¿Estamos de fiesta como si fuera 1999 otra vez?

Con el asombroso repunte de la inteligencia artificial (IA) que ha liderado los mercados este año, han surgido preguntas sobre la solidez y sostenibilidad de este gran movimiento, sobre todo teniendo en cuenta la reciente rotación del mercado alejándose del sector. Nuestros clientes me preguntan a menudo cómo se compara el actual auge de la IA con la anterior burbuja de las puntocom (y su posterior quiebra). En esta nota intento responder a esa pregunta, que debería ser útil para mostrar cómo pensamos sobre la IA, teniendo en cuenta una amplia gama de puntos de vista y opiniones de nuestros gestores de cartera y analistas.

La inevitable comparación con el rally de las puntocom y la pregunta «¿Esto es otra vez el año 2000?» implica la pregunta no formulada: «¿Es el precursor de una quiebra inminente?». ¿O nos atrevemos a utilizar las palabras más peligrosas en finanzas: «Esta vez es diferente»?

La respuesta, frustrante, es que probablemente sea ambas cosas. No cabe duda de que hay similitudes, pero también algunas diferencias importantes que, en nuestra opinión, arrojan una luz más positiva sobre el tema de la IA que el episodio de las puntocom de finales de los noventa, que terminó abruptamente en el año 2000.

Lo malo, lo bueno, lo que hay que pensar...

Lo malo....

Siempre pienso que tiene sentido sacar primero los aspectos negativos, ya que esto nos da algo a lo que aspirar. Existen innegables comparaciones entre el periodo de la burbuja de las puntocom entre 1995 y 2000 y el actual entusiasmo por la IA. La figura 1 de la página siguiente muestra una inquietante similitud entre la subida de los valores durante la burbuja de Internet y el grupo de valores que están detrás del despliegue de la inteligencia artificial.

Lo bueno...

Lo primero que quiero subrayar es que la situación actual de la demanda es muy diferente de la de la burbuja de Internet. La burbuja de Internet estuvo impulsada en gran medida por la oferta de fibra y enrutadores, en el supuesto de que la demanda vendría después (la escuela de pensamiento «constrúyelo y vendrán»). Mientras que hoy en día, la demanda de IA se basa en expectativas de rentabilidad basadas en modelos de negocio y aplicaciones que se están desarrollando al mismo tiempo.

"…la demanda de IA se está construyendo sobre expectativas de rentabilidad basadas en modelos de negocio y aplicaciones que se están desplegando simultáneamente...."

El gráfico de la izquierda de la Figura 2 muestra exactamente lo rápida que ha sido la adopción de la IA en comparación con anteriores aplicaciones populares de Internet. Este rápido ritmo de adopción se debe a lo que la IA se propone hacer en términos de aumentar los ingresos y la rentabilidad de las empresas. Ya hemos visto ejemplos de ello en algunas de las grandes empresas que hablan de cómo los algoritmos de IA han aumentado el compromiso de los usuarios con sus clientes, lo que a su vez les ha reportado mayores ingresos.

El gráfico de la derecha de la Figura 2 muestra que menos del 10% de las empresas aún no tienen un plan para implementar la IA en sus operaciones diarias. Una vez más, es probable que esto se deba a que ya pueden ver los beneficios de la IA en términos de eficiencia laboral y productividad del capital. Todo ello apunta a un impacto cada vez más positivo en el balance final.

Otra diferencia importante surge cuando se considera el tipo de empresas que están detrás de la actual explosión de crecimiento en tecnología. La burbuja de Internet de finales de los 90 estuvo impulsada en gran medida por las empresas de telecomunicaciones y equipos de comunicación que se dejaron llevar por la exageración de Internet y sintieron que tenían que invertir en los importantes requisitos de infraestructura que exigían las empresas de Internet que estaban surgiendo en ese momento, ya fuera Amazon (¡hurra!) o Pets.com (¿quién?). Ese enorme despliegue de fibra se financió en gran parte con deuda y capital convertible.

Por el lado de la demanda, el grueso de la demanda de equipos de red, servidores, almacenamiento, etc., procedía de empresas de Internet que recurrían a la financiación proporcionada por el capital riesgo. Esto, en sí mismo, no es un problema hasta que te das cuenta de que la mayoría de estas empresas no tenían un modelo de negocio viable y, por lo tanto, en última instancia, tenían dificultades para pagar sus facturas. De ahí el inevitable estallido de la burbuja de las puntocom que comenzó el 10 de marzo de 2000.

Esta vez es diferente: la mayor parte de la demanda de capacidades de IA y gran parte de la financiación necesaria la están proporcionando las empresas de plataformas de gran capitalización (también conocidas como los «Siete Magníficos») a partir de sus importantes flujos de caja libre y saldos netos de efectivo. El lado de la demanda es sin duda el más interesante. Las grandes empresas tecnológicas de gran capitalización como Amazon, Microsoft, Apple, etc., se han convertido esencialmente en cuasi-monopolios u oligopolios debido en gran parte al beneficio de escala en sus negocios combinado con fuertes efectos de red.

Ahora, sin embargo, la IA está reduciendo rápidamente las barreras de entrada, de modo que los gigantes tecnológicos pueden verse desafiados por advenedizos como OpenAI, Perplexity o Anthropic, por nombrar sólo algunos. Así que, en cierto sentido, para las megacapitales tradicionales, se trata de invertir no solo para prosperar, sino también para sobrevivir. Por ejemplo, si Microsoft Azure está invirtiendo en hardware y tecnología de IA para ofrecer mejores soluciones a los clientes, Amazon Web Services (AWS) tiene que hacer lo mismo. Si Meta está utilizando la IA para mejorar los algoritmos con el fin de aumentar los ingresos por publicidad digital, Google tiene que hacer lo mismo, y así sucesivamente. Está en marcha un círculo virtuoso en la productividad que tiene el potencial de beneficiar tanto a los consumidores como a los inversores, gracias a la IA.

¡Bienvenidos al mega-capitulo del Ultimate Fighting Championship 2024 al estilo IT!

Está claro que la financiación no es el principal problema. Aunque la cifra de cerca de 200.000 millones de dólares que se calcula que gastará la IA en capex en 2024 es enorme, es menor que el flujo de caja libre acumulado generado por las empresas de TI de megacapitalización en su último ejercicio fiscal (dejando de lado el hecho de que también tienen grandes balances de caja netos).

Otra gran diferencia entre la actualidad y la burbuja de las puntocom radica en las valoraciones. Aunque la gente se preocupa por las valoraciones de los valores de IA, palidecen en comparación con lo que ocurrió durante la burbuja de las puntocom hace más de 25 años.

En la actualidad, el mercado parece negociar los valores tecnológicos de gran capitalización y los relacionados con la inteligencia artificial con bastante escepticismo en cuanto a sus múltiplos. Eso no es lo que ocurrió durante la burbuja de Internet (como podemos ver en la tabla y el gráfico de la Figura 4 de la página siguiente). Hoy resulta vergonzoso mencionar que durante la burbuja de Internet incluso se nos ocurrieron formas novedosas de valorar las empresas, como los múltiplos de «clics» y «globos oculares». Si algún día empezamos a valorar las empresas de IA en función de los vehículos eléctricos por unidad de procesamiento gráfico (GPU), entonces será cuando los inversores deberían empezar a preocuparse de verdad.

Algunos aspectos clave en los que deben pensar los inversores...

¿Dónde nos deja esto en términos de implicaciones para la inversión? Lo primero que debemos analizar es la cadena de valor de la IA.

Empezamos por el ecosistema de chips que respalda la producción del hardware que permite el desarrollo de aplicaciones de IA. Se trata de empresas como NVIDIA y AMD, que diseñan los chips de GPU avanzados, las fundiciones (TSMC) y las empresas de equipos de semiconductores.

A continuación, tenemos la infraestructura y los habilitadores que se basan en el hardware para proporcionar la infraestructura de nube, las soluciones de bases de datos, etc., para almacenar y analizar las cantidades masivas de datos que requieren todas las aplicaciones de IA.

Sobre esta infraestructura de IA, tenemos los modelos fundacionales como GPT-4, Llama, Gemini, etc., que se han desarrollado en la infraestructura y el equipo proporcionados por los dos primeros segmentos de la cadena de valor de la IA. Estos grandes modelos lingüísticos (LLM) fundacionales son modelos de IA grandes y complejos entrenados con cantidades masivas de datos no etiquetados o débilmente etiquetados. A diferencia de los modelos tradicionales de IA entrenados para tareas específicas (por ejemplo, reconocimiento de imágenes, traducción automática), los LLM fundacionales aprenden a interpretar patrones y relaciones generales dentro de los datos. Esta capacidad les permite, a su vez, adaptarse a una amplia gama de tareas posteriores de IA.

Y luego, por último, en la capa superior de la cadena de valor de la IA, tenemos las aplicaciones que se desarrollan en estos modelos que tienen el potencial de ser monetizadas.

Actualmente nos encontramos en gran medida en la fase de «construcción de infraestructuras» del auge de la IA, lo que explica por qué el subsector de los semiconductores ha tenido un rendimiento tan estelar este año. Aunque se están creando modelos y aplicaciones fundacionales, dado el rápido ritmo de cambio, está mucho menos claro cómo podemos, en una fase temprana, identificar a los ganadores definitivos en este espacio. Prueba de ello es que grandes empresas de software como Adobe y Salesforce han cotizado recientemente debido a la preocupación de que la IA pueda perturbar sus negocios establecidos.

¿Cuáles son algunas de las implicaciones de la IA para la inversión, más allá de los semiconductores y las grandes empresas tecnológicas?

Bueno, lo primero que hay que señalar es que seguimos asistiendo a un crecimiento asombroso de la cantidad de datos que se van a utilizar y almacenar. Como muestra la figura 5, se prevé que la cantidad de datos generados crezca de 87 zettabytes a 291 zettabytes en los próximos cinco años, lo que supone una tasa de crecimiento anual compuesta estimada del 27%.

Para ponerlo en perspectiva, 1 zettabyte equivale a 1 billón de gigabytes (GB), y una película típica de alta definición podría suponer entre 5 GB y 10 GB de datos. Todos estos datos requieren almacenamiento, servidores, etc., que algunas empresas de hardware informático pueden proporcionar.

Otra implicación de la inversión es que, en realidad, hay formas muy relevantes de invertir en IA fuera de los sectores tecnológicos tradicionales en los que solemos pensar.

La IA consume mucha energía, y a medida que construimos estos centros de datos que son esencialmente «miniciudades» en términos de consumo de energía, hay todo un ecosistema de empresas de energía y materiales e industriales que son intrínsecamente importantes. Esta construcción requiere generación y transmisión de electricidad, que a su vez requiere equipos eléctricos y cobre. Los centros de datos generan enormes cantidades de calor, lo que a su vez requiere soluciones de refrigeración especializadas proporcionadas por empresas industriales.

Resulta interesante observar que una cesta de estos nombres de «infraestructuras de IA» tanto en EE.UU. como en Europa ha obtenido mejores resultados que los Siete Magníficos y que el índice Philadelphia Semiconductor (SOXX) en lo que va de año, lo que indica la ampliación de las oportunidades de inversión en IA.

Caveat emptor: las tendencias seculares pueden tener ciclos de exageración

Ya hemos visto que las innovaciones tecnológicas y de productos importantes que prometen añadir un valor inmenso también pueden dar lugar a ciclos de exageración en el mercado de valores. El entusiasmo puede aumentar y disminuir a medida que los inversores reajustan continuamente sus expectativas de creación de valor. He elegido un par de ejemplos del pasado reciente para demostrarlo.

Innovación nº 1: Vehículos eléctricos y autónomos, considerados un «medio de transporte mejor y más limpio».

Innovación nº 2-Energía solar-una «forma mejor y sostenible de generar electricidad».

Pocos dudan del valor y la sostenibilidad de estas innovaciones, pero a medida que pasamos del concepto a la producción y la adopción masiva, las valoraciones del mercado han sufrido importantes oscilaciones (Fig. 7).

Esto nos recuerda que, como inversores, debemos mantener la disciplina para navegar por los inevitables ciclos que se manifiestan.

Reflexiones finales

Es muy posible que la IA generativa resulte ser una «oportunidad de inversión generacional», pero eso no significa que los inversores puedan permitirse ignorar los riesgos potenciales que la rodean. Aunque algunos establecen paralelismos con la anterior burbuja de las puntocom, hay suficientes indicios de que los cimientos de este ciclo de IA son sólidos, basados en una demanda real y en un potencial de beneficios.

"…los cimientos de este ciclo de IA son sólidos, basados en una demanda real y en un potencial de beneficios."

Al igual que en la era de las puntocom, creemos que la mejor forma de aprovechar la IA generativa en las primeras etapas es a través de los «picos y palas». Esto incluye los semiconductores, ya que el actual desarrollo de la IA generativa es increíblemente intensivo en semiconductores debido a sus inmensos requisitos de procesamiento paralelo, pero también otras partes de la capa de infraestructura y juegos de infraestructura que se extienden mucho más allá de la industria tecnológica. Aunque es fácil establecer paralelismos con la burbuja de las puntocom, una diferencia clave es que la mayor parte de la financiación de la IA procede de gigantes informáticos a gran escala que disponen de abundante liquidez, frente a los proveedores de comunicaciones de las puntocom que se ahogaban en deudas por OPV.

Como reflexión final, nosotros, como inversores, debemos recordar que todas las cosas vienen en ciclos. Por lo tanto, debemos decidirnos a navegar con cuidado y prudencia por la exageración que puede surgir en ciclos tecnológicos como el de la IA.