precios, cambian reglas o un incidente exige migración rápida.
Perdedor 5: aprendices y organizaciones vaciadas
La automatización alcanza primero tareas mediante las cuales aprenden los principiantes. Eliminarlas crea una brecha de aprendizaje.
Las empresas producen más con menos personal y pueden debilitar el camino que forma futuros expertos.
Los trabajadores experimentados usan la IA como palanca. Los inexpertos pueden confiar en resultados que no saben verificar.
El perdedor a largo plazo puede no ser la profesión que desaparece, sino la organización que descubre tarde la erosión de criterio y experiencia.
Perdedor 6: usuarios cuya autonomía se convierte en negocio
La IA personal puede ofrecer orientación, educación y apoyo. También puede fomentar apego exclusivo, recopilar contexto íntimo y atar al usuario a una interfaz.
Un sistema siempre disponible, que rara vez discrepa y recuerda todo, puede hacer que las relaciones humanas parezcan más difíciles.
Ese apego tiene valor económico: más uso, datos, suscripciones y acceso a nuevas transacciones.
La pérdida no necesita una manipulación dramática. Puede aparecer gradualmente mediante menor verificación propia, menos consejo externo y mayores costes de cambio.
Cuatro posibles desenlaces
La economía de IA puede avanzar hacia varios regímenes:
- Régimen de escala: uso e ingresos crecen más rápido que el capex; infraestructura y chips siguen siendo muy rentables.
- Régimen de abundancia: modelos y tokens se abaratan; ganan usuarios y aplicaciones y caen los márgenes de frontera.
- Ajuste de capex: la demanda sigue siendo real, pero sobreconstrucción, depreciación y financiación provocan una corrección.
- Régimen de soberanía: regiones y empresas trasladan cargas sensibles a sistemas locales, privados y abiertos.
Los resultados no son completamente excluyentes. Diferentes regiones y capas pueden vivir en regímenes distintos al mismo tiempo.
La regla de decisión de Gridizer Research
Cada posición de IA debe responder cinco preguntas:
- Escasez: ¿controla un cuello de botella difícil de sustituir?
- Monetización: ¿quién paga por qué beneficio medible?
- Intensidad de capital: ¿cuánto capex, energía y depreciación requiere?
- Portabilidad: ¿puede marcharse el cliente?
- Valoración: ¿qué parte del futuro ya está en el precio?
Después se define la posición: core, satélite de calidad, operación táctica de régimen o especulación. Zonas de toma de beneficios, revisión obligatoria de pérdidas y ruptura de tesis deben existir antes de que el precio las imponga.
La lista de vigilancia de Gridizer Research
- ingresos de IA, flujo de caja y ROIC frente a capex y depreciación
- coste por tarea completada, no solo por token
- cuota de modelos pequeños, abiertos y locales
- utilización y coste energético de nuevos centros
- plazos de HBM, DRAM, GPU y packaging
- crecimiento de routing, caché y multinube
- márgenes y necesidades de financiación de laboratorios
- concentración de índices, opciones, margen y productos apalancados
- portabilidad de datos, memoria, agentes y conocimiento
- productividad frente a pérdida de habilidades y efectos sociales
La máquina puede ganar sin enriquecer a sus propietarios
La IA puede volverse más productiva, barata e importante. Su uso puede multiplicarse. Al mismo tiempo, los modelos pueden convertirse en mercancía, el retorno del capex puede decepcionar, los mercados apalancados pueden romperse y los usuarios perder soberanía sobre datos o decisiones.
El ganador no es automáticamente la empresa con el modelo más grande, la mayor inversión o la historia más ruidosa. El valor duradero aparece donde coinciden escasez real, control del cliente, utilidad medible y disciplina de capital.
La IA ganará. Pero quién pierde no se decide solo al final. Se decide en cada cuello de botella, factura, contrato, acceso a datos y decisión que la persona entrega al sistema.
Fuentes y lecturas adicionales
- Microsoft: Fiscal Year 2026 Third Quarter Earnings
- Microsoft: FY2026 Q3 Performance and AI Investment
- Alphabet: 2025 Q4 Earnings Call and 2026 Capex Outlook
- Alphabet: First Quarter 2026 Earnings Call
- Amazon: First Quarter 2026 Results
- Amazon: 2025 Shareholder Letter
- NVIDIA: First Quarter Fiscal 2027 Results
- NVIDIA: Fiscal 2026 Form 10-K
- Samsung Electronics: First Quarter 2026 Results
- SK hynix: First Quarter 2026 Results
- IEA: Key Questions on Energy and AI
- OpenAI: API Pricing
- Anthropic: API Pricing, Caching and Batch Processing