Análisis La IA y la inversión: cómo afrontar la evolución tecnológica

Ashley Oerth
Senior Investment Strategist, Strategy & Insights
Una mujer profesional hablando con su equipo durante una reunión en la oficina

Principales conclusiones

  • El momentum actual de la IA es fruto de décadas de investigación, importantes avances en computación y la expansión de modelos de aprendizaje profundo.

  • El desarrollo de la inteligencia artificial está favoreciendo una mayor demanda de materias primas, semiconductores, infraestructuras para centros de datos y energía, lo que ha incrementado significativamente las necesidades de inversión y capacidad.

  • Los mercados parecen estar dejando atrás la apuesta generalizada por la beta de la IA para centrarse cada vez más en los fundamentales, la monetización, la disciplina de capital y las consecuencias indirectas de su expansión en distintos sectores.

La inteligencia artificial (IA) ha transformado el liderazgo en los mercados financieros, la asignación de capital, las operaciones empresariales y la forma en que los inversores evalúan las perspectivas de crecimiento a largo plazo. En el caso de los inversores con un horizonte de inversión a largo plazo, la cuestión no es si la IA será relevante, sino de qué manera su evolución transformará el panorama de inversión. En este artículo analizamos el entusiasmo que la IA está despertando entre los inversores y su impacto en la economía, así como la forma en que los mercados están incorporando este fenómeno en sus valoraciones.

La evolución de la IA hasta convertirse en una tecnología de gran alcance

La IA puede parecer un fenómeno que ha surgido de repente, pero los avances actuales son el resultado de décadas de investigación. La IA se definió por primera vez como un campo de investigación formal en la década de 1950, pero la limitada capacidad de computación frenó su desarrollo. Los modelos de IA generativa actuales se basan en el aprendizaje profundo, una rama del aprendizaje automático inspirada en el funcionamiento del cerebro humano. Los conceptos en los que se basa se remontan a la década de 1940, pero entonces requerían una capacidad de computación muy superior a la que podían ofrecer los sistemas anteriores.

La expansión de la computación en la nube durante la década de 2010 permitió el desarrollo de modelos capaces de reconocer texto manuscrito e imágenes y, en última instancia, sentó las bases de los sistemas actuales, como ChatGPT, Claude y Gemini. Sin embargo, esta evolución requiere importantes inversiones de capital, tanto para desarrollar e implementar los modelos como para mantener la infraestructura necesaria para su funcionamiento, incluidos los centros de datos.

Los factores que hacen posible la IA

Desde que la IA generativa se generalizó, su adopción ha avanzado a gran velocidad: más de 2.000 millones de usuarios utilizan ya estas herramientas cada mes en las principales plataformas.1 La tecnología evoluciona en cuestión de semanas, no de años, mientras la inversión en infraestructura de IA sigue creciendo con fuerza. Los grandes proveedores de servicios en la nube estadounidenses prevén destinar 730.000 millones de dólares este año, principalmente a proyectos relacionados con la IA,2 mientras que Gartner estima que el gasto mundial en IA en 2026 superará los 2,5 billones de dólares. En nuestro análisis, la mayoría de las empresas han definido de algún modo sus objetivos y ambiciones en materia de IA.

Gran parte de esta inversión se traduce en una mayor demanda de capacidad de computación. Según Epoch AI, las necesidades de computación de los modelos más avanzados se han duplicado aproximadamente cada seis meses durante la última década. Una vez entrenado un modelo, cada uso genera costes asociados a su funcionamiento, que siguen aumentando a medida que la adopción de la IA se generaliza y surgen nuevos usos, como la IA agéntica.

Para responder a esta demanda, los grandes proveedores de servicios en la nube, los proveedores de nube especializados en IA y los operadores de centros de datos compiten por asegurar el acceso a la capacidad de computación y a los recursos energéticos necesarios en cuatro áreas clave: materias primas, semiconductores, infraestructura para centros de datos y energía.

En nuestra opinión, la disponibilidad de energía podría convertirse en la principal limitación de esta expansión y en el cuarto gran pilar de esta tendencia. La Agencia Internacional de la Energía prevé que el consumo mundial de electricidad de los centros de datos crezca un 15% anual hasta 2030, cuatro veces más rápido que el de cualquier otro sector, hasta alcanzar el 3,0% del consumo total de electricidad.3 En los mercados desarrollados, se espera que los centros de datos representen el 20% del crecimiento de la demanda total de electricidad durante este periodo. A medida que la capacidad de las redes eléctricas se ve cada vez más limitada, los promotores recurren cada vez más a modelos de generación propia mediante fuentes como turbinas de gas natural o energía nuclear, cuya puesta en funcionamiento puede requerir entre cinco y siete años.

De la expansión de la infraestructura a los fundamentales

Hasta ahora, la exposición del mercado a la IA se ha concentrado en los semiconductores y en las empresas vinculadas a los centros de datos. Esta evolución se ha visto favorecida por la rápida expansión de la infraestructura de computación, que está ampliando el alcance de la IA, así como por una adopción creciente tanto entre los consumidores como en el ámbito empresarial.

Esperamos que esta tendencia continúe, aunque con una perspectiva cada vez más matizada. Los mercados están empezando a diferenciar entre empresas en función de la fortaleza de sus balances, la disciplina en la asignación de capital y su capacidad para rentabilizar sus inversiones. Mientras que anteriormente las empresas vinculadas a la IA evolucionaban de forma conjunta dentro de una misma apuesta por la beta de la IA, ahora consideramos que el mercado está prestando mayor atención a los fundamentales, la estructura de capital y la rentabilidad económica asociada a las inversiones necesarias para desarrollar esta infraestructura.

La infraestructura de la IA también se enfrenta a limitaciones físicas, como la disponibilidad de energía, la capacidad de las redes eléctricas y la creciente oposición a nivel local a este tipo de proyectos. Estas fricciones podrían no frenar la expansión de la IA, pero probablemente impulsarán su evolución hacia un modelo más sostenible desde el punto de vista económico y modificarán el perfil de las rentabilidades a largo plazo.

Productividad y crecimiento

El argumento macroeconómico a largo plazo a favor de la IA se sustenta en las mejoras de productividad. La IA generativa puede contribuir a la realización y automatización de tareas, además de complementar el trabajo humano, especialmente en aquellas que requieren un uso intensivo de la información. Los primeros usos, incluido el desarrollo de software, apuntan a que podrían lograrse avances significativos, aunque las estimaciones varían considerablemente. Con el tiempo, es probable que la IA sustituya algunas tareas y transforme muchas otras, mientras que el trabajo humano seguirá desempeñando un papel fundamental.

Si la adopción de la IA sigue patrones similares a los de anteriores ciclos tecnológicos, las mejoras de productividad podrían ser inicialmente graduales y desiguales, para después generalizarse y ganar fuerza con el tiempo. En las economías desarrolladas, donde el envejecimiento de la población y la escasez de mano de obra son factores especialmente relevantes, el potencial de la IA como tecnología capaz de complementar al trabajo cobra especial importancia. A largo plazo, una mayor productividad debería contribuir a sostener el crecimiento y ejercer una presión desinflacionaria.

Disrupción y dispersión entre sectores

A medida que la inteligencia artificial mejora y sus costes disminuyen, la atención se centra cada vez más en quiénes podrían verse afectados por ella, en lugar de en quiénes la desarrollan. El software, los servicios profesionales, la intermediación financiera y otros sectores intensivos en información están cada vez más expuestos a medida que las herramientas de IA transforman o sustituyen determinados modelos de negocio. La evolución de las cotizaciones durante el primer trimestre de 2026 ofrece un ejemplo de algunos de estos temores, como demuestra la mayor presión vendedora sobre las empresas de software a raíz de los recientes avances de la IA.4

No obstante, el impacto de la IA no será homogéneo entre sectores. Las actividades que requieren confianza, responsabilidad y capacidad de explicación, así como aquellas sujetas a un marco regulatorio exigente, que dependen de datos propios, presentan costes de cambio elevados o se desarrollan en entornos muy variables, podrían seguir requiriendo una mayor intervención humana y verse menos afectadas a corto plazo. Esta divergencia podría traducirse en una mayor dispersión de las valoraciones, tanto dentro de cada sector como entre sectores, lo que pone de relieve la importancia de mantener una exposición diversificada entre los inversores con un horizonte a largo plazo.

Una asignación de capital que trasciende la tecnología

Uno de los próximos grandes cambios podría ser la extensión de las oportunidades vinculadas a la IA más allá de un reducido grupo de grandes empresas tecnológicas. Hasta ahora, el liderazgo se ha concentrado especialmente en Estados Unidos y en el sector de los semiconductores, pero comienzan a surgir oportunidades en otros ámbitos y mercados, como China.

Las estrategias nacionales en materia de IA seguirán siendo un factor clave a la hora de definir el marco competitivo. Entre los principales riesgos destacan la sobreinversión, los cambios regulatorios, la fragmentación geopolítica, la reacción social, los cambios en el poder de negociación de los trabajadores y en la distribución de la renta, así como la evolución del marco relativo a la propiedad de los datos y la propiedad intelectual. Todos estos factores podrían contribuir a configurar las estrategias regionales en torno a la IA y condicionar tanto la evolución económica como las respuestas políticas a lo largo del tiempo.

¿Qué implica esto para los inversores a largo plazo?

Creemos que la IA todavía se encuentra en una fase inicial de desarrollo económico. Para los inversores con un horizonte a largo plazo, planteamos las siguientes implicaciones estratégicas: 

  • Nos centramos en el impacto que la IA puede tener a largo plazo sobre la productividad y el crecimiento, especialmente en aquellas economías mejor posicionadas para beneficiarse de su adopción.
  • Esperamos una mayor dispersión de las rentabilidades a medida que la disrupción se extienda más allá del sector tecnológico. 
  • Gestionamos el riesgo de concentración y mantenemos una vigilancia activa sobre las consecuencias indirectas que puedan derivarse de esta transformación.

En nuestra opinión, afrontar la evolución de la IA exige paciencia, perspectiva y la voluntad de mirar más allá de los beneficiarios más evidentes en la actualidad. Seguimos atentos a la evolución del panorama de inversión y a las empresas mejor posicionadas para capturar el valor que genere este nuevo entorno.

Más información sobre nuestras predicciones relacionadas con la IA.

Lee el artículo completo sobre la inteligencia artificial y la inversión.

  • 1

    Basado en los datos de los usuarios de ChatGPT, Gemini, Qwen, Doubao, DeepSeek, Perplexity, Grok y Claude. Esta selección se centra en las aplicaciones independientes de chatbot (“IA como servicio”) y excluye las ofertas integradas (“IA como capa”), como Copilot de Microsoft y ERNIE Bot de Baidu. Fuentes: Invesco Strategy & Insights e informes de la empresa y de los medios de comunicación a 30 de abril de 2026. Las cifras de usuarios incluyen tanto a los usuarios activos semanales como a los mensuales. Algunas cifras no están confirmadas, como las de DeepSeek, Grok y Claude.

  • 2

    Según las previsiones del consenso de Bloomberg sobre el gasto total en inversión de capital de las grandes empresas de inteligencia artificial, un conjunto que incluye a AMZN, GOOGL, META, MSFT y ORCL. Categorizamos a estas empresas como “hiperescaladores de la IA” porque cuentan con importantes plataformas y recursos globales de computación en la nube, así como con experiencia previa en IA. Últimos datos disponibles a 31 de mayo de 2026. Un informe de CreditSights, “Technology: Hyperscaler Capex 2026 Estimates”, del 10 de noviembre de 2025, indica que se prevé que alrededor de tres cuartas partes del gasto de capital se destinen a infraestructuras relacionadas con la inteligencia artificial.

  • 3

    Fuente: Agencia Internacional de la Energía, abril de 2025.

  • 4

    Basado en datos de Bloomberg L.P. y análisis de Invesco Strategy & Insights, a 31 de mayo de 2026.

  • Riesgos de inversión

    El valor de las inversiones y el de cualquier renta fluctuará (en parte como consecuencia de las fluctuaciones de los tipos de cambio) y es posible que los inversores no recuperen la totalidad del importe invertido.

    Información importante

    Datos a 31 de julio de 2026

    El presente es material de marketing y no proporciona asesoramiento financiero. No pretende ser una recomendación de compra o venta de ninguna clase de activos, valores o estrategias en particular. Por lo tanto, no son aplicables los requisitos normativos que exigen la imparcialidad de las recomendaciones de inversión o de estrategia, ni las prohibiciones de negociar antes de su publicación.

    Los puntos de vista y las opiniones se basan en las condiciones actuales del mercado y pueden cambiar.