Burbuja de la IA: por qué ahora creo que sí la hay [2026]

Me lo preguntan en cada charla desde hace un par de años: «¿estamos en una burbuja de IA?». Durante mucho tiempo mi respuesta honesta fue «no lo sé». Hoy tengo una: sí, hay burbuja, pero no está en la tecnología. Está en las valorizaciones. Me hicieron cambiar de opinión los modelos chinos que mido todos los meses en mi benchmark.

La semana en que el mercado empezó a dudar

Hoy, 15 de julio de 2026, la acción de SpaceX cerró bajo los US$135 de su IPO por primera vez desde que debutó en junio. Llegó a tocar US$225 a los cuatro días de salir a bolsa. Un mes después, cotiza bajo su precio de salida. Morningstar ya había hecho la advertencia antes del debut: su valorización por flujo de caja descontado daba US$780.000 millones, cerca de la mitad de lo que pedía la compañía. El mercado celebró igual. Duró tres semanas.

Tesla cuenta la misma historia con otros números: cae más de 12% en el año y aun así cotiza a más de 200 veces sus utilidades proyectadas, siendo la única de las grandes tecnológicas con ingresos decrecientes. JPMorgan proyecta que puede caer otro 60%. El precio lleva años pagando robotaxis y humanoides que todavía no facturan.

Esto no es un fenómeno de dos empresas. Es el síntoma de algo que Austin Okere, fundador de CWG Plc (una de las tecnológicas más grandes de Nigeria), resumió mejor que nadie en una entrevista reciente: existen dos tipos de negocio, «el negocio de valor y el negocio de valorización».

Negocios de valor vs negocios de valorización

La distinción de Okere es simple y por eso duele. Un negocio de valor sigue el ciclo clásico: crea algo útil, genera utilidad, reparte dividendos, reinvierte y repite. Un negocio de valorización hace otra cosa: levanta una ronda, sube su precio en papel, levanta otra ronda a un precio mayor, y así, muchas veces sin línea de vista a la rentabilidad. Okere lo compara con un esquema Ponzi: mientras entra plata nueva, la valorización sube y todos celebran. Los primeros inversionistas salen ganando. Los últimos terminan pagando los platos rotos.

Los datos le dan la razón. Solo en 2023, más de 3.200 startups americanas con capital de riesgo cerraron, habiendo levantado en conjunto unos US$27.200 millones, según PitchBook. Plata real que se evaporó persiguiendo valorizaciones que nunca tuvieron un negocio debajo.

Esto lo veo desde las dos sillas. Cuando vendí mi fintech firmé el term sheet y viví lo que significa que la valorización se convierta en plata real. Y hoy reviso deals como inversionista para 7 fondos, donde rechazo más del 90% de lo que llega. La mayoría de las veces, por valorización. Founders levantando a precios que no van a poder defender en la siguiente ronda. Si quieres entender cómo se calcula ese número, escribí sobre cómo valorar una startup hace un tiempo, y hace poco di un taller de valorización a founders; la calculadora que usamos está disponible gratis. Los métodos no cambiaron, los múltiplos sí: el múltiplo de ingresos del SaaS pasó de 18-19x en el pico de 2021 a una mediana cercana a 3.4x hoy. Una compresión de alrededor del 80% que muchos cap tables todavía no digieren.

¿Y qué tiene que ver esto con la IA? Que la IA es hoy el único lugar donde ese dinero de 2021 volvió a aparecer. Esa parte sí la puedo medir.

Por qué cambié de respuesta: los modelos chinos

Mi problema con la pregunta de la burbuja siempre fue que no tenía forma de verificarla. Las valorizaciones de OpenAI y Anthropic asumen algo concreto: que construir inteligencia de frontera es tan caro y tan difícil que solo un puñado de empresas puede hacerlo, y que por eso van a capturar el mercado completo. Esa exclusividad es la que justifica el precio.

Los modelos chinos rompieron ese supuesto. DeepSeek reportó que la corrida de entrenamiento de su modelo V3 costó US$5.6 millones. La cifra tiene letra chica: es la corrida final, no toda la investigación ni los fierros detrás. Pero incluso los críticos que suman la infraestructura completa llegan a un total que sigue siendo una fracción de lo que gastan los laboratorios americanos. Y no fue un caso aislado: las restricciones de exportación de chips obligaron a los laboratorios chinos a exprimir cada GPU, y esa presión produjo arquitecturas que hoy entregan resultados de frontera a una fracción del costo de inferencia.

Yo no tengo que creerle a los papers. Lo mido. Mi benchmark corre tests reales contra decenas de modelos cada mes: más de 13.000 ejecuciones acumuladas, con un juez local que verifica hechos, no opiniones. En el corte del 15 de julio de 2026, con 70 modelos rankeados (mínimo 50 ejecuciones cada uno):

Dato	Resultado (corte 15-jul-2026)
Modelos chinos en el top 20	9 de 20
Modelos chinos en el top 10	4 de 10
DeepSeek R1	#3 global, US$3.96 por 1.000 llamadas
Claude Opus 4.8	#8 global, US$39 por 1.000 llamadas

El tercer mejor modelo de mi ranking es chino, open source, y cuesta 10 veces menos por llamada que Opus 4.8, que rankea cinco puestos más abajo. DeepSeek V4 Flash cuesta US$0.33 por 1.000 llamadas. Estos números cambian con cada corte mensual (el ranking vivo está en el benchmark), pero la tendencia lleva más de un año en la misma dirección: la brecha de calidad se cierra y la brecha de precio se agranda.

Mi mano derecha corre con un modelo chino

Esto tampoco es teoría de laboratorio. En mi DGX Spark corro Qwen 3.6 de 35B — un modelo chino de Alibaba — como cerebro local de Hermes, mi agente 24/7. Corre a unos 80 tokens por segundo, con speech-to-text local, búsqueda local y scraper local. Mi mano derecha digital funciona completa sin pagarle un dólar de API a un laboratorio americano.

Y ojo: no soy fundamentalista. Mi coding agent sigue siendo de Anthropic, porque para programar el premium todavía se justifica. Pero todo lo demás (agentes, operaciones, contenido, hasta la redacción de noticias de mi medio Ecosistema Startup) corre con modelos chinos. Ya hice los números de ese cambio: el ahorro supera el 90% en la mayoría de los flujos. Cada mes que pasa, la pregunta «¿qué me da el modelo caro que no me dé el barato?» tiene una respuesta más corta.

Y si yo, un founder en Chile con una máquina en su escritorio, puedo reemplazar al proveedor premium para la mayoría de mis casos de uso, ¿qué sostiene exactamente un múltiplo de 30 veces los ingresos?

¿Entonces OpenAI y Anthropic no valen lo que dicen?

Ojo acá, porque el matiz importa. OpenAI y Anthropic presentaron sus IPOs en junio de 2026 con valorizaciones objetivo de US$852.000 millones y US$965.000 millones respectivamente: casi un billón de dólares (un millón de millones) cada una. Eso equivale a múltiplos de entre 20x y 35x sus ingresos anualizados, según qué estimación de revenue uses.

Esto NO es la puntocom con cero ingresos. Ambas facturan miles de millones reales y crecen a velocidades que ninguna empresa de software había mostrado antes. La demanda es real: yo mismo la uso y la pago todos los meses. La pregunta no es si la IA vale, es si ESTE precio asume un monopolio que la evidencia ya desmintió.

¿Y la burbuja de la IA no está también en la infraestructura?

Ahí es donde el eco de la burbuja puntocom suena más fuerte. Nvidia acordó invertir hasta US$100.000 millones en OpenAI para construir datacenters, y OpenAI se comprometió a llenarlos con chips de Nvidia. OpenAI firmó con Oracle un acuerdo de US$300.000 millones en capacidad de cómputo, y Oracle compra GPUs de Nvidia para cumplirlo. Tesla juega su propia versión en familia: invirtió US$2.000 millones en xAI, la empresa de IA de su propio fundador, mientras integra Grok a sus autos y esa promesa sostiene parte de sus 200 veces utilidades. Semanas después xAI se fusionó con SpaceX, así que la apuesta terminó convertida en acciones de la misma SpaceX que hoy cotiza bajo su precio de IPO. Una caja de hámsters: mucha plata dando vueltas adentro, y desde afuera parece movimiento. El mismo dólar aparece como inversión en un balance y como ingreso en otro. Hay analistas que defienden que esto es financiamiento de proveedor de toda la vida, y otros que lo leen como demanda inflada por diseño. Puede ser las dos cosas a la vez. Lo que nadie discute es que concentra el riesgo: si la demanda final no llega a tiempo, toda la cadena lo siente junta.

La historia tiene un patrón conocido: las burbujas de infraestructura dejan infraestructura. La fiebre de los ferrocarriles quebró inversionistas y dejó ferrocarriles; la puntocom quebró fondos y dejó la fibra óptica sobre la que corre todo internet. Si esto se desinfla, los datacenters y los modelos van a seguir ahí, más baratos que nunca. Los que pierden en una burbuja de valorización no son los usuarios de la tecnología: son los que compraron caro y los que llegaron tarde. Exactamente lo que dijo Okere de las startups.

Qué haría yo con esta información

Depende de qué silla ocupas.

Si usas IA en tu negocio: la burbuja juega a tu favor. La competencia entre laboratorios está desplomando el precio de la inferencia — los modelos chinos cuestan entre 5 y 30 veces menos que los americanos equivalentes. El lunes a las 9am: revisa tu factura de API del último mes, identifica tu caso de uso más caro y prueba un modelo open source o chino en ese flujo. Mi benchmark es público para eso.

Si estás levantando capital: no ancles tu valorización al múltiplo de la empresa de IA de moda. Cuando los múltiplos se comprimen — y ya viste que pasaron de 18x a 3.4x en SaaS — la valorización inflada de hoy es el down round de mañana (la ronda siguiente a un precio menor), y un down round mata más rondas que un mal producto. Levanta a un precio que puedas defender con tus números.

Si inviertes: antes de entrar, hazte la pregunta de Okere: ¿esto es un negocio de valor o un negocio de valorización? Si la única tesis es «la próxima ronda será más cara», ya sabes en cuál de los dos estás parado. Y recuerda quién termina pagando los platos rotos.

La IA no es humo. La burbuja tampoco es el fin del mundo. Pero confundir el valor de una tecnología con la valorización de las empresas que la venden es el error más caro de cada ciclo. Esta vez tengo los datos para no cometerlo.