La fragilidad financiera de la industria de la IA

En la fiesta de la IA la música sigue sonando. A través de los ventanales del salón, imprimen el cielo de alegría los exuberantes fuegos artificiales. Todos ríen y bailan, algunos, entusiasmados con el futuro; otros, entre curiosos, sorprendidos y asustados.

Tokio.

A las diez de la mañana de un lunes, Charles Prince entró en la sala y le dio la mano a la periodista del Financial Times, Michiyo Nakamoto. El saludo fue cordial, aunque Prince sabía que eso no significaba que la entrevista fuera a ser igual de cómoda. No le importó, tenía las ideas claras.

Era el 9 de julio de 2007. Aquel día, Charles "Chuck" Prince, consejero delegado de Citigroup, desmintió el miedo a que la música del boom de compras apalancadas alimentado por el crédito barato fuera a parar. Negó que Citi se estuviera retirando de sus posiciones y restó importancia a las primeras grietas en las hipotecas subprime, porque la liquidez seguía apagando cualquier fuego.

—¿No se van a echar atrás? — Nakamoto le presionó.

De esa pregunta salió su famosa frase: "When the music stops, in terms of liquidity, things will be complicated. But as long as the music is playing, you've got to get up and dance. We're still dancing."

Siguieron bailando.

Semanas después, en agosto de 2007, estalló la crisis de crédito y, con ella, se abrió el camino a la crisis financiera de 2008.

Prince dimitió pocos meses después de aquella entrevista, en noviembre de 2007.

El pasado 28 de junio de 2026, hace poco más de una semana, el BIS —el Banco de Pagos Internacionales, el banco de los bancos centrales— publicó su Informe Económico Anual. Su primer capítulo, titulado Progress and peril, recoge una lectura de los riesgos financieros que rodean a la industria de la inteligencia artificial. El BIS es una de las instituciones más prudentes y respetadas de las finanzas globales. Su director general, por cierto, es el español Pablo Hernández de Cos , ex gobernador del Banco de España.

El informe hace una lectura prudente, responsable. Pero necesaria. Y merece la pena comentarla, porque no habla de una amenaza, sino de cuatro puntos de presión que han ido creciendo. Vamos a detenernos un momento en cada uno.

i. El riesgo de una inflación persistente

La inflación persistente es el riesgo de que los precios, en general, se mantengan en alza. Basta un susto, una subida del petróleo o un conflicto, para que se reaviven las señales y los bancos centrales tengan que volver a subir los tipos, encareciendo el crédito global.

ii. La sostenibilidad de la inversión en IA

Respecto a la sostenibilidad de la inversión en IA se pregunta si el aluvión de dinero que hoy se vierte en esta tecnología podrá mantenerse. Se está gastando muchísimo, en buena parte a crédito, apostando por unos beneficios que aún no han llegado, y si tardan o decepcionan, esa inversión puede frenarse en seco. Y, por nuestra propia condición, este ciclo de inversión se sostiene de un relato que da vida a unas expectativas. Fundamentado, tal vez, pero siempre un relato.

iii. Vulnerabilidades financieras cada vez mayores

Las vulnerabilidades financieras son las grietas del propio mercado. Las capitalizaciones son muy altas y las bolsas están caras, sobre todo las tecnológicas, y el inversor se ha acostumbrado a que todo suba, de modo que, si vuelve el miedo, la caída puede ser más brusca de lo normal.

iv. Posiciones fiscales que se debilitan

Las posiciones fiscales que se debilitan hablan del estado de las cuentas públicas. Muchos gobiernos arrastran una deuda tan alta que apenas les queda margen de reacción si algo se tuerce. Esto nos habla de la solidez de la red de seguridad pública estructural.

Son cuatro riesgos distintos que, además, se relacionan entre sí. Cuando uno cede, los demás quedan más expuestos.

Los tres últimos, para lo que aquí me ocupa, dibujan el mismo cuadro.

Mucha euforia sostenida sobre unos cimientos a los que habría que echar un ojo. Antes, pongamos cifra a la euforia: Los cinco mayores hyperscalers (Alphabet (Google), Amazon, Meta, Microsoft y Oracle) van a gastar más de un billón de dólares en infraestructura de IA entre 2025 y 2026, por encima de lo que ganan, y ya emiten deuda para financiarlo. El BIS lo llama, sin rodeos, "exuberancia", y advierte de que una decepción en los retornos podría convertir el boom de inversión en un desplome prolongado. Por si el eco no bastara, el propio informe compara el momento con la fiebre del ferrocarril del siglo XIX y con la burbuja puntocom. Es decir, un avance tecnológico real que atrae más capital del que los retornos pueden justificar.

Porque claro, todo este dinero se mueve sobre una promesa. Sam Altman la resumió, medio en broma, ante una sala llena de inversores, cuando explicó que no prometía rentabilidad. Prometía que, cuando tuvieran la AGI, «le preguntarían a ella cómo obtenerla». La promesa, en el fondo, es la de una economía hiperproductiva. Como repite Elon Musk en cuanto tiene ocasión, una economía en la que en pocos años «trabajar será opcional».

Pero la hiperproductividad, de momento, no aparece. Y esto es lo interesante, porque hay diversos estudios que apuntan en la misma dirección, y en esta ocasión lo dice el propio BIS. A nivel de tarea concreta, la IA parece ahorrar tiempo de forma clara —aun esto cabría cuestionarse—, entre un 20 y un 50%. Pero cuando se mira el efecto agregado sobre la productividad, se queda por debajo del 1%. ¿Por qué? El informe lo atribuye, con todas las letras, a la dificultad de adoptar la tecnología a escala e integrarla en los procesos productivos. El factor clave no está, en definitiva, en la capacidad del modelo. Está en ponerlo a trabajar.

Nosotros lo hemos experimentado de primera mano trabajando desde enero de 2026 con agentes autónomos. Aquí va mi lectura, respecto a una de las grandes promesas: La AGI podría ser, en la práctica, irrelevante.

Sencillamente porque no se puede integrar con garantías en un sistema productivo. En Kocoro, montando un equipo híbrido, lo que descubrimos no fue que necesitáramos modelos más capaces, sino que el cuello de botella somos nosotros mismos, es decir, la gobernanza.

Se puede dar incluso una paradoja curiosa: un modelo menos capaz puede resultar más efectivo, sencillamente porque es más fácil de integrar y de gobernar.

El verdadero desafío, por tanto, no es de tecnología. Es de integración. Y debemos entender las implicaciones, porque la brecha se encuentra en pasar de contar con un asistente de IA en tu trabajo, a convivir en un equipo híbrido entre agentes y personas, donde todos son entidades independientes con sus roles y funciones. Esto implica cambios de fondo, que necesitan tiempo. Para empezar, las habilidades que requeridas de los trabajadores cambian, y todos los procesos de las empresas también.

Ojo, la transformación necesaria no es solo productiva, sino también social —en los hábitos de consumo— y reguladora. Sostengo, de hecho, que más pronto que tarde los agentes tendrán que estar identificados con algún tipo de ID o protocolo equivalente que los vincule con la persona, física o jurídica, responsable de ellos.

Pero eso da para otro artículo.

En cualquier caso, si este desafío es tal, el mercado debería empezar a mirar hacia las empresas dedicadas a la integración, y a corregir el exceso de expectativas puesto solo en quien desarrolla los modelos. Ahí, y no únicamente en el origen de la tecnología, es donde se va a materializar el valor.

A quienes no tenemos posiciones comprometidas en el mercado, todo esto nos deja una lección más práctica: evitar crear una dependencia operativa estricta de la IA.

La dependencia, tal como lo veo, puede venir en dos formas. Una, por acomodarse en el trabajo de la IA para realizar la mayor parte de las tareas diarias de los trabajadores de oficina. La segunda, en mejor posición pero no menos arriesgada, por redefinir procesos donde la IA es crítica.

Porque la cuestión es que, si el mercado se corrige, los precios podrían subir con fuerza, y la calidad, la velocidad o la disponibilidad de los modelos podrían cambiar de un día para otro.

Conviene tener un plan de contingencia.

En Kocoro lo estamos montando así: playbooks y flujos de trabajo definidos por procesos híbridos, donde las personas nos ocupamos de ciertos puntos y la IA de otros. Estos ‘touch-points” de la IA están documentados y detallados, de modo que en la ecuación pueden entrar también modelos en local o de menor capacidad (más baratos), ya que un proceso es una sucesión de tareas, y no todas ellas requieren de una IA especialmente inteligente.

En cualquier caso, la situación no es la misma que la de 2007. Pero invita a tener los ojos bien abiertos.

De momento, la música sigue sonando.