Gaceta Crítica

Michael Roberts (Economista marxista británico), 23 de Julio de 2026

Alphabet (Google) anunció ayer sus resultados financieros. A primera vista, los resultados fueron espectaculares: los ingresos aumentaron un 24%, con un incremento del 82% en su negocio de computación en la nube. Las ganancias por acción fueron de 9,11 dólares, una cifra muy elevada. Sin embargo, más de dos tercios de esas ganancias se basaron en la contabilización de 77.000 millones de dólares en ganancias no realizadas por la compra de acciones de Anthropic, una importante empresa de modelos de IA. En otras palabras, estas ganancias son solo teóricas y dependen de que las acciones de Anthropic se mantengan al alza.  

Google es una de las llamadas «hiperescaladoras», las megacompañías tecnológicas que invierten enormes cantidades de dinero en IA, con la esperanza de que esto se traduzca en un fuerte aumento de sus ganancias a largo plazo. La inversión de Google en IA ha inyectado tanto dinero en empresas de IA como Anthropic y OpenAI, y en centros de datos para ejecutar IA con costosos chips fabricados por Nvidia, que sus enormes ingresos en efectivo ya no cubren el costo de la inversión. El «flujo de caja libre», como se le llama, se volvió negativo por primera vez en la historia de Alphabet.

Google está aumentando masivamente su inversión en IA este año, al igual que sus rivales Meta, Microsoft y Amazon, para construir infraestructura de IA, y se espera que los cuatro gigantes tecnológicos en la nube gasten más de 725.000 millones de dólares en 2026. Antes de los resultados del miércoles, se consideraba a Google como el gigante tecnológico en la nube mejor posicionado para resistir la carrera armamentística de la IA, ya que se esperaba que los flujos de caja de su vasto negocio de búsqueda amortiguaran la presión financiera. Pero ahora, su consumo de efectivo para financiar el gasto de capital en IA requerirá la obtención de deuda y/o la emisión de acciones. Alphabet ya ha asumido casi 100.000 millones de dólares en deuda, y en junio recaudó alrededor de 85.000 millones de dólares en su primera venta de acciones en más de dos décadas.

Todo esto nos indica que la burbuja bursátil de la IA, que es lo que realmente es, está a punto de estallar. Las grandes empresas tecnológicas son enormemente rentables, gracias a sus negocios actuales, con ganancias que superan la tendencia en un 59 %. Pero tal es la magnitud del auge de la inversión en IA que están llevando a cabo estas empresas, que incluso estas ganancias se están absorbiendo como el agua que desaparece en el desierto del Sahara.

Como se argumentó en publicaciones anteriores, la economía estadounidense es una gran apuesta por la IA. El valor bursátil de las empresas de hiperescala representa actualmente alrededor del 40 % de la capitalización bursátil total del S&P 500. Si se observa algún indicio de que: primero, no pueden mantener su actual ritmo de crecimiento de la inversión; y segundo, están consumiendo sus ganancias sin obtener retorno de esas inversiones en IA, el valor de sus acciones podría desplomarse y arrastrar consigo a todo el mercado bursátil.

La economía capitalista estadounidense se sustenta en la inteligencia artificial. Todo irá bien si: primero, los modelos de IA se vuelven muy demandados y comienzan a utilizarse en empresas de EE. UU. y de todo el mundo, impulsando así la rentabilidad de las grandes empresas tecnológicas y, en última instancia, del resto del sector empresarial. Segundo, el uso generalizado de la tecnología de IA en todos los sectores de la economía también conlleva un cambio radical en el nivel de productividad, lo que puede llevar a la economía estadounidense a una nueva era de prosperidad.

Antes del auge de la IA, la tecnología de la información en Estados Unidos ya se había convertido en el motor de un crecimiento económico relativamente más rápido en comparación con el resto de las economías del G7 durante la larga depresión de la década de 2010.

Pero en la década de 2010, todas las economías del G7, incluyendo Estados Unidos, experimentaron una desaceleración en el crecimiento del PIB real, la inversión y la productividad. Luego, tras la recesión provocada por la pandemia, la inflación regresó en la mayoría de las economías, amenazando con instaurar un nuevo período de estanflación (crecimiento lento o nulo junto con una inflación elevada y acelerada) que no se veía desde la década de 1970. Ahora, la guerra con Irán está acelerando la inflación de los precios de la energía. La política monetaria de los bancos centrales no logró impulsar las economías en la década de 2010 con tasas de interés bajas o nulas e inyecciones monetarias (flexibilización cuantitativa). Y la política monetaria de los bancos centrales no ha logrado contener el aumento de la inflación desde 2020 mediante tasas de interés más altas (BCE) y ajuste cuantitativo (Banco de Inglaterra). Esto se debe a que la única forma en que las economías pueden crecer sin que aumente la inflación es incrementando el crecimiento de la productividad laboral.

El nuevo presidente de la Reserva Federal, nombrado por Trump, prevé un auge de la productividad gracias a la IA. Kevin Warsh afirma que «la IA es quizás el cambio más significativo en nuestra economía durante mi vida adulta. La IA será una fuerza desinflacionaria importante, que aumentará la productividad y reforzará la competitividad estadounidense».   Calcula que las mejoras de productividad derivadas de la IA impulsarían «aumentos significativos en los salarios reales netos. Un aumento de un punto porcentual en el crecimiento anual de la productividad duplicaría el nivel de vida en una sola generación».  Tiene razón. Incluso un aumento de tan solo un punto porcentual en el crecimiento actual de la productividad en EE. UU. durante 20 años no solo mantendría la inflación a raya, sino que proporcionaría ingresos que podrían acabar con los déficits en los presupuestos gubernamentales, sin aumentar los impuestos ni recortar el gasto. La relación deuda pública/PIB disminuiría.

Pero, ¿logrará la IA este cambio radical en la productividad? Entre 2005 y 2019, el crecimiento de la productividad en EE. UU. promedió alrededor del 1,5 % anual. El ritmo se mantuvo igualmente lento durante y justo después de la pandemia (2020-2022). Sin embargo, la productividad laboral en EE. UU. se ha acelerado desde 2022. La producción por hora creció alrededor del 2,5 % anual desde finales de 2022 hasta principios de 2026, superando su ritmo prepandémico en un punto porcentual.

¿Está dando resultados la IA? La mayor parte de la aceleración en el crecimiento de la productividad laboral proviene de un crecimiento más rápido de lo que la economía convencional denomina productividad total de los factores (PTF). La PTF no es algo real que se pueda medir; es simplemente un residuo matemático que surge del análisis de los factores que impulsan el crecimiento de la productividad. Un mayor número de trabajadores que trabajan más duro, sumado a un mayor número de máquinas que trabajan durante más tiempo, es lo que genera la mayor parte de la productividad laboral. La PTF es el residuo que se supone que proviene del impacto de la «innovación» (por ejemplo, la IA).  

Sin embargo, el aumento de la productividad total de los factores (PTF) en Estados Unidos aún no es resultado de la aplicación de la IA en la economía.   Según economistas de Barclays , la adopción de la IA ha sido gradual y constante, en lugar de rápida y transformadora, y la mayoría de los hogares y empresas aún reportan una exposición limitada a esta tecnología. El incremento en el crecimiento de la productividad desde 2022 se debe realmente a un uso más intensivo de la tecnología existente tras el fin de la pandemia, y no a la introducción de la IA.

¿Cómo lo sabemos? Los economistas de Barclays analizaron la Encuesta Nacional de Población en Tiempo Real (RPS, por sus siglas en inglés) de la Reserva Federal de St. Louis, que incluye a adultos estadounidenses en edad laboral. La encuesta más reciente muestra que, si bien la IA se ha integrado en las rutinas laborales del 45 % de los encuestados, su uso en términos de tiempo es mínimo. Suponiendo una jornada laboral de ocho horas, el usuario promedio de IA ha pasado de aproximadamente 20 minutos de uso a finales de 2024 a unos 30 minutos a mediados de 2026, según la encuesta RPS. Lo que se desconoce es si los trabajadores utilizan ese 2 % adicional de su tiempo laboral diario para ser más productivos en general, para verificar y corregir lo que la IA ha producido, ¡o para holgazanear!

De hecho, la mayoría de las encuestas sobre la adopción de IA por parte de las empresas muestran un progreso modesto. La encuesta quincenal de Tendencias y Perspectivas Empresariales de la Oficina del Censo de EE. UU. revela que solo el 21 % de las empresas utilizaban IA de forma consciente, el 69 % no la utilizaba y el 11 % no estaba seguro. Un documento de debate de la Junta de Gobernadores de la Reserva Federal concluye que «las tendencias de productividad en los tres niveles han sido relativamente consistentes a lo largo del tiempo, lo que sugiere que las ganancias de productividad a nivel micro no se suman en conjunto».    Parece que los experimentos a nivel micro suelen medir la productividad a nivel de tarea, como la velocidad con la que un programador genera código, en lugar de la producción a nivel de puesto o de empresa. Una mejora del 10 % en una tarea no necesariamente se traduce en ganancias proporcionales para una empresa si los costos de ajuste u otros cuellos de botella se encuentran en otras partes del proceso de producción y erosionan las ganancias de productividad anteriores.

Tras realizar una serie de complejos análisis de regresión con datos de encuestas sobre el Sistema de Pagos Basados ​​en Recursos (RPS), la Reserva Federal de EE. UU. concluyó que no existe evidencia de que la IA esté teniendo un impacto positivo: las correlaciones entre las tasas de adopción a nivel sectorial y las mejoras en la productividad “no son estadísticamente significativas”, afirma. Cualquier mejora observable “refleja en gran medida diferencias persistentes entre sectores, en lugar de una aceleración medible del crecimiento de la productividad atribuible a la IA”.

Sin embargo, los optimistas de la IA siguen siendo precisamente eso: optimistas. Se refieren a la «curva en J» que suele seguir el impacto de las nuevas tecnologías en la productividad.  Primero, se observa un efecto lento, incluso negativo, en la productividad a medida que las empresas invierten fuertemente en la tecnología. Y luego llega el auge. Esta curva en J se observó en el crecimiento de la productividad manufacturera en Estados Unidos, que cayó a mediados de la década de 1980 y luego, tras la recesión de 1991, se aceleró bruscamente hasta mediados de la década de 2000.

Pero incluso esa visión optimista tiene sus salvedades. En primer lugar, parece que los trabajadores expuestos a la IA se resisten a su uso. Una encuesta realizada en abril a 2400 trabajadores del conocimiento por las empresas de IA Writer y Workplace Intelligence —ambas con intereses comerciales en la adopción de la IA— reveló que el 29 % de los empleados admitió  sabotear activamente la estrategia de IA de su empresa . Entre los trabajadores de la Generación Z (menores de 25 años), esa cifra fue del 44 %, frente al 41 % del año anterior. Otra encuesta de WalkMe, realizada el mismo mes a ejecutivos y empleados de 14 países, reveló que  más del 54 % de los trabajadores había eludido las herramientas de IA de su empresa en los últimos 30 días para realizar el trabajo manualmente. Los responsables de la encuesta descubrieron que el «miedo a quedar obsoleto» impulsa gran parte de esta resistencia, tanto activa como pasiva, e incluso pasivo-agresiva . De forma similar,  The Economist  informó  que el uso de la IA entre los trabajadores estadounidenses, tras un repunte inicial, disminuyó a medida que se desvaneció el entusiasmo inicial. 

^{A principios del siglo XIX} , al comienzo de la revolución industrial en Gran Bretaña, un grupo de tejedores expertos intentó resistir la introducción del tejido a máquina por diversos medios, incluyendo el sabotaje y la destrucción de las máquinas. Se les conocía como luditas. Ahora parece que una forma de ludismo ha resurgido con la inteligencia artificial. Así como los luditas defendían su sustento, los trabajadores de la Generación Z lo hacen ahora. 

Los optimistas de la IA, Erik Brynjolfsson de Stanford y ADP Research , están haciendo un seguimiento de 4,6 millones de trabajadores en más de 730 ocupaciones a través de su  panel de control Canaries . Descubren que los empleos para trabajadores de entre 22 y 25 años en ocupaciones expuestas a la IA se reducen en más de un 4 % anual. Un análisis de Goldman Sachs sugiere que los sectores de información, servicios profesionales, seguros y finanzas están mejor posicionados para obtener ganancias de productividad tempranas, pero es precisamente en estos sectores donde las encuestas sobre «sabotaje» encuentran los mayores índices de resistencia.

La economista de Goldman Sachs en EE. UU., Elsie Peng, apoya la tesis de la curva en J para la IA.   Su estudio sobre la adopción de tecnología en la industria encontró un ligero retraso durante los primeros cuatro años, ganancias estadísticamente significativas solo después de ocho, y un impacto máximo de aproximadamente 0,6 puntos porcentuales en el año 12. Si el lanzamiento de ChatGPT en 2022 es el equivalente al debut de la PC en 1981, esa curva en J sitúa el retorno de la productividad alrededor de 2030 como muy pronto, y alcanza su punto máximo alrededor de 2034. Según el análisis de Peng, los aumentos significativos en la productividad laboral derivados de las TIC no se manifestaron hasta que aproximadamente el 50 % de las empresas habían adoptado la tecnología. No la compraron, no la probaron. La incorporaron realmente a sus operaciones principales.

La «curva en J» de Peng se hace eco de lo que los economistas de la OCDE argumentaron hace algún tiempo: que las tecnologías transformadoras suelen tardar unos 20 años desde su momento de auge hasta generar aumentos significativos de productividad a nivel macroeconómico. Si este patrón se mantiene para la IA generativa, estaríamos hablando de principios o mediados de la década de 2030, o incluso más tarde, antes de que se produzcan los beneficios reales. Por lo tanto, queda un largo camino por recorrer para que la IA generalizada pueda generar un aumento significativo en el crecimiento de la productividad laboral.

El salto cualitativo en el crecimiento de la productividad en el que el presidente de la Reserva Federal, Warsh, deposita todas sus esperanzas aún parece lejano. Pero, ¿qué hay de las ganancias de la IA? Hasta ahora, los ingresos que generan las empresas de modelos de IA están muy lejos de cubrir los costos de I+D y la construcción de centros de datos en todo Estados Unidos. Goldman Sachs estima que cada dólar invertido en hardware de TIC requiere al menos 1,70 dólares adicionales de inversión complementaria en activos intangibles: software, sistemas de datos y la categoría más difícil de medir: la reestructuración organizativa. Actualmente, la capacidad de los centros de datos es 15 veces mayor que la demanda.

Y la deuda se está acumulando. Bloomberg estima que hay más de 500 mil millones de dólares en deuda pendiente de centros de datos de IA. Nikkei Asia informó esta semana que Meta, Google, Amazon, Microsoft y Oracle han acumulado alrededor de 1,65  billones de dólares  en deuda pendiente en los últimos cinco años, con cientos de miles de millones de dólares adicionales en deuda «fuera de balance», lo que significa que la estructura corporativa permite a la empresa no incluirla como parte de sus pasivos.

Los ingresos que obtienen empresas como OpenAI y Anthropic provienen únicamente de las inversiones de las grandes empresas tecnológicas en sus operaciones. No se generan beneficios con el uso de Chat GPT o Claude, en parte porque las empresas de IA no cobran a los usuarios el coste adecuado por el uso de «tokens» (unidades de cómputo). Por ello, las empresas de IA están intentando que los consumidores pasen de tarifas planas a precios basados ​​en el uso. Sin embargo, esto ha provocado un aumento exponencial del coste de la IA para las empresas, de tal forma que, ante el incremento desmesurado de sus facturas, están pasando de maximizar el uso de tokens a racionarlos. Además, las empresas estadounidenses están optando por utilizar modelos de IA de código abierto procedentes de China, que prácticamente igualan el rendimiento de los modelos estadounidenses a una fracción del coste.  

Primero, DeepSeek irrumpió con fuerza en la industria a principios de 2025.   Ahora, Kimi K3, el modelo de IA chino más reciente, lanzado por la startup Moonshot AI, con sede en Pekín, es 112 veces más económico que Anthropic por millón de tokens (es decir, una verdadera mina de oro). Un token cuesta 56 dólares en Anthropic, 26 dólares en OpenAI, 1,50 dólares en Meta, 1 dólar en xAI y Google, y 0,50 dólares en los modelos chinos. No es de extrañar que la proporción de tokens utilizados por las empresas estadounidenses que se procesan mediante modelos de IA chinos haya alcanzado un récord del 58%. Actualmente, las empresas estadounidenses utilizan más modelos de IA chinos que los desarrollados en Estados Unidos.

Pero los optimistas no se rinden. Algunos sugieren la llamada paradoja de Jevons , que sostiene que una mayor eficiencia (gracias a la IA) generará una mayor demanda a medida que disminuyan los costos unitarios de inversión en IA. Esto generará la rentabilidad que buscan las empresas de IA y que el mercado bursátil anhela. Sin embargo, solo el 2 % de las empresas del S&P 500 mencionaron la productividad de la IA durante las teleconferencias de resultados del primer trimestre de 2026. Y entre las que lo hicieron, el enfoque se centró abrumadoramente en el ahorro de costos en lugar del crecimiento de los ingresos. Esto plantea serias dudas sobre cómo se espera que los cientos de miles de millones de dólares invertidos se traduzcan en ganancias, y mucho menos en ingresos.

La apuesta por la IA se basa en dos grandes suposiciones. La primera es que la IA será rentable, tarde o temprano. Pero que una tecnología genere un enorme aumento de la productividad no significa que vaya a generar grandes beneficios. La segunda suposición es que habrá una demanda generalizada de IA, y pronto. La adopción de la IA ha aumentado, pero aún está lejos de alcanzar su máximo potencial. Como se mencionó anteriormente, Goldman Sachs estima que podría tardar hasta 15 años; la OCDE habla de 20 años. ¿Podrán las empresas de IA actuales sobrevivir tanto tiempo? ¿Podrá el mercado bursátil esperar tanto antes de que estalle la burbuja?