Wall Street y Silicon Valley hablan idiomas distintos en 2024-2025
En noviembre de 2024, Nvidia cruzó los 3 billones de dólares de capitalización de mercado, según el NASDAQ. Treinta y seis meses antes valía 500 mil millones. Los traders de Wall Street están apostando que la demanda de chips para entrenar IA va a crecer exponencialmente por al menos otra década. Es una apuesta audaz. Posiblemente correcta. Posiblemente una ilusión.
En paralelo, en San Francisco, algunos inversores se hacen la pregunta incómoda. ¿Cuánto tiempo aguanta una carrera así sin que la realidad se meta en el medio?
Los argumentos a favor de un "tercer invierno"
Escuchalos, porque son válidos.
Primero: las valuaciones desconectadas de la realidad. Nvidia cotiza a múltiplos precio/ganancias en el extremo superior del histórico. Se justifica con proyecciones de demanda a largo plazo. Pero las proyecciones son estimaciones. Son frágiles. Si en 2027 la demanda de entrenamiento de IA no crece como se espera, las valuaciones caen fuerte.
Segundo: las promesas están en deflación. Hace dos años se hablaba de "AGI en 5 a 10 años". Hoy los mismos ejecutivos hablan de "mejoras incrementales en tareas específicas". Eso no es progreso narrativo. Es reducción de hype. Según el Gartner Hype Cycle 2024, la IA generativa entró en la fase llamada "tobogán de la desilusión".
Tercero: el venture capital está enojado. Hace 18 meses, el VC invertía en cualquier startup que mencionara "IA" sin preguntar por números. Hoy piden tracción real, usuarios verificables, ingresos. Cuando eso pasa, muchas startups sin números desaparecen.
Cuarto: los gobiernos pueden frenar. El consumo de energía de IA es enorme. Entrenar y servir modelos grandes consume tanta electricidad como ciudades medianas. Si los gobiernos deciden que es derroche o insostenible, pueden poner restricciones. Ya hay movimiento — regulaciones europeas, restricciones de chips hacia China, debates en EE.UU. sobre sostenibilidad.
Quinto: esto se parece a booms pasados. Punto com (2000). Sistemas expertos (1987). Booms inmobiliarios. Mucho dinero, demasiadas promesas, realidad que no alcanza. Después: crash. Invierno.
El argumento está armado. Parece plausible.
Los argumentos en contra: la diferencia estructural
Pero hay una diferencia radical respecto de 1987 y 2000.
En 1987, si los sistemas expertos desaparecían, ¿qué perdía la gente? Los investigadores perdían fondos. Las corporaciones perdían dinero invertido. Pero la mayoría del mundo no dependía de que existieran. Eran nicho. Especializados. Marginales en la vida cotidiana.
Hoy:
Gmail procesa cientos de miles de millones de emails por día. Desde 2005, el filtro de spam usa machine learning. Lo usan miles de millones de personas sin pensar en ello. Nadie lo llama "IA". Es solo que el spam no llega al inbox.
Google Search usa deep learning en su ranking desde hace más de una década. Cuando buscás algo en internet, estás usando modelos de lenguaje neuronales. Unos 8 mil millones de búsquedas por día. Según los reportes financieros de Alphabet, Google genera más de 280 mil millones de dólares anuales en publicidad, en gran parte porque la búsqueda funciona. La IA es inseparable de eso.
Microsoft 365 tiene Copilot integrado en Word, Excel y PowerPoint. Millones de trabajadores corporativos lo usan. Sacar eso hoy significaría romper flujos de trabajo de los que la gente ya depende.
Transcripción automática en Zoom, Teams y Fireflies. Millones de reuniones transcriptas solas cada día. Hablás 60 minutos, tenés el texto en 10 segundos. No existía hace 5 años. Hoy es estándar.
Diagnósticos médicos asistidos por IA. Radiólogos usando machine learning para detectar cáncer. Patólogos usando modelos de visión. Está regulado por la FDA y está salvando vidas. No es especulación.
Si toda esta infraestructura fallara, el impacto sería comparable a un apagón eléctrico masivo. Económicamente insostenible. Políticamente inaceptable. Por lo tanto, muy difícil que suceda.
Y — esto es clave — el dinero ya no viene solo de especulación pública.
Los inviernos previos ocurrieron cuando la financiación estaba concentrada. DARPA en los 70. Venture capital especulativo en los 80 y 90. Hoy la cosa es distinta. Anthropic acumula rondas de inversión que superan los 10 mil millones de dólares, según reportes financieros, pero también genera ingresos porque empresas como Google y Salesforce usan Claude y pagan acceso. OpenAI factura con suscripciones directas (ChatGPT Plus) más contratos corporativos. Google, Microsoft, Meta y Amazon tienen IA embebida en productos que generan ingresos reales (publicidad, productividad, recomendaciones). Stanford HAI y MIT-IBM Watson Lab continúan investigación pública sin depender del VC especulativo.
La financiación es diversificada. Si una fuente se seca, otras mantienen el campo funcionando.
¿Entonces qué viene?
Probablemente una corrección, no un invierno.
Una corrección significa que muchas startups marginales de IA cierran porque no tienen modelo de negocio; que el dinero del VC se pone conservador y solo financia empresas con product-market fit claro; que las acciones de las grandes tech caen 30 a 40% (una corrección normal en bolsa); que los ejecutivos hablan menos de "revoluciones" y más de "mejoras"; que las valuaciones se ajustan hacia abajo.
Pero: la IA que ya funciona se queda. Claude, ChatGPT y Gemini siguen evolucionando. Las empresas siguen usando IA porque ahorra dinero. Los investigadores siguen investigando.
Una corrección es un mercado que madura. Un invierno es una tecnología que fracasa.
La pregunta que te dejo
Mirá lo que usás. Si en 2026 o 2027 ves que startups cierran pero Gmail sigue filtrando spam, Google Search sigue andando y millones de personas siguen abriendo Claude todos los días, eso es corrección. Si ves que todos abandonan la IA al mismo tiempo y desaparece de los productos que usás, eso sí sería invierno. Pero es muy poco probable porque demasiada gente depende de que funcione. Si querés entender con más detalle por qué los ciclos de hype y corrección son estructurales en este campo, leé el #0002 sobre los inviernos anteriores.
La línea fina entre una burbuja y un boom
Imaginá que invertís en algo porque creés que va a explotar en valor. La gente a tu alrededor también invierte. Todos creen. El precio sube. Sube más. Llueve plata. Nadie quiere ser el que se perdió la oportunidad del siglo. Hasta que alguien pregunta lo incómodo: esperá, ¿esto realmente vale lo que estamos pagando?
Entonces todos venden al mismo tiempo. El precio cae. El dinero desaparece. Y la gente que invirtió se pregunta cómo se dejó engañar.
Eso pasó en 1987 con los sistemas expertos. ¿Está pasando ahora con la IA?
Señales de que podría ser una burbuja
Nvidia vale hoy cerca de 3 billones de dólares, según el precio de cierre del NASDAQ en 2024. Hace tres años valía alrededor de 500 mil millones. Ese crecimiento no es sostenible indefinidamente. En algún momento, el mercado se ajusta.
Las promesas bajaron de tono. En 2023 escuchabas ejecutivos hablando de "inteligencia general artificial que viene en 5 años". En 2025, los mismos ejecutivos hablan de "mejoras incrementales en tareas concretas". Cuando las promesas se achican, el hype se está desinflando.
El dinero especulativo se volvió cauto. Hace un año, cualquier startup con "IA" en el pitch levantaba millones sin preguntas. Hoy los inversores piden números reales — usuarios, ingresos, crecimiento verificable. La plata fácil se está yendo.
Pero hay un pero enorme
Gmail, Google Search, Microsoft Copilot, ChatGPT, Claude. Ya están en tus manos. Ya los usás. Ya funcionan.
Si el mercado de IA colapsara mañana, ¿qué pasaría? Tu email seguiría filtrando spam. Tu búsqueda seguiría andando. El análisis de datos en tu empresa seguiría adelante. En 1987, si los sistemas expertos desaparecían, ¿qué perdías? Investigación académica que casi nadie usaba en la vida real. Hoy la IA está embebida en infraestructura de la que miles de millones de personas dependen todos los días.
¿Entonces qué viene?
Probablemente una corrección, no un invierno. Una corrección es: muchas startups cierran, el dinero especulativo desaparece, las acciones tech caen 30 a 40%, las promesas se vuelven modestas. Un invierno sería: la tecnología misma colapsa y los productos dejan de existir.
Mirá lo que usás. Si Claude o ChatGPT dejan de existir, ahí sí estás viviendo un invierno. Si siguen existiendo pero la inversión baja y algunas startups cierran, es corrección.
Para llevarte:
Tres ideas para pinchar. Primero, hay burbuja especulativa, eso es cierto — las valuaciones están infladas y algo va a explotar. Segundo, no es pura burbuja — la IA genera ingresos reales, empresas reales la usan, y ahorran tiempo y dinero concreto. Tercero, corrección y invierno no son lo mismo — una es un mercado que se ajusta, el otro es la muerte de la tecnología. Lo primero es probable. Lo segundo, muy difícil.
Wall Street y Silicon Valley hablan idiomas distintos en 2024-2025
En noviembre de 2024, Nvidia cruzó los 3 billones de dólares de capitalización de mercado, según el NASDAQ. Treinta y seis meses antes valía 500 mil millones. Los traders de Wall Street están apostando que la demanda de chips para entrenar IA va a crecer exponencialmente por al menos otra década. Es una apuesta audaz. Posiblemente correcta. Posiblemente una ilusión.
En paralelo, en San Francisco, algunos inversores se hacen la pregunta incómoda. ¿Cuánto tiempo aguanta una carrera así sin que la realidad se meta en el medio?
Los argumentos a favor de un "tercer invierno"
Escuchalos, porque son válidos.
Primero: las valuaciones desconectadas de la realidad. Nvidia cotiza a múltiplos precio/ganancias en el extremo superior del histórico. Se justifica con proyecciones de demanda a largo plazo. Pero las proyecciones son estimaciones. Son frágiles. Si en 2027 la demanda de entrenamiento de IA no crece como se espera, las valuaciones caen fuerte.
Segundo: las promesas están en deflación. Hace dos años se hablaba de "AGI en 5 a 10 años". Hoy los mismos ejecutivos hablan de "mejoras incrementales en tareas específicas". Eso no es progreso narrativo. Es reducción de hype. Según el Gartner Hype Cycle 2024, la IA generativa entró en la fase llamada "tobogán de la desilusión".
Tercero: el venture capital está enojado. Hace 18 meses, el VC invertía en cualquier startup que mencionara "IA" sin preguntar por números. Hoy piden tracción real, usuarios verificables, ingresos. Cuando eso pasa, muchas startups sin números desaparecen.
Cuarto: los gobiernos pueden frenar. El consumo de energía de IA es enorme. Entrenar y servir modelos grandes consume tanta electricidad como ciudades medianas. Si los gobiernos deciden que es derroche o insostenible, pueden poner restricciones. Ya hay movimiento — regulaciones europeas, restricciones de chips hacia China, debates en EE.UU. sobre sostenibilidad.
Quinto: esto se parece a booms pasados. Punto com (2000). Sistemas expertos (1987). Booms inmobiliarios. Mucho dinero, demasiadas promesas, realidad que no alcanza. Después: crash. Invierno.
El argumento está armado. Parece plausible.
Los argumentos en contra: la diferencia estructural
Pero hay una diferencia radical respecto de 1987 y 2000.
En 1987, si los sistemas expertos desaparecían, ¿qué perdía la gente? Los investigadores perdían fondos. Las corporaciones perdían dinero invertido. Pero la mayoría del mundo no dependía de que existieran. Eran nicho. Especializados. Marginales en la vida cotidiana.
Hoy:
Gmail procesa cientos de miles de millones de emails por día. Desde 2005, el filtro de spam usa machine learning. Lo usan miles de millones de personas sin pensar en ello. Nadie lo llama "IA". Es solo que el spam no llega al inbox.
Google Search usa deep learning en su ranking desde hace más de una década. Cuando buscás algo en internet, estás usando modelos de lenguaje neuronales. Unos 8 mil millones de búsquedas por día. Según los reportes financieros de Alphabet, Google genera más de 280 mil millones de dólares anuales en publicidad, en gran parte porque la búsqueda funciona. La IA es inseparable de eso.
Microsoft 365 tiene Copilot integrado en Word, Excel y PowerPoint. Millones de trabajadores corporativos lo usan. Sacar eso hoy significaría romper flujos de trabajo de los que la gente ya depende.
Transcripción automática en Zoom, Teams y Fireflies. Millones de reuniones transcriptas solas cada día. Hablás 60 minutos, tenés el texto en 10 segundos. No existía hace 5 años. Hoy es estándar.
Diagnósticos médicos asistidos por IA. Radiólogos usando machine learning para detectar cáncer. Patólogos usando modelos de visión. Está regulado por la FDA y está salvando vidas. No es especulación.
Si toda esta infraestructura fallara, el impacto sería comparable a un apagón eléctrico masivo. Económicamente insostenible. Políticamente inaceptable. Por lo tanto, muy difícil que suceda.
Y — esto es clave — el dinero ya no viene solo de especulación pública.
Los inviernos previos ocurrieron cuando la financiación estaba concentrada. DARPA en los 70. Venture capital especulativo en los 80 y 90. Hoy la cosa es distinta. Anthropic acumula rondas de inversión que superan los 10 mil millones de dólares, según reportes financieros, pero también genera ingresos porque empresas como Google y Salesforce usan Claude y pagan acceso. OpenAI factura con suscripciones directas (ChatGPT Plus) más contratos corporativos. Google, Microsoft, Meta y Amazon tienen IA embebida en productos que generan ingresos reales (publicidad, productividad, recomendaciones). Stanford HAI y MIT-IBM Watson Lab continúan investigación pública sin depender del VC especulativo.
La financiación es diversificada. Si una fuente se seca, otras mantienen el campo funcionando.
¿Entonces qué viene?
Probablemente una corrección, no un invierno.
Una corrección significa que muchas startups marginales de IA cierran porque no tienen modelo de negocio; que el dinero del VC se pone conservador y solo financia empresas con product-market fit claro; que las acciones de las grandes tech caen 30 a 40% (una corrección normal en bolsa); que los ejecutivos hablan menos de "revoluciones" y más de "mejoras"; que las valuaciones se ajustan hacia abajo.
Pero: la IA que ya funciona se queda. Claude, ChatGPT y Gemini siguen evolucionando. Las empresas siguen usando IA porque ahorra dinero. Los investigadores siguen investigando.
Una corrección es un mercado que madura. Un invierno es una tecnología que fracasa.
La pregunta que te dejo
Mirá lo que usás. Si en 2026 o 2027 ves que startups cierran pero Gmail sigue filtrando spam, Google Search sigue andando y millones de personas siguen abriendo Claude todos los días, eso es corrección. Si ves que todos abandonan la IA al mismo tiempo y desaparece de los productos que usás, eso sí sería invierno. Pero es muy poco probable porque demasiada gente depende de que funcione. Si querés entender con más detalle por qué los ciclos de hype y corrección son estructurales en este campo, leé el #0002 sobre los inviernos anteriores.
Distinguir corrección especulativa de invierno tecnológico
La pregunta sobre un "tercer invierno" de IA requiere una distinción conceptual que la conversación pública casi nunca hace. Hay tres cosas distintas que pueden ocurrir: una corrección de valuaciones especulativas, una contracción en la financiación de investigación y un colapso de la tecnología subyacente. Las tres son plausibles con distinta probabilidad. Mezclar las tres es el error analítico más común del debate.
La historia sugiere que una corrección especulativa es probable, una contracción parcial de investigación es posible, pero un colapso tecnológico es estructuralmente improbable dada la infraestructura de embebimiento actual. Veamos por qué.
Análisis de riesgos especulativos: señales de exuberancia irracional
El mercado de IA muestra características que han precedido correcciones previas en otros sectores. La primera es el desacoplamiento entre valuación e ingresos verificables. Nvidia cotiza a múltiplos de P/E forward por encima del rango histórico del S&P 500, que suele ubicarse entre 18 y 20 veces. La justificación de ese premium es que la demanda de semiconductores para entrenar IA crecerá exponencialmente hasta 2035 o más. Pero esa proyección es de cola larga, asume que no hay sustituciones tecnológicas (chips más eficientes, modelos que requieren menos cómputo) e ignora riesgos regulatorios (restricciones de consumo energético, sanciones geopolíticas). Si las proyecciones no se cumplen, el múltiplo se ajusta hacia la mediana histórica y eso implica correcciones de valuación de 40 a 60% en mega-cap de semiconductores.
La segunda señal es la heterogeneidad de casos de uso empresariales con ROI incierto. Según el State of AI report de McKinsey 2024, las empresas que adoptaron "copilots" empresariales muestran variabilidad alta en ganancia de productividad — entre 10 y 30% según sector —, adopción inconsistente entre departamentos y métricas de retorno reportadas frecuentemente como anecdóticas en lugar de datos cuantitativos. Si las empresas concluyen en 2026 o 2027 que el ROI de la inversión en IA corporativa está por debajo de las promesas, los presupuestos se reducen.
La tercera señal son los ciclos de asignación de capital dominados por el FOMO (fear of missing out). El venture capital está compitiendo por "deals de IA" más que evaluando el mérito del emprendimiento subyacente. Esto se evidencia en tasas de quiebra de startups de IA superiores al promedio histórico de VC, dinero que sigue fluyendo a empresas sin tracción y múltiplos de valuación en startups de IA dos a tres veces superiores a los de comparables no-IA con tracción similar.
La cuarta es la deflación de promesas públicas. Varios ejecutivos de frontera — notablemente Yann LeCun en Meta — han ajustado expectativas desde "AGI probablemente en 5-10 años" (2022-2023) hacia "mejoras incrementales en capacidades específicas" (2024-2025). Es compresión de hype, señal clásica de que el mercado está en la parte bajante del Gartner Hype Cycle 2024 para generative AI, clasificada oficialmente como "trough of disillusionment".
El pronóstico razonable es una corrección de 30 a 50% en valuaciones de mega-cap tech vinculadas a IA más consolidación de startups, con cierre del 50% o más en segmentos especulativos, en un horizonte de 24 a 36 meses. Eso es normal en ciclos especulativos. No es un invierno.
Análisis de riesgos tecnológicos: ¿es posible un invierno completo?
La pregunta de fondo es si una corrección especulativa equivale a un colapso de la tecnología IA en sentido de primer o segundo invierno. La respuesta es no, y los motivos son estructurales.
Los dos inviernos previos tuvieron causas técnicas reales. El primero (1974-1980): la IA de la arquitectura von Neumann con los datasets disponibles en los 60 era infactible para los objetivos prometidos. La crítica de Lighthill era técnicamente válida. El segundo (1987-1993): los sistemas expertos eran frágiles, no generalizaban, no escalaban. La tecnología misma tenía límites fundamentales demostrables.
La IA moderna no tiene esos límites estructurales de la misma manera. Los modelos de lenguaje basados en Transformers tienen limitaciones conocidas (alucinaciones, sesgos, falta de razonamiento robusto en algunos dominios), pero también capacidades demostrables a escala que ningún enfoque previo alcanzó. El límite no es "esta tecnología no funciona" sino "esta tecnología no cumple las promesas máximas del hype".
Además, la diferencia más importante es el embebimiento en infraestructura crítica con efectos económicos difusivos. Google Search, con miles de millones de búsquedas por día y rankings basados en deep learning desde hace más de una década, genera más de 280 mil millones de dólares anuales en publicidad según los reportes financieros de Alphabet. Desacoplar IA de Search requeriría un rediseño de arquitectura fundamental. Económicamente inviable. Gmail, con cientos de miles de millones de emails diarios, filtra spam con ML desde 2005. Microsoft 365 Copilot está integrado en Word, Excel, PowerPoint y Outlook usado por millones de empresas. Los diagnósticos médicos asistidos por IA están regulados por la FDA y salvando vidas medidas. La diferencia respecto a 1987 es categórica: los sistemas expertos eran nicho, los podías remover sin impacto difusivo. Hoy, remover IA de la infraestructura establecida es como remover electricidad de la red.
La diversificación de financiación elimina la concentración que caracterizó los inviernos previos. En el primer invierno, la financiación estaba concentrada en DARPA y el gobierno del Reino Unido. En el segundo, VC especulativo y corporativo limitado. Hoy, Anthropic acumula más de 10 mil millones de dólares en rondas pero también tiene ingresos operativos crecientes. OpenAI factura con suscripciones (ChatGPT Plus) y contratos empresariales. Google, Microsoft y Meta tienen IA embebida en productos con flujos de ingresos propios. Universidades (Stanford, MIT, Berkeley, CMU) continúan investigación sin depender de VC. Si la financiación especulativa se seca, la investigación básica y comercial sigue porque las fuentes son múltiples.
El costo geopolítico de la desfinanciación también es prohibitivo. En 1974, desfinanciar IA estadounidense era políticamente viable porque el campo era marginal. Hoy, Estados Unidos versus China en IA es un juego geopolítico de frontera. Desfinanciar IA estadounidense significaría ceder liderazgo a China en tecnología de punta. Políticamente inaceptable para cualquier administración. Por lo tanto, una desfinanciación coordinada a escala de invierno es improbable.
La validación de casos de uso reales con ROI medible completa el cuadro. GitHub Copilot reporta estadísticas donde aproximadamente la mitad del código nuevo en ciertas plataformas empresariales pasa por asistencia de IA. Es medible. Es verificable. En 1987, los sistemas expertos intentaban resolver el diagnóstico médico y fallaban en los bordes sin producir ROI consistente. La diferencia: la IA moderna tiene casos de uso reales donde el valor es cuantificable, no solo narrado.
Escenarios probabilísticos
Este blog estima tres escenarios para el horizonte 2026-2028.
El primero, con probabilidad alrededor del 70%, es corrección especulativa con consolidación. Las valuaciones de mega-cap tech caen 30 a 50%. Entre el 50 y 70% de las startups de IA financiadas especulativamente cierran. El dinero de VC se vuelve conservador. Empresas con product-market fit claro (Anthropic, OpenAI, productos internos de Google, Microsoft y Meta) continúan. El resultado es concentración de poder, eliminación de competencia marginal y estabilización del mercado a valuaciones más racionales.
El segundo, con probabilidad alrededor del 20%, es regulación gubernamental restrictiva. Los gobiernos implementan restricciones al consumo energético (impuestos al carbono en data centers), límites al acceso a chips (tecnología) o regulación del entrenamiento (privacidad). Esto ralentiza pero no detiene el campo. El resultado es fragmentación geográfica (EE.UU., China y UE con sistemas cada vez más independientes), no un colapso global.
El tercero, con probabilidad alrededor del 10%, es invierno completo. Requeriría simultáneamente el descubrimiento de que los modelos de lenguaje modernos tienen límites fundamentales que bloquean escalabilidad, desfinanciación coordinada de múltiples fuentes, regulación global prohibitiva y confirmación de infactibilidad técnica. Es posible pero muy poco probable dada la diversificación actual de financiación y el embebimiento en infraestructura.
La tesis del blog
Acá va lo que este blog cree, mirando con cuidado la fenomenología histórica y la estructura actual del mercado. Un invierno al estilo 1974 o 1987 es hoy una hipótesis extrema que requiere la conjunción simultánea de varios eventos improbables. Una corrección especulativa seria — startups cerrando, VC conservador, caídas de 30-50% en mega-cap — es prácticamente segura en un horizonte de 24-36 meses. Pero la infraestructura de IA que ya funciona va a sobrevivir a esa corrección. Y eso implica algo útil y directo para quien está leyendo esto.
Para el usuario profesional, el riesgo de que herramientas como Claude o ChatGPT desaparezcan es muy bajo. El riesgo de que precios aumenten — si hay regulación energética o consolidación de oferta — es moderado. La habilidad que estás construyendo ahora (saber promptear, saber estructurar contexto, saber delegar tareas específicas) se paga independientemente del ciclo. Para el inversor, el riesgo en startups sin tracción verificable es alto. El riesgo en mega-cap es moderado. La oportunidad real está en especialización vertical donde hay product-market fit demostrado. Para el investigador, la financiación pública va a continuar por importancia geopolítica. La financiación privada se va a consolidar — más concentrada, menos especulativa, más exigente.
Los inviernos no matan a las tecnologías que la gente usa todos los días. Matan a las tecnologías que la gente prometió sin entregar. La diferencia es la que decide lo que viene.
