Para muchos inversores, el enorme aumento del gasto destinado al desarrollo de la inteligencia artificial es una prueba de que no existe una burbuja en el mercado de valores. Sin embargo, en GQG Partners, esto no hace más que reforzar su convicción de que este auge dará paso a una caída, al igual que ocurrió con el sector de las telecomunicaciones en la década de los noventa y con el petróleo de esquisto hace una década.
Los gestores de carteras y analistas de GQG, que gestiona 160.000 millones de dólares, afirman que los enormes pedidos de semiconductores, hardware de memoria y el gasto relacionado con los centros de datos de los últimos trimestres se basan en esperanzas sin fundamento respecto a la demanda y los precios futuros de los negocios y el uso de la inteligencia artificial. Señalan indicios de un gasto excesivo, como los recientes acontecimientos en torno a posibles guerras de precios —con los usuarios empresariales ajustando sus presupuestos mientras buscan formas más económicas de ejecutar modelos de IA— y la ralentización de los avances en la eficacia de los nuevos modelos de lenguaje a gran escala. Además, consideran que el uso continuado de inversiones circulares y métodos contables opacos aumenta los riesgos.
Incluso los pedidos masivos de semiconductores, que han impulsado enormes subidas en las acciones del sector de los chips, son una «característica, no un fallo», según Brian Kersmanc, gestor de carteras de GQG. «Las burbujas suelen caracterizarse por una demanda real a corto plazo, un despliegue masivo de capital, la creencia de los inversores de que la demanda es prácticamente ilimitada y una escasa visibilidad de la rentabilidad a largo plazo. Los fuertes pedidos de chips no desmienten la existencia de una burbuja; de hecho, pueden ser los indicios más claros de la misma», afirma.
Los gestores de fondos y analistas de GQG no son pesimistas crónicos respecto al sector tecnológico ni al mercado bursátil en general. Todavía en 2024, más del 70% de sus carteras estaba invertido en acciones tecnológicas o relacionadas con la tecnología, como Uber. En 2017, la empresa apostó por los chips semiconductores, que por entonces no gozaban de gran popularidad, entre ellos Nvidia (NVDA).
Sin embargo, desde finales de 2024 y hasta principios de 2025, GQG ha reorientado sus carteras alejándolas de las acciones relacionadas con la tecnología de IA y las infraestructuras, que han experimentado fuertes repuntes y han contribuido a impulsar el mercado bursátil en su conjunto. Esta apuesta ha perjudicado el rendimiento de sus estrategias, como el fondo GQG Partners US Select Quality Equity Fund (GQEIX), calificado con un Rating Gold, pero la empresa se mantiene firme en su postura.
Un factor clave que ha impulsado al alza estas acciones (y uno de los argumentos principales de los alcistas) es el enorme aumento de los pedidos impulsados por la inteligencia artificial en empresas de chips semiconductores como Nvidia, Broadcom (AVGO) y, más recientemente, Micron, así como en otras empresas de hardware de memoria informática, como SanDisk (SNDK ) y Western Digital (WDC).
Sin embargo, Kersmanc afirma que es aquí donde los inversores deberían mostrarse escépticos, empezando por el desajuste en la forma en que se contabilizan las compras. «Se registran pedidos y ventas hoy, pero los costes (para el comprador) se distribuyen a lo largo de tres, cinco, seis o incluso diez años», explica. El problema no radica en este método contable en sí mismo, que es estándar, sino en sus implicaciones, dada la elevada incertidumbre sobre la viabilidad económica del uso de la IA. «La cuestión clave no es si la demanda es fuerte en la actualidad, sino si dicha demanda está justificada desde el punto de vista económico y es sostenible una vez que se pongan a prueba la rentabilidad de la inversión, la utilización y el poder de fijación de precios».
El argumento bajista de GQG se basa en esos aspectos. Sostienen que el gasto en inversión de capital se está produciendo mucho antes de que se haya demostrado su valor económico. Kersmanc parte de una suposición que hacen los grandes laboratorios de IA y otras empresas: «Se piensa: “Si invierto esta cantidad, obtendré esta mejora”. Sin embargo, tras ChatGPT-4, la curva se ha estabilizado».
Aunque se sigue invirtiendo en los modelos más avanzados (los denominados «de vanguardia»), Kersmanc afirma que cada vez hay más indicios de que muchos desarrolladores y empresas de IA están tomando el camino contrario. En lugar de utilizar grandes modelos de lenguaje como Claude, se están decantando por modelos de lenguaje pequeños. Estos suelen entrenarse con conjuntos de datos limitados para textos específicos y, por lo tanto, requieren menos potencia de cálculo. Por ejemplo, «si desea una traducción en tiempo real, puede hacerlo mediante un SLM y traducir directamente en su teléfono, sin necesidad de generar tokens, y sin tener que consultar un centro de datos».
Si las empresas optan por los SLM para sus soluciones, «la implicación más amplia es que es posible que el mercado no necesite ni de lejos tanta capacidad de cálculo a escala de vanguardia como suponen actualmente los inversores», afirma Kersmanc. «Si el desarrollo de la IA avanza en esa dirección, entonces se debilitan los argumentos a favor de un gasto masivo en centros de datos y GPU».
Al mismo tiempo, los desarrolladores recurren cada vez más a modelos chinos de código abierto, cuyo entrenamiento resulta más económico y que conllevan unos gastos de capital en infraestructura considerablemente menores. «China tiene previstos 500 centros de datos, mientras que Estados Unidos cuenta con 5.500», afirma Kersmanc. Todo ello en un contexto en el que las empresas buscan contener los crecientes costes derivados del uso de la inteligencia artificial.
Kersmanc explica que otra pieza del rompecabezas ha sido la forma en que los hiperescaladores han contabilizado la ampliación de sus centros de datos. Señala la empresa conjunta META de Meta Platforms con Blue Owl Capital OBDC, anunciada el año pasado, que permitió a la empresa dar de baja de su balance un proyecto de centro de datos de 30 mil millones de dólares en Luisiana. Meta también ha estado clasificando algunos activos de infraestructura de gran envergadura como «obras en curso». Esa partida se duplicó entre 2024 y 2025.
Estas cuestiones contables guardan relación con el desajuste entre el gasto en chips y el resto de hardware, afirma Kersmanc. «Si hay grandes cantidades de hardware clasificadas en la partida de «obras en curso» o en categorías similares del balance, es posible que los inversores no puedan determinar qué parte de ese gasto se ha destinado realmente a operaciones y está generando rentabilidad. Esto es importante porque las empresas pueden gastar enormes cantidades de efectivo por adelantado, mientras que sus cuentas de resultados reflejan el coste de forma gradual. Por lo tanto, la preocupación no se limita a la presentación contable; radica en que la contabilidad pueda estar ocultando un exceso de inversión, una infrautilización o una rentabilidad más débil».
Además, existen incertidumbres en torno a la capacidad para construir los centros de datos que se han encargado. La oposición a la infraestructura de los centros de datos va en aumento, debido al elevado consumo de electricidad y agua de estos edificios, así como a sus demás repercusiones en las comunidades. «Aproximadamente la mitad de los que se suponía que debían estar terminados ni siquiera se han iniciado o han sido cancelados», afirma Kersmanc.
En resumen, «la expansión del sector de la IA presenta muchos de los signos clásicos de una burbuja», afirma Kersmanc. «Los inversores siguen extrapolando la demanda mucho más allá de lo que parecen justificar los fundamentos económicos».
