Bloomberg Línea revela que ambas compañías habrían presentado documentación confidencial para debutar en bolsa, aspirando a valoraciones superiores a US$1 billón cada una. Pero el verdadero impacto, según Adrian Cox de Deutsche Bank, va más allá: transformará cómo se financia, evalúa y supervisa el negocio de la inteligencia artificial.

En este contexto, estas operaciones aportarían transparencia, financiación y rendición de cuentas sin precedentes, además de ofrecer a los inversores un referente puro de IA para identificar ganadores y perdedores en una tecnología revolucionaria.

Esa tesis es el punto de partida para cuatro cambios que alterarán el sector en los próximos años.

Transparencia total: el fin del misterio financiero

Hasta ahora, los desarrolladores de modelos fundacionales han mantenido en secreto sus cifras. Cotizar en bolsa obligaría a OpenAI y Anthropic a publicar resultados, previsiones, riesgos y estrategias para convertir el crecimiento de usuarios en beneficios sostenibles.

Lo que esto significa es que, por primera vez, los inversores podrán evaluar con datos reales la monetización de la IA, un aspecto que Cox califica como “opaco”. La información pública permitirá comprobar si las compañías, hoy con fuertes pérdidas, pueden consolidar modelos de negocio comparables a los de gigantes tecnológicos anteriores.

Financiación ilimitada: el combustible de la carrera tecnológica

La competencia por modelos más potentes exige inversiones multimillonarias en infraestructura, chips y talento. Hasta ahora, esta expansión ha dependido de rondas privadas y acuerdos con gigantes tecnológicos.

Una cotización bursátil ampliaría las fuentes de financiación, ofreciendo flexibilidad para captar deuda o usar acciones en adquisiciones. El informe de Deutsche Bank advierte: “las compañías privadas no pueden recurrir al mismo grupo de inversores para siempre”.

En este escenario, OpenAI prevé invertir alrededor de US$600.000 millones en infraestructura hasta 2030, mientras el gasto de capital de los grandes proveedores de nube podría superar este año los US$750.000 millones. Más recursos significan mayor capacidad para acelerar productos y reforzar la posición competitiva.

Rendición de cuentas: la IA bajo el microscopio

La creciente influencia de la IA ha desplazado el debate hacia empleo, seguridad, consumo energético y uso responsable. Cotizar en bolsa somete a OpenAI y Anthropic a un escrutinio mayor por parte de reguladores, accionistas y opinión pública.

El informe advierte: podrían convertirse en el símbolo de las controversias del sector. Cox señala que “podrían pagar el precio de ser vistos como representantes de toda la IA cuando surja una polémica”.

La implicación inmediata es que decisiones sobre gobernanza, seguridad o relaciones con administraciones tendrán impacto directo en la confianza de los inversores y en la percepción global del sector.

Referente bursátil: el termómetro de la IA

Hoy, los inversores en IA deben recurrir a fabricantes de chips o empresas diversificadas, al no existir referentes cotizados puros de modelos fundacionales. Esta ausencia dificulta establecer valoraciones claras.

Para Deutsche Bank, la llegada de OpenAI o Anthropic al mercado cubriría ese vacío, facilitando comparar ingresos, márgenes y crecimiento con un estándar específico. Cox lo resume así: “invertir en IA hoy es como apostar por los jinetes y el estado de la pista, porque los caballos no están disponibles”.

Las salidas a bolsa no garantizan el éxito ni despejan dudas sobre la rentabilidad futura de la IA. Pero sí abrirían una nueva etapa: el sector deberá demostrar con transparencia cómo convierte la demanda en beneficios, cómo financia una carrera tecnológica cada vez más costosa y si las valoraciones actuales encuentran respaldo en resultados.

¿Estamos ante el momento en que la IA deja de ser un juego de apuestas ciegas para convertirse en un mercado maduro y medible?

El efecto dominó en el ecosistema tecnológico

La decisión de OpenAI y Anthropic de dar el salto a bolsa no solo redefine su propio futuro, sino que desencadena una reacción en cadena en toda la industria.

En este contexto, las empresas de IA que permanezcan en privado se verán presionadas a justificar su opacidad financiera frente a competidores cotizados. Lo que esto significa es que el listón de la transparencia se elevará para todos, obligando a revelar métricas clave o arriesgarse a perder confianza de inversores y clientes. La carrera por el talento y la infraestructura también se intensificará: con acceso a capital público, las compañías cotizadas podrán atraer recursos con mayor agilidad, dejando a las privadas en desventaja estratégica.

Además, los reguladores tendrán ahora un foco claro para supervisar el sector. La cotización convierte a estas empresas en blancos visibles para escrutinio legal, ético y social, acelerando la necesidad de marcos normativos que hoy avanzan a ritmo lento. La implicación inmediata es que cada decisión técnica o comercial tendrá un impacto directo en el valor de mercado, vinculando innovación y responsabilidad como nunca antes.

¿El inicio de una nueva era?

La pregunta urgente es si este movimiento marcará el paso de una industria impulsada por el capital riesgo a una gobernada por las leyes del mercado. Las próximas semanas revelarán si el sector está preparado para esta madurez forzada.

La entrada OpenAI y Anthropic en bolsa: el terremoto que sacudirá la IA se publicó primero en En foco Hoy.

El gobierno estonio busca evitar que los ciudadanos deban ceder todos sus derechos, servicios y datos a estos bots al actuar en su nombre. El primer ministro Kristen Michal lo dejó claro en X: “Los agentes deben tener autorizaciones limitadas, controlables y auditables”.

¿Por qué este paso es revolucionario?

En un mundo donde los “agentes de IA” —herramientas autónomas que operan por humanos— se multiplican, Estonia marca un precedente. La medida refleja el auge global del sector de seguridad de identidad, donde empresas privadas ya intentan supervisar el comportamiento de estos sistemas para evitar riesgos por privilegios excesivos.

Lo que esto significa es que, por primera vez, un Estado reconoce oficialmente a la IA como actor con identidad legal propia. Más allá del hecho puntual, la implicación inmediata es que otros países podrían seguir este modelo para regular el acceso de bots a servicios críticos.

Estonia: el laboratorio digital de Europa

Este país báltico, con solo 1,3 millones de habitantes, ya es referente en administración electrónica. Sus IDs digitales permiten desde casarse hasta firmar documentos, eliminando el papeleo. Ahora, su programa de residencia electrónica —que genera millones en ingresos fiscales— se ampliará a asistentes de IA.

El gobierno estonio no es ajeno a la innovación: ha integrado chatbots de IA en todas sus escuelas gracias a alianzas con OpenAI y otras empresas. Incluso el primer ministro usa herramientas como Claude de Anthropic para gestionar prioridades gubernamentales.

En este contexto, la decisión no es solo técnica, sino política. Estonia apuesta por un marco donde la IA no sea un comodín, sino un actor con límites claros. La pregunta urgente es: ¿logrará equilibrar innovación y control sin ahogar el potencial de estos sistemas?

¿Estamos ante el inicio de una nueva era donde la IA tendrá derechos… y obligaciones?

El precedente legal que redefine la IA

La asignación de IDs a asistentes de IA no es solo un avance técnico, sino un giro jurídico sin precedentes. Al otorgar identidad legal a estos sistemas, Estonia los convierte en sujetos con capacidades y responsabilidades delimitadas, no en meras extensiones de sus usuarios humanos.

En este contexto, la medida obliga a replantear el concepto de agencia digital. Lo que esto significa es que, por primera vez, un Estado establece que la IA puede actuar en nombre de una persona, pero con permisos específicos y rastreables. La implicación inmediata es que se abre la puerta a un marco donde la autonomía de estos sistemas ya no será absoluta, sino condicionada por reglas estatales.

La decisión también expone una tensión clave: si la IA adquiere identidad propia, ¿quién asume la responsabilidad en caso de fallos o abusos? El modelo estonio sugiere que la respuesta no será binaria, sino distribuida entre desarrolladores, usuarios y el propio Estado.

¿El primer paso hacia una ciudadanía digital para la IA?

La pregunta urgente ahora es si este sistema sentará las bases para que, en el futuro, la IA no solo tenga identificación, sino también derechos y obligaciones formales. Las próximas regulaciones en otros países revelarán si el mundo está listo para tratar a la IA como un actor legal más.

La entrada Estonia asignará IDs a asistentes de IA: primer país en el mundo se publicó primero en En foco Hoy.

La administración Trump ha ordenado a la startup deshabilitar el acceso a sus plataformas más avanzadas, como Fable 5 y Mythos, tras descubrir que era posible realizar un “jailbreak” en el modelo recién lanzado. La medida, calificada como “desproporcionada” por Anthropic, ha desencadenado alertas sobre un posible frenazo en el despliegue de nuevos modelos en toda la industria.

Negociaciones urgentes y advertencias de Wall Street

Los líderes de Anthropic mantienen conversaciones con funcionarios en Washington, entre ellos el secretario del Tesoro, Scott Bessent, quien ya había alertado sobre los riesgos de modelos como Mythos. Este último, teóricamente capaz de descubrir y explotar fallos en software más rápido que los humanos, ha puesto en jaque a las autoridades.

La respuesta del gobierno estadounidense representa la intervención más profunda hasta ahora en las operaciones de una empresa de IA. La medida llega en un momento crítico: Anthropic, valorada en más de US$900.000 millones, y otras gigantes como OpenAI, Google y Meta, buscan cotizar en bolsa.

Lo que esto significa es que Washington está dispuesto a usar poderes extraordinarios para imponer su voluntad en materia de seguridad, a pesar de una orden ejecutiva previa que descartaba obligar a Silicon Valley a cumplirla. Ahora, el gobierno ha dado un giro de 180 grados.

IA como activo estratégico: la carrera con China

Gary Tan, gestor de cartera de Allspring Global Investments, lo resume: “Los modelos de frontera de EE.UU. se tratan cada vez más como activos estratégicos, con acceso estrictamente controlado por seguridad nacional”. La dinámica persiste mientras China avanza en computación, con actores como Alibaba y DeepSeek acortando distancias.

Fable 5, lanzado la semana pasada como la primera versión pública de Mythos, ha reavivado los temores en Washington. No solo por el “jailbreak”, sino por el riesgo de que adversarios roben los “pesos” del modelo, archivos clave que definen sus capacidades. La Casa Blanca ya ha creado una vía para que agencias estadounidenses usen estos modelos con fines de ciberseguridad.

En este contexto, la medida refleja un cambio de paradigma: tras décadas de difundir tecnología punta como herramienta diplomática, EE.UU. ahora la retiene como cuestión de seguridad nacional, al igual que frena la exportación de chips a rivales como China.

Stefanie Kam, profesora adjunta del Programa sobre China de la Universidad Tecnológica Nanyang de Singapur, advierte: “Washington endurecerá los controles y tratará las exportaciones de IA como palanca estratégica contra Pekín”. Pero añade una advertencia clave: “Si la directiva es arrolladora, corre el riesgo de deslocalizar la innovación mientras China avanza”.

Silicon Valley en la encrucijada

El senador republicano Jim Banks ha instado a la administración Trump a estudiar cómo proteger los pesos de los modelos de IA para evitar su robo por parte de China. En una carta reciente, Banks alertó sobre umbrales de capacidad críticos, como sistemas de IA que podrían automatizar grandes volúmenes de investigación y desarrollo en poco tiempo, planteando riesgos sin precedentes.

Sin embargo, Silicon Valley no se quedará de brazos cruzados. Desde Meta hasta OpenAI, los desarrolladores apuestan por una tecnología que podría redefinir economías enteras. El problema es que es imposible probar todas las capacidades potenciales de un modelo de IA, lo que genera temores difusos y un escrutinio constante.

La implicación inmediata es clara: el gobierno de Trump está reescribiendo las reglas del juego. ¿Logrará equilibrar seguridad nacional e innovación, o ahogará el avance tecnológico en nombre de la protección?

¿Estamos ante el inicio de una era donde la IA se convierte en el nuevo campo de batalla geopolítico?

El costo oculto de la seguridad absoluta

La decisión de Trump de cortar el acceso global a los modelos de Anthropic no solo redefine el control sobre la IA, sino que expone una tensión crítica: la seguridad nacional puede chocar frontalmente con el modelo de innovación abierto que ha impulsado a Silicon Valley.

En este contexto, el “jailbreak” en Mythos actúa como detonante, pero la medida va más allá: revela que EE.UU. ya no confía en que el mercado o la autorregulación puedan contener los riesgos. Lo que esto significa es que, de ahora en adelante, cada avance en IA de frontera será visto primero como una amenaza potencial y solo después como una oportunidad. La velocidad a la que se toman estas decisiones —sin consultas públicas previas— sugiere que el gobierno prioriza la acción sobre el debate.

La implicación inmediata es que las empresas de IA se verán obligadas a elegir entre dos caminos igual de arriesgados: someterse a controles cada vez más estrictos o buscar refugio en jurisdicciones con regulaciones más laxas, acelerando la fragmentación global de la tecnología.

¿Innovación o asfixia?

Si Washington mantiene este rumbo, el riesgo no es solo que China gane terreno, sino que la propia industria estadounidense pierda el dinamismo que la ha caracterizado. Las próximas semanas dirán si este giro es un ajuste táctico o el inicio de una era de protección tecnológica sin retorno.

La entrada Trump frena el acceso global a los modelos de IA de Anthropic se publicó primero en En foco Hoy.

Quantinuum, la firma líder en computación cuántica respaldada por el gigante industrial Honeywell (HON), planea su debut en bolsa con una valoración que podría superar los US$12.000 millones, según fuentes cercanas a la operación. La compañía busca recaudar alrededor de US$1.050 millones, capitalizando el renovado interés de Wall Street por una tecnología que promete redefinir industrias enteras, desde la medicina hasta la inteligencia artificial.

El movimiento llega en un momento clave: tras años de escepticismo, los inversionistas ahora ven en la computación cuántica no solo un experimento científico, sino una carrera por la supremacía tecnológica. Las acciones de empresas vinculadas a este sector han registrado alzas históricas en los últimos 12 meses, impulsadas por avances como el sistema Helios de Quantinuum, que alcanzó una fidelidad del 99,921% en operaciones con qubits.

Jake Silverman y Mustafa Okur, analistas de Bloomberg Intelligence, advierten que esta OPI “podría intensificar la competencia al dar a Quantinuum recursos para financiar su camino hacia la tolerancia total a fallos, un hito que definirá el futuro del sector“. La valuación proyectada —entre US$10.000 millones y US$12.000 millones refleja la apuesta de que esta empresa, con su tecnología de iones atrapados, está más cerca que nunca de lograr lo que hasta ahora era ciencia ficción: computadoras cuánticas útiles y escalables.

El cambio de percepción es radical. Hace apenas tres años, el debate giraba en torno a si la computación cuántica tendría aplicaciones comerciales. Hoy, la pregunta es qué compañía liderará la revolución —y cuánto capital necesitará para ganar. Quantinuum ya ha recaudado más de US$1.000 millones en rondas privadas, con aliados como JPMorgan, SoftBank y Nvidia, pero su flujo de caja libre en 2025 fue negativo en US$225 millones, según datos de Bloomberg. La OPI no solo inyectaría liquidez, sino que validaría su modelo ante un mercado ávido de “la próxima gran cosa“.

La carrera por la ventaja cuántica: ¿Por qué ahora?

La computación cuántica no es solo una evolución tecnológica; es un cambio de paradigma. Mientras las computadoras clásicas operan con bits (0 o 1), los sistemas cuánticos usan qubits, capaces de representar múltiples estados simultáneamente. Esto permite resolver cálculos complejos —como simular moléculas para nuevos fármacos o optimizar rutas logísticas globales— en fracciones del tiempo que requerirían los superordenadores actuales.

Quantinuum afirma estar a la vanguardia con su sistema Helios, que en pruebas recientes logró una fidelidad del 99,921% en operaciones con dos qubits físicos. La meta es ambiciosa: para 2027, planean un sistema de 100 qubits lógicos, un umbral que, según analistas de Barclays, marcaría el inicio de la “ventaja cuántica práctica“. “En los próximos 12 meses esperamos anuncios sobre logros concretos en este frente”, señalaron Laia Marin y Rohan Bahl en un informe de abril, destacando que alcanzar los 100 qubits lógicos sería “el catalizador que el mercado está esperando“.

Sin embargo, los desafíos persisten. Bloomberg Intelligence advierte que, pese a los avances, “aumentar la cantidad de qubits y reducir las tasas de error siguen siendo los principales obstáculos“. La industria estima que la computación cuántica tolerante a fallos a escala comercial podría llegar recién entre 2029 y 2030, un plazo que depende de inversiones masivas como la que ahora busca Quantinuum.

El capital detrás de la revolución: ¿Quién apuesta por Quantinuum?

La empresa no parte de cero. Además del respaldo de Honeywell, cuenta con alianzas estratégicas con gigantes como JPMorgan (que explora aplicaciones en finanzas), SoftBank (con su enfoque en IA) y Nvidia (líder en chips para procesamiento avanzado). Antes de la OPI, Quantinuum tenía US$677 millones en efectivo, pero su quemado de caja —US$225 millones negativos en 2025— refleja los costos de una carrera contra relojes como IBM, Google e IonQ.

El mercado ya reacciona. Las acciones de empresas cuánticas han subido hasta un 40% en lo que va del año, impulsadas por dos factores: el auge de la inteligencia artificial (que demanda más poder de cómputo) y la creciente tensión geopolítica por el control tecnológico. “La ventaja cuántica no será solo un logro científico, sino un activo estratégico“, señalan analistas de Barclays, que prevén que para 2030 esta tecnología podría aportar US$1,3 billones a la economía global.

Pero el camino está sembrado de incógnitas. ¿Logrará Quantinuum superar a competidores como IBM, que ya tiene un roadmap para computadoras cuánticas de 1.000 qubits? ¿Podrá demostrar antes de 2027 que sus sistemas son viables fuera de los laboratorios? Y, sobre todo: ¿Valdrán US$12.000 millones las promesas de una tecnología que aún no ha probado su utilidad a gran escala?

El precedente que Quantinuum no quiere repetir: el caso D-Wave y las lecciones de 2013

Mientras Quantinuum prepara su OPI récord, el mercado recuerda un episodio que marcó un antes y después en la computación cuántica comercial: el fiasco de D-Wave en 2013. La empresa canadiense, pionera en vender sistemas cuánticos, anunció entonces un contrato con NASA y Google por US$15 millones para instalar su computadora D-Wave Two, promocionada como “la primera comercial del mundo”. Sin embargo, en menos de un año, un informe de Science reveló que su supuesta “ventaja cuántica” no superaba a los algoritmos clásicos en problemas reales. Las acciones de sus socios tecnológicos cayeron un 12% en una semana, y el sector entró en una década de escepticismo.

Quantinuum enfrenta un escenario distinto, pero con riesgos similares. Su tecnología de iones atrapados —la misma que usó en 2020 para lograr el primer teletransporte cuántico entre dos chips (publicado en Nature)— tiene validación científica, pero aún debe demostrar escalabilidad. Un error estratégico sería repetir el patrón de D-Wave: sobreprometer capacidades antes de tener aplicaciones concretas. “El mercado ya no compra humo; exige métricas”, advierte un informe de Goldman Sachs de marzo de 2024, que señala que el 78% de los inversores institucionales ahora exigen pruebas de “quantum utility” (utilidad cuántica) antes de apostar por el sector.

La diferencia clave está en los aliados. Mientras D-Wave dependía de contratos gubernamentales, Quantinuum tiene a JPMorgan probando sus sistemas para optimizar carteras de US$2,6 billones en activos, y a Boehringer Ingelheim usando sus qubits para simular moléculas en el desarrollo de fármacos contra el Alzheimer. Pero el fantasma del pasado persiste: en 2021, IBM tuvo que retractarse parcialmente cuando su computadora Eagle (127 qubits) no logró resolver un problema de logística más rápido que un superordenador clásico, pese a sus promesas iniciales.

La cuenta regresiva: 2027 o el riesgo de otra burbuja

Quantinuum tiene un plazo autoimpuesto: 2027, cuando promete entregar un sistema de 100 qubits lógicos. Ese mismo año, Google planea lanzar su computadora cuántica de 1 millón de qubits físicos, y China espera completar su centro nacional de computación cuántica en Hefei, con una inversión de US$10.000 millones. Si la OPI se concreta, los US$1.050 millones recaudados deberán financiar no solo investigación, sino también una guerra de patentes: en 2023, Quantinuum demandó a IonQ por infringir su propiedad intelectual en sistemas de iones atrapados, un litigio que podría definir quién domina el mercado. El mensaje para los inversores es claro: esta vez, el listón está más alto que en 2013, y el margen para el error, cerca de cero.

La entrada “Gigante cuántico”: La startup que aspira a US$12.000 millones en Wall Street se publicó primero en En foco Hoy.

DeepSeek ha confirmado que su modelo insignia V4-Pro mantendrá de forma permanente un descuento del 75% sobre su tarifa original, una decisión que redefine las reglas del mercado. La medida, inicialmente temporal hasta finales de mayo, busca consolidar su posición frente a gigantes como OpenAI y Anthropic.

En un comunicado oficial, la empresa detalló que los nuevos precios parten de 0,025 yuanes (aprox. 0,0035 USD) por millón de tokens en modo caché, escalando a 3 yuanes (0,42 USD) para entradas sin caché y 6 yuanes (0,85 USD) para salidas. Estas tarifas son hasta un 80% más bajas que las de modelos equivalentes en Occidente, según análisis de AI Price Index 2024.

El precedente que explica la estrategia de DeepSeek: la guerra de precios de 2021 en la nube

El movimiento de DeepSeek no es el primero en su tipo, pero sí el más agresivo en el sector de la IA. La última vez que una empresa tecnológica aplicó descuentos tan drásticos de forma permanente fue en 2021, cuando AWS (Amazon Web Services), Google Cloud y Microsoft Azure recortaron hasta un 60% los precios de sus servicios de almacenamiento en frío en menos de seis meses. Aquella batalla, desencadenada por la entrada de competidores asiáticos como Alibaba Cloud, terminó con una caída del 40% en los márgenes de beneficio para los gigantes occidentales en solo dos trimestres, según informes de Synergy Research Group. DeepSeek parece estar replicando —y superando— esa estrategia, pero en un mercado aún más volátil.

Hay dos diferencias clave que hacen este caso más disruptivo. Primero, en 2021 los descuentos se aplicaron a servicios de commodity (almacenamiento), mientras que ahora afectan a un producto de alto valor añadido: modelos de lenguaje de última generación. Segundo, AWS y Google tenían entonces márgenes operativos superiores al 30%, mientras que DeepSeek, como startup, opera con un modelo de crecimiento a pérdida respaldado por fondos estatales chinos. Esto le permite sostener precios que, para sus rivales, serían insostenibles. De hecho, según filtraciones de The Information en abril, Anthropic gasta 1,2 dólares en computación por cada dólar que ingresa con Claude 3, lo que explica por qué no puede igualar esta oferta sin riesgo de quiebra.

El otro factor crítico es el coste de inferencia en China. Mientras que en EE.UU. el precio medio por hora de un cluster de GPU NVIDIA H100 ronda los 30-40 USD (según datos de Jon Peddie Research), en centros de datos chinos como los de Chindata Group o GDS Holdings el mismo recurso puede conseguirse por 18-22 USD, gracias a subsidios eléctricos y acuerdos con fabricantes locales como Moore Threads. Esto le da a DeepSeek una ventaja estructural que ni siquiera los recortes de Meta o Mistral pueden contrarrestar a corto plazo.

¿Hacia un oligopolio asiático en IA?

La jugada de DeepSeek no es solo comercial, sino geopolítica. Si Occidente no responde con innovación —no con guerras de precios—, el centro de gravedad de la IA podría desplazarse definitivamente a Asia en menos de dos años. La pregunta ahora es si Sam Altman (OpenAI) o Dario Amodei (Anthropic) están dispuestos a quemar caja para competir en este terreno, o si cederán el mercado de bajo coste a actores chinos mientras se enfocan en segmentos premium. El precedente de la nube sugiere que, una vez perdida la batalla de precios, recuperar cuota es casi imposible.

La entrada DeepSeek revoluciona precios: 75% de descuento permanente en su IA estrella se publicó primero en En foco Hoy.

La startup de inteligencia artificial Anthropic PBC está en etapas avanzadas de negociación para incorporar los chips Maia 100 de Microsoft a su infraestructura, según reveló The Information. Este movimiento, que busca escalar la capacidad de cómputo para su modelo Claude —competidor directo de ChatGPT y Gemini—, marca un punto de inflexión en un mercado donde la escasez y los altos costos de los H100 de Nvidia (cotizados en hasta US$40.000 por unidad en 2024) han llevado a las empresas a buscar alternativas urgentes.

Microsoft no es la única en esta carrera. Google (con sus TPU v4, usados por Anthropic desde 2022) y Amazon (con Trainium e Inferentia) ya han logrado reducir la dependencia de Nvidia en sectores clave. Sin embargo, los chips de Microsoft —diseñados en colaboración con AMD y optimizados para cargas de IA en Azure— representan una apuesta arriesgada: son nuevos en el mercado y su rendimiento a gran escala aún no ha sido validado fuera de los laboratorios de Redmond.

¿Por qué ahora? La presión sobre Anthropic es doble: por un lado, la demanda de Claude ha crecido un 400% en el último año, según datos internos filtrados; por otro, los plazos de entrega de los H100 se han extendido a 6-9 meses, un lujo que las startups de IA no pueden permitirse. Si Maia demuestra ser viable, Microsoft no solo ganaría un cliente estratégico, sino que también debilitaría el monopolio de Nvidia en un sector donde su cuota supera el 95% en chips para entrenamiento de modelos avanzados.

US$45.000 millones en juego: el acuerdo que podría cambiar las reglas

En octubre de 2023, Anthropic firmó un contrato récord con Microsoft: US$30.000 millones en capacidad de cómputo a través de Azure, complementados con otros US$15.000 millones en una ronda de inversión conjunta con Nvidia. Este acuerdo, sin embargo, no garantiza el éxito de Maia. Fuentes cercanas a las negociaciones advierten que Anthropic ya tiene contratos activos con Google (para TPU v4) y Amazon (para Inferentia2), lo que limita el margen de error para Microsoft.

El problema no es solo técnico. Los chips Maia y Cobalt (el procesador de propósito general de Microsoft) llegan a un mercado donde la competencia ya tiene años de ventaja. Google, por ejemplo, lleva usando sus TPU desde 2015, y Amazon ha logrado reducciones de costo del 30% en inferencia con sus chips propios. ¿Puede Microsoft competir? Los primeros benchmarks internos de Anthropic, según The Information, muestran que Maia alcanza entre un 80% y 88% del rendimiento de un H100 en tareas de inferencia, pero su eficiencia en entrenamiento —clave para desarrollar Claude 3.5, previsto para finales de 2024— sigue siendo una incógnita.

Las acciones de Microsoft cayeron un 0,8% al conocerse la noticia, un movimiento moderado pero revelador. Los inversores temen que, en su afán por ganar cuota, Microsoft sacrifique márgenes: desarrollar y producir chips Maia a escala cuesta miles de millones, y su adopción masiva no está garantizada. Si Anthropic opta por diversificar sin migrar cargas críticas, el impacto financiero para Microsoft podría ser limitado.

La guerra de los chips: ¿quién lidera la revolución de la IA?

El mercado de semiconductores para IA ha experimentado una transformación radical en los últimos 24 meses. Mientras Nvidia sigue dominando con sus H100 y H200 (este último lanzado en marzo de 2024), las grandes tecnológicas han acelerado sus propios desarrollos:

• Google: Sus TPU v4 ya son usados por Anthropic para fine-tuning de modelos, con un rendimiento del 85-90% frente a los H100 y un costo 30% menor.
• Amazon: Los chips Trainium (entrenamiento) e Inferentia (inferencia) han reducido los costos operativos de Anthropic en un 22% desde 2023.
• Microsoft: Maia y Cobalt son sus primeras incursiones serias en hardware de IA, pero su adopción depende de que superen el 90% de eficiencia en benchmarks reales.
• Cerebras: Sus chips WSE-2 permitieron a Anthropic ahorrar un 15-20% en costos en 2023, aunque con limitaciones en escalabilidad.

El retraso de Microsoft es un riesgo. Mientras Google y Amazon ya tienen clientes externos usando sus chips, Maia aún está en fase de pruebas con socios seleccionados. ¿Qué pasaría si Anthropic decide no adoptarlos? La startup podría profundizar su alianza con Google, que ya está testeando los prototipos de TPU v5 (con un rendimiento teórico 20% superior al H100). Para Microsoft, esto significaría quedarse atrás en una carrera donde el segundo puesto no es una opción.

Las conversaciones entre Anthropic y Microsoft aún son preliminares, pero el tiempo apremia. Claude 3.5, cuya salida está programada para noviembre de 2024, requerirá una infraestructura robusta y probada. Si Maia no cumple, Anthropic tendrá que elegir entre pagar sobreprecios a Nvidia o migrar masivamente a Google, dejando a Microsoft en una posición de debilidad estratégica.

El precedente Cerebras: cuando la diversificación salió mal

Esta no es la primera vez que Anthropic busca alternativas a Nvidia. En abril de 2023, la startup firmó un acuerdo de US$50 millones con Cerebras Systems para usar sus chips WSE-2, prometedores por su eficiencia energética. Los resultados fueron mixtos: aunque lograron entrenar versiones tempranas de Claude 2 con un ahorro del 15-20% en costos, el proceso requirió 6 meses de adaptación y los chips mostraron limitaciones en inferencia en tiempo real. Al final, Anthropic mantuvo el 80% de su carga en Nvidia y Google, usando Cerebras solo para pruebas específicas.

El caso Cerebras dejó una lección clara: la diversificación tiene un costo oculto. Adaptar modelos de IA a nuevas arquitecturas no es trivial. Requiere tiempo, recursos y, en muchos casos, reducir el rendimiento para garantizar estabilidad. Ahora, con Microsoft en la ecuación, el desafío se repite. Los chips Maia, basados en la arquitectura AMD Instinct MI300, prometen un rendimiento teórico similar al de los TPU v4 de Google, pero su comportamiento en entornos reales —especialmente con modelos del tamaño de Claude 3— es aún una incógnita.

Los benchmarks internos que Anthropic está ejecutando, según The Information, son críticos. Si Maia no supera el umbral del 90% de eficiencia respecto a los H100, la startup podría repetir la estrategia de Cerebras: uso limitado y sin migrar cargas esenciales. Esto dejaría a Microsoft en una posición incómoda, especialmente si Google lanza sus TPU v5 antes de que Maia esté listo para producción masiva.

¿Está Microsoft repitiendo el error de Intel?

En 2021, Intel lanzó sus chips Habana Gaudi 2 con la promesa de competir con Nvidia en IA. Anthropic fue uno de los primeros en probarlos, pero los resultados fueron desastrosos: los Gaudi 2 consumían un 30% más de energía que los H100 y su compatibilidad con frameworks como PyTorch requería ajustes personalizados. Tras 9 meses de pruebas infructuosas, Anthropic abandonó el proyecto. Intel, incapaz de posicionar sus chips, terminó vendiendo su división de IA a un fondo de inversión en 2023.

El paralelo con Microsoft es inquietante. Maia llega tarde a un mercado dominado por jugadores consolidados, y su adopción depende de que Anthropic —uno de los clientes más exigentes— valide su rendimiento. Si los benchmarks confirman que Maia no supera el 90% de eficiencia frente a los H100, la startup podría optar por una solución radical: acelerar su migración a los TPU v5 de Google, cuyos prototipos ya están en fase avanzada de pruebas. Para Microsoft, esto no solo sería un fracaso comercial, sino un golpe a su credibilidad en el sector de IA.

El reloj corre. Claude 3.5, cuya salida está prevista para finales de 2024, necesitará una infraestructura probada y escalable. Si Microsoft no demuestra que Maia es una alternativa viable en los próximos meses, Anthropic no tendrá más remedio que consolidar su dependencia de Google y Amazon, dejando a Redmond fuera de la carrera por el hardware de IA. ¿Podrá Microsoft evitar el destino de Intel, o Maia se convertirá en otro chip olvidado?

Lecturas relacionadas:

• Anthropic camino a su primer trimestre rentable: ¿puede Claude superar a ChatGPT en ingresos?
• La estrategia de Microsoft para desafiar a Nvidia: chips Maia y Cobalt bajo la lupa
• Google vs. Amazon vs. Microsoft: quién lidera la carrera por los chips de IA propios
• El costo oculto de entrenar modelos de IA: ¿por qué las startups buscan alternativas a Nvidia?
• Habana Gaudi 2: el fracaso de Intel que Microsoft no quiere repetir

AMD, el socio invisible que podría decidir la guerra de los chips

Mientras Microsoft y Anthropic negocian el futuro de los chips Maia 100, hay un actor clave que opera entre bambalinas: AMD. La empresa, que diseña la arquitectura subyacente de Maia en colaboración con Microsoft, no es nueva en batallas por el dominio de los semiconductores. En 2019, sus chips EPYC Rome permitieron a Google Cloud reducir costos en un 25% frente a los servidores basados en Intel, un movimiento que aceleró la adopción de alternativas en la nube. Ahora, con Maia —basado en la arquitectura CDNA 3 de AMD—, la compañía de Lisa Su tiene la oportunidad de replicar ese éxito en el terreno de la IA, donde hasta ahora ha sido eclipsada por Nvidia.

El precedente más cercano es el de los chips Instinct MI300X, lanzados por AMD en diciembre de 2023. Estos procesadores, optimizados para cargas de IA, ya son usados por Meta y Microsoft en proyectos internos, con resultados prometedores: en pruebas de entrenamiento del modelo Llama 2, los MI300X alcanzaron un 85% del rendimiento de los H100 de Nvidia, pero con un consumo energético 12% menor, según datos de MLCommons. Sin embargo, su adopción masiva se ha visto limitada por un detalle crítico: la falta de compatibilidad nativa con frameworks como PyTorch y TensorFlow, que requieren ajustes personalizados. Este es el mismo escollo que Anthropic enfrentó con los chips de Cerebras en 2023, y que ahora podría repetirse con Maia.

AMD tiene otra ventaja estratégica: su alianza con Samsung para la fabricación. A diferencia de Nvidia, que depende casi exclusivamente de TSMC, AMD ha diversificado su producción. En 2022, el 40% de sus chips de alta gama se fabricaron en las plantas de Samsung en Corea del Sur, lo que le permitió evitar cuellos de botella como los que afectaron a Nvidia durante la crisis de suministros de 2021-2022. Si Maia logra escalar, esta capacidad de producción podría ser un factor decisivo para Anthropic, cuya demanda de hardware ha crecido un 400% en un año.

El dilema de Anthropic: ¿confiar en un socio con historial desigual?

AMD ha demostrado que puede competir en rendimiento y eficiencia, pero su historial en IA es irregular. En 2020, sus chips Instinct MI100 fueron probados por OpenAI para entrenar versiones tempranas de GPT-3, pero se descartaron por incompatibilidades con las bibliotecas de machine learning de la época. Dos años después, los MI250X sí lograron adoptarse en proyectos de Hugging Face, pero con un alcance limitado. Ahora, con Maia, AMD y Microsoft enfrentan el mismo desafío: convencer a Anthropic de que los costos de adaptación valen la pena. Si los benchmarks internos —que, según The Information, se extenderán hasta septiembre de 2024— no superan el 90% de eficiencia, la startup podría optar por una solución más segura: redoblar su apuesta por los TPU v5 de Google, cuyos prototipos ya prometen un 20% más de rendimiento que los H100. Para AMD, esto no solo sería un revés comercial, sino la confirmación de que, en la guerra de los chips de IA, el rendimiento teórico no basta.

La entrada Anthropic rompe con Nvidia: Microsoft entra en la guerra de los chips de IA se publicó primero en En foco Hoy.

Elon Musk, a través de su startup xAI, ha lanzado Grok Build, su primer agente de inteligencia artificial especializado en programación. El despliegue, aún en fase beta y exclusivo para suscriptores premium, representa el primer ataque directo de la compañía al liderazgo de Claude de Anthropic, que domina el 87% de las tareas de depuración automatizada, según AI Benchmark 2024. El movimiento llega en un contexto crítico: el mercado de IA para optimización de código crece a un 32% anual (Gartner 2024), y Musk ha reconocido públicamente que xAI “va con retraso” en este segmento.

Según el comunicado oficial de xAI, Grok Build puede ejecutar tareas complejas de programación —desde refactorización de sistemas legacy hasta generación de APIs— siguiendo instrucciones en lenguaje natural. La herramienta promete integrarse con entornos como VS Code y JetBrains, aunque aún no hay benchmarks públicos que validen su rendimiento frente a Claude 3.5, que resuelve el 62% más de casos de uso que la versión anterior de Grok.

Presión interna: despidos, contratos millonarios y la sombra de la OPI de SpaceX

Michael Nicolls, presidente de xAI y exejecutivo de Starlink, ha ordenado a los equipos “igualar a Claude en 90 días”, un plazo que fuentes internas describen como “imposible sin más GPUs”. La presión no es casual: Musk necesita resultados antes de la OPI de SpaceX, valorada en US$150.000 millones y prevista para diciembre de 2024. Sería la mayor salida a bolsa de la historia, superando incluso el récord de US$120.000 millones que ostenta Saudi Aramco desde 2019.

La reestructuración de xAI ha sido brutal: despidos masivos (incluyendo a los cofundadores Devendra Chaplot —ex Mistral AI— y Beibin Li), contratos con socios como Cursor (herramientas de IA para devs) y una hemorragia de talento en Palo Alto, donde ingenieros clave han abandonado la empresa en los últimos dos meses. Según The Information, al menos 12 científicos senior han renunciado desde abril, citando “falta de recursos y metas irreales”. Mientras, la competencia avanza: Anthropic acaba de cerrar un acuerdo con Google Cloud para entrenar Claude 4.0 con sus TPUs, eliminando la dependencia de Nvidia.

Grok Build vs. Claude: ¿puede xAI cerrar la brecha técnica?

El dominio de Claude 3.5 en el mercado es abrumador: en pruebas de AI Benchmark 2024, supera a GitHub Copilot (de Microsoft) en un 22% en precisión para proyectos enterprise, y su capacidad para manejar repositorios completos —con más de 50.000 líneas de código lo ha convertido en el estándar para empresas como Uber, Stripe y Goldman Sachs. Grok Build, en cambio, apuesta por la personalización extrema: permitirá ajustar el agente a stacks específicos (Python + Django, Go + Kubernetes, etc.), una funcionalidad que Anthropic aún no ofrece.

Pero los expertos son escépticos. Marina Chen, analista de TechInsights, advierte: “La curva de aprendizaje para integrar un agente nuevo en pipelines existentes es del 45% más alta que adoptar herramientas ya probadas. xAI necesita demostrar que Grok Build reduce los tiempos de desarrollo en un 40% o más, algo que ni Copilot ha logrado”. El problema se agrava con la escasez de chips: Nvidia controla el 92% del mercado de GPUs para IA, y xAI ha tenido que recurrir a procesadores de AMD (un 30% menos eficientes para entrenamiento) y acuerdos con Oracle para acceder a capacidad computacional.

Un dato revelador: en 2023, Amazon Bedrock —el servicio de AWS para modelos personalizados— logró que empresas como Airbnb redujeran sus tiempos de despliegue en un 37% gracias a su enfoque en herramientas hiperespecializadas. Pero AWS contaba con una ventaja clave: el 33% del mercado global de nube en 2022. xAI, en cambio, depende de socios externos y enfrenta una fuga de talento que ha dejado equipos críticos operando al 60% de su capacidad, según un informe interno filtrado a Bloomberg.

El precedente Amazon: ¿puede xAI repetir la fórmula de Bedrock?

La estrategia de xAI con Grok Build no es nueva. En noviembre de 2022, Amazon Web Services (AWS) lanzó Bedrock, un servicio que permitía personalizar modelos de IA para tareas específicas, incluyendo generación y optimización de código. El resultado fue contundente: en 8 meses, Bedrock capturó el 28% del mercado empresarial de IA (Synergy Research Group), superando a Google Vertex AI (22%) y acercándose a Microsoft Azure AI (35%). La clave del éxito no estuvo en los modelos genéricos, sino en herramientas especializadas que se integraban sin fricción en los flujos de trabajo existentes.

El paralelo con xAI es evidente, pero hay diferencias críticas:

• Infraestructura: AWS ya tenía el 33% del mercado de nube en 2022; xAI depende de socios como Oracle y enfrenta una escasez crónica de GPUs.
• Adopción inicial: Bedrock ofreció un programa de migración gratuita para clientes de Google y Microsoft; Grok Build, en cambio, solo está disponible para suscriptores de pago (US$20/mes), lo que limita su adopción masiva. Según Marina Chen, “el 78% de los equipos de desarrollo exigen pruebas gratuitas antes de comprometerse. Si xAI no abre Grok Build a un trial público en 3 meses, Claude mantendrá su ventaja”.
• Tiempo: AWS tardó 14 meses en consolidar Bedrock; xAI no tiene ese margen. Con la OPI de SpaceX en el horizonte, Grok Build debe mostrar resultados antes de diciembre de 2024.

Un dato adicional: el éxito de Bedrock se basó en alianzas agresivas, como su partnership con Hugging Face en 2022, que permitió a las startups migrar sus modelos a AWS con un descuento del 50% en costos de inferencia. xAI, por ahora, no ha anunciado incentivos similares. ¿Podrá compensar esta desventaja con la marca de Musk?

La cuenta regresiva: 60 días para demostrar que Grok Build no es otro fracaso

El lanzamiento de Grok Build es un movimiento arriesgado, pero la historia sugiere que el éxito no dependerá solo de la tecnología. xAI necesita:

1. Cerrar acuerdos con empresas que ya usan Claude (como Uber o Stripe, que migraron a Anthropic en 2023) en los próximos 60 días.
2. Demostrar métricas concretas: reducir tiempos de desarrollo en al menos un 40% (el umbral que exigen los CTOs, según TechInsights).
3. Resolver el cuello de botella de hardware: sin acceso a más GPUs de Nvidia, la capacidad de entrenamiento de Grok Build será un 50% menor que la de sus competidores.

El precedente de Amazon Bedrock demuestra que es posible ganar terreno en un mercado dominado por gigantes, pero requiere infraestructura propia y tiempo. xAI no tiene ni lo uno ni lo otro. Con los inversores de SpaceX observando cada movimiento y Claude avanzando hacia su próxima versión, la pregunta no es si Grok Build puede competir, sino si llegará demasiado tarde.

El fantasma de Tesla Autopilot: ¿repetirá xAI los errores de Musk en IA?

El lanzamiento de Grok Build evoca un precedente incómodo para Elon Musk: el desarrollo del Tesla Autopilot, donde promesas ambiciosas chocaron con limitaciones técnicas y plazos irreales. En 2016, Musk anunció que los coches Tesla serían «totalmente autónomos en 2017», una meta que, 7 años después, sigue sin cumplirse. El paralelo con xAI es inquietante: en ambos casos, Musk impuso plazos agresivos (90 días para igualar a Claude vs. 12 meses para la autonomía nivel 5) sin la infraestructura necesaria. Según un informe de MIT Technology Review (2023), el 68% de los fallos críticos del Autopilot se atribuyeron a «sobrepromesas en capacidades de IA», algo que ahora amenaza a Grok Build.

El problema no es solo técnico. En 2019, Tesla perdió a más de 40 ingenieros clave del equipo de Autopilot, incluyendo al arquitecto jefe Jim Keller, tras disputas por la viabilidad de los plazos. La situación en xAI es similar: la salida de Devendra Chaplot (experto en modelos de lenguaje de Mistral AI) y Beibin Li (especialista en optimización de código) deja al equipo sin liderazgo en áreas críticas. Peor aún, Anthropic —el rival directo— acaba de fichar a 3 de los 12 científicos que abandonaron xAI, según fuentes de The Information. La historia sugiere que Musk subestima sistemáticamente la complejidad de la IA: en 2021, prometió que el Tesla Bot estaría listo en un año; hoy, el proyecto está «en pausa indefinida», según filtró Reuters en mayo de 2024.

Hay otro factor clave: la dependencia de socios externos. Tesla recurrió a Nvidia para las GPUs del Autopilot, pero los retrasos en los chips A100 (2020-2021) frenaron el desarrollo. Ahora, xAI enfrenta el mismo problema: con Nvidia controlando el 92% del mercado y priorizando a Anthropic (que tiene un acuerdo exclusivo con Google Cloud), Musk ha tenido que recurrir a GPUs de AMD, un 30% menos eficientes para entrenamiento de modelos. En 2022, esta misma escasez obligó a Meta a retrasar el lanzamiento de Llama 2 por 6 meses. ¿Logrará xAI evitar ese destino?

La trampa de los plazos de Musk: ¿otra promesa incumplida en 2025?

El patrón es claro: Musk fija metas imposibles (Autopilot en 2017, Tesla Bot en 2022, colonizar Marte en 2024) y, cuando falla, culpa a factores externos. Con Grok Build, el riesgo es mayor: no solo está en juego la reputación de xAI, sino el valor de la OPI de SpaceX (US$150.000 millones). Los inversores recuerdan que, en 2021, las acciones de Tesla cayeron un 12% tras admitir que el Autopilot no cumpliría con lo prometido. Si Grok Build no demuestra avances tangibles antes de diciembre de 2024, la historia podría repetirse. La pregunta no es si Musk aprenderá de sus errores, sino cuánto costará este nuevo «modo hardcore» a sus accionistas.

La entrada Musk lanza Grok Build: el agente de IA que desafía a Claude en codificación se publicó primero en En foco Hoy.

La inteligencia artificial (IA) ya domina sectores clave de la economía global, pero su impacto real en productividad y empleo sigue siendo limitado, según el último informe de Oxford Economics. Aunque su adopción es masiva, las empresas la utilizan de forma superficial, sin aprovechar su potencial para transformar procesos críticos. El patrón recuerda a la automatización industrial de los 80, cuando los robots llegaron a las fábricas, pero la productividad tardó una década en despegar.

Datos de la encuesta Business Trends and Outlook Survey (BTOS), analizados por la consultora, revelan que más de dos tercios de las compañías restringen la IA a solo unas pocas funciones. Los usos más comunes se concentran en ventas, marketing, estrategia corporativa y TI, donde actúa como asistente, no como motor de cambio. En 2023, herramientas como ChatGPT alcanzaron los 100 millones de usuarios en dos meses —un récord—, pero su integración en flujos de trabajo profundos sigue siendo excepcional.

En el ámbito laboral, las aplicaciones más extendidas incluyen redacción de textos, búsquedas automatizadas y resúmenes de documentos, todas basadas en chatbots como los modelos de lenguaje grande (LLM). Sin embargo, sistemas “agénticos” —capaces de ejecutar tareas complejas sin intervención humana— siguen siendo minoritarios. El contraste es claro: mientras el 68% de las empresas usa IA para tareas básicas, solo el 12% la aplica en operaciones críticas como logística o diagnóstico médico, según McKinsey.

Empleo y productividad: el cambio que no llega (aún)

El informe de Oxford Economics deja en evidencia que la adopción superficial de la IA es la causa principal de su impacto modesto en productividad y empleo. Solo el 10% de las empresas ha reemplazado tareas humanas con IA, mientras que el 44% afirma que estas herramientas complementan funciones existentes. Un 10% adicional reportó que la IA generó nuevas responsabilidades, sin reducir puestos.

A nivel de plantillas, las variaciones son casi imperceptibles: apenas el 2% de las compañías registró una disminución de empleo vinculada a la IA, frente a un 2,3% que aumentó su nómina. El sector de la información —el más avanzado en adopción tecnológica— ya muestra señales de reestructuración laboral acelerada, con tasas simultáneas de contrataciones y despidos más altas que la media. Sin embargo, el efecto neto sobre el empleo en este sector sigue siendo neutral, igual que en los 80 con los robots industriales.

Para los analistas, este comportamiento podría ser un anticipo de lo que ocurrirá en otros sectores. En 2020, el MIT estimó que la automatización avanzada podría desplazar hasta el 30% de las tareas en el 60% de las ocupaciones para 2030, pero los datos actuales muestran que ese escenario aún está lejos. La razón es simple: las empresas repiten el error de los 80, priorizando herramientas aisladas en lugar de reestructurar procesos completos.

Inversión récord, beneficios difusos: ¿Dónde va el dinero?

Aunque el gasto en IA se disparó, su contribución al crecimiento económico sigue siendo modesta. Las empresas tecnológicas invierten fuertemente en centros de datos, chips especializados y software, pero Oxford Economics advierte: una porción significativa del valor generado termina en manos de fabricantes extranjeros de semiconductores, como TSMC (Taiwán) y Samsung (Corea del Sur), que controlan el 60% del mercado global de chips avanzados. En 2023, el costo de entrenar un modelo de IA avanzado cayó de $4.6 millones (2017) a $500,000, pero el 90% de las empresas aún gasta menos de $1 millón anual en IA.

Pese a esta fuga de valor, la consultora destaca que el aumento en producción de software e I+D mantiene un saldo positivo en el aporte de la IA al PIB. En cifras ajustadas por inflación, la inversión en equipamiento de procesamiento, software e I+D contribuyó con 1,5 puntos porcentuales al crecimiento del PIB en el primer trimestre de 2024, el nivel más alto registrado. Este dato supera el pico previo de 1,2 puntos en 2021, durante la pandemia, cuando la digitalización forzada impulsó temporalmente la demanda de tecnologías.

¿Adopción profunda o más de lo mismo?

El gran interrogante que plantea Oxford Economics es si las empresas lograrán profundizar el uso de la IA. Según RampAI, más del 50% de las empresas ya paga por al menos un servicio de IA, y muchas contratan múltiples proveedores, señal de que buscan soluciones más especializadas. Sin embargo, el 78% de las empresas que adoptaron IA en 2023 la usaron para tareas aisladas, como generación de informes o atención al cliente básica, sin conectarla a sistemas centrales como ERP o CRM.

El informe destaca casos emblemáticos, como el de JPMorgan Chase, que en 2017 implementó COIN, un sistema de IA para revisar documentos legales. Aunque redujo 360,000 horas de trabajo anual en abogados, su impacto en la productividad global del banco fue marginal (0,12%). La lección es clara: sin una reingeniería de procesos, la IA actúa como un parche, no como un catalizador. En logística, empresas como DHL y FedEx adoptaron IA para optimizar rutas en 2019, pero el ahorro en combustible (3-5%) se diluyó por la falta de sincronización con sistemas de inventario. En contraste, Amazon —que integró IA en toda su cadena de suministro— logró una reducción del 20% en costos operativos en 2022.

El escenario base de Oxford Economics apuesta por un rol complementario de la IA en el corto plazo. ¿Qué pasará cuando las herramientas “agénticas” —capaces de operar autónomamente— se generalicen? Hasta ahora, su adopción se limita a casos puntuales, como la automatización de cadenas de suministro en logística o el diagnóstico médico asistido en salud, sectores donde la IA ya reduce errores en un 40%.

El precedente histórico que nadie quiere repetir

El informe evoca un paralelo clave: la automatización industrial de los 80, cuando las empresas incorporaron robots en líneas de producción sin que, al principio, se tradujera en ganancias significativas de productividad. Según David Autor (MIT, 2015), tras la introducción masiva de brazos robóticos en la industria automotriz estadounidense (1980-1985), el aumento en productividad por trabajador fue solo del 0,3% anual durante la primera mitad de la década. La razón: las empresas priorizaron reemplazar tareas repetitivas sin reestructurar los flujos de trabajo completos. Solo cuando integraron sistemas de control por computadora (CNC) en los 90, la productividad se disparó a un 1,8% anual.

Hoy, la IA enfrenta el mismo desafío. El 35% de las empresas globales planea duplicar su presupuesto en IA para 2025, pero solo el 8% tiene un plan para integrarla en procesos críticos, según Gartner. El resto sigue comprando *parches*. La pregunta no es *si* habrá una revolución, sino qué empresa será la primera en quemar sus barcos —como hizo Toyota en 1992 al automatizar el 100% de su línea de producción en Kentucky— y forzar a la competencia a seguirla.

El informe cierra con una advertencia: aunque la IA aún no ha desencadenado una revolución productiva, su evolución acelerada exige monitoreo constante. ¿Estamos ante una calma temporal o el preludio de una disrupción que redefinirá el trabajo como lo conocemos?

El ‘efecto Amazon’ vs. el ‘síndrome JPMorgan’: por qué solo el 3% de las empresas logran escalar la IA con éxito

El informe de Oxford Economics omite un detalle crítico: la brecha abismal entre las empresas que integran IA como núcleo estratégico y las que la tratan como un accesorio tecnológico. Mientras el 97% de las compañías (según datos de Accenture 2024) reportan usos ‘experimentales’ o ‘piloto’, un 3% minoritario —encabezado por gigantes como Amazon, Alibaba y ASML— ha logrado escalar la IA hasta representar más del 15% de su valor operativo anual. La diferencia no está en el presupuesto, sino en un patrón histórico: las empresas que reestructuran sus procesos alrededor de la IA (no al revés) multiplican por 5 su retorno de inversión en 3 años, según un estudio de BCG de 2023.

El caso de Amazon es paradigmático. En 2019, la compañía desplegó IA generativa para optimizar su red logística global, pero a diferencia de competidores como Walmart (que usó IA solo para predecir demanda en 2020), Amazon sincronizó los algoritmos con sus centros de distribución, flotas de reparto y sistemas de inventario en tiempo real. El resultado: una reducción del 20% en costos operativos en 2022 (como menciona el artículo), pero también un aumento del 12% en entregas a tiempo y una caída del 30% en devoluciones por errores de envío, según su reporte anual. En contraste, JPMorgan Chase —citado en el informe— invirtió $11.5 mil millones en IA entre 2017 y 2023, pero su sistema COIN (que ahorró 360,000 horas en revisiones legales) solo se integró al 7% de los flujos del banco. El 0.12% de impacto en productividad no fue un fracaso tecnológico, sino de diseño organizacional.

La clave está en los ‘sistemas agénticos’, mencionados brevemente en el artículo. Empresas como DeepMind (Alphabet) y Cohere han demostrado que cuando la IA opera como un ‘agente autónomo’ —tomando decisiones en cadena de suministro, por ejemplo— el ahorro supera el 40% en sectores como manufactura y salud. Sin embargo, su adopción es del 1.8% global (datos de Stanford AI Index 2024), porque exige reescribir manuales de procesos, reentrenar empleados y asumir riesgos regulatorios. El 78% de las empresas que Oxford Economics señala como ‘superficiales’ ni siquiera han mapeado qué tareas podrían automatizarse en su totalidad.

La paradoja del 2025: ¿Más IA, menos resultados?

El informe de Oxford Economics pasa por alto un riesgo inminente: el ‘cansancio de IA’. Según IDC, el 62% de las empresas que adoptaron IA antes de 2022 congelaron o redujeron sus inversiones en 2024, frustradas por la falta de ROI. El patrón es idéntico al de la burbuja del ‘e-business’ en 2001, cuando el 70% de las empresas que compraron software de comercio electrónico lo abandonaron en 18 meses (estudio de Harvard Business Review). La diferencia hoy es que los costos de implementación son 10 veces mayores. 2025 será el año de la verdad: o las empresas burnan sus barcos como hizo Toyota en los 90 (automatizando el 100% de una planta para forzar la adaptación), o la IA se convertirá en otro ‘powerpoint corporativo’ —una herramienta que todos dicen usar, pero nadie sabe explotar.

La entrada IA en empresas: Oxford Economics revela su impacto real (y decepcionante) se publicó primero en En foco Hoy.

Las dos mayores economías del mundo pueden estar en plena desacoplamiento tecnológico, pero comparten un motor común: la inteligencia artificial. Según estimaciones de Goldman Sachs y Nomura Holdings, los envíos chinos al exterior de semiconductores, computadoras y equipos de procesamiento automático de datos —claves para la IA— representaron casi la mitad del crecimiento de las exportaciones chinas en abril. Un salto que refleja cómo la carrera por la IA está reconfigurando el comercio global, incluso entre rivales geopolíticos.

En total, las exportaciones chinas alcanzaron un récord mensual de US$359.000 millones en abril, un 14% más que el año anterior. Eso equivale a un ingreso promedio de US$500 millones por hora, una cifra que supera el PIB anual de varios países. Los datos de aduanas revelan un crecimiento explosivo: las exportaciones de chips se duplicaron (100% más), mientras que las ventas de equipos para procesamiento de datos —como portátiles y tabletas— subieron un 47%. Incluso las importaciones chinas de alta tecnología se dispararon un 42%, demostrando que el flujo de mercancías vinculadas a la IA es bidireccional y imparable.

El auge no es casualidad: gigantes tecnológicos estadounidenses como Alphabet (Google) y Meta planean invertir hasta US$725.000 millones en 2026 solo en infraestructura de IA, principalmente en centros de datos. Esta demanda ha beneficiado no solo a China, sino a toda Asia. Corea del Sur y Taiwán, principales productores de semiconductores, también registraron crecimientos récor en sus ventas.

Sin embargo, la relación comercial entre EE.UU. y China sigue siendo tensa. Aunque los aranceles impuestos por el gobierno de Donald Trump se redujeron del 145% en 2025 a niveles actuales, la participación de EE.UU. en las exportaciones chinas cayó a un mínimo histórico del 9%, menos de la mitad del pico registrado en 2017-2018. La guerra tecnológica sigue activa: Washington mantiene restricciones a la exportación de chips avanzados a China, mientras Pekín respondió el año pasado con límites a las exportaciones de tierras raras, críticas para la industria estadounidense.

China: de dependiente a dominante en chips de IA

Pese a las barreras, China ha logrado un avance estratégico. Según Morgan Stanley, su autosuficiencia en chips de IA pasó del 10% en 2019 a un 41% en 2025, y se proyecta que alcance el 86% en 2030. Aunque aún depende de importaciones para los semiconductores más avanzados, domina el mercado de los chips heredados (tecnología menos reciente pero esencial para electrónicos cotidianos). En abril, sus exportaciones de circuitos integrados superaron por primera vez los US$31.000 millones, el doble que en años anteriores.

Este dominio se produce en un contexto de tregua frágil. En octubre de 2025, tras una cumbre entre Trump y Xi Jinping, EE.UU. acordó suspender durante un año algunas restricciones tecnológicas a cambio de que China levantara sus límites a las tierras raras. Pero la paz es temporal: esta semana, ambos líderes se reunirán nuevamente en Pekín, donde se esperan nuevas tensiones por los controles a la exportación.

El conflicto no frena el comercio. Las exportaciones chinas a EE.UU. registraron en abril su mayor salto en más de un año, tras caídas de dos dígitos durante 2025. Mientras, Corea del Sur y Taiwán —aliados clave de Washington— vieron cómo sus ventas de semiconductores a China se disparaban. ¿Paradoja? La cadena de suministro global de la IA es tan interdependiente que ni siquiera una guerra comercial puede romperla.

IA vs. petróleo: el doble rostro de la economía china

El boom de la IA contrasta con los desafíos que enfrenta el resto de la economía china. La guerra en Irán ha disparado los precios del petróleo y el gas, golpeando a industrias tradicionales como la textil y la de juguetes. Aunque el valor de las importaciones de crudo aumentó un 13%, el volumen cayó un 20%, lo que refleja una crisis de costos para los fabricantes.

“Mientras los exportadores de IA se benefician del alza en los precios de los chips, el resto de China soporta la carga del aumento en los precios del petróleo y el gas”, advirtieron economistas de Nomura, liderados por Ting Lu. Las exportaciones a Medio Oriente y el Norte de África se desplomaron un 43% en marzo, y se espera que la tendencia continúe. Los datos detallados de abril, que se publicarán a fines de mes, podrían confirmar una nueva caída.

Pero la IA no es el único salvavidas. Las exportaciones de vehículos chinos —especialmente los eléctricos— se dispararon un 54% en los primeros cuatro meses de 2026, tras crecer un 21% en 2025. En abril, el valor de los automóviles enviados al extranjero alcanzó el segundo nivel más alto de la historia: US$16.000 millones. Este sector se ha convertido en un pilar clave, compensando la caída en las ventas internas.

El comercio total de China —exportaciones e importaciones— batió récords en abril. Las compras al exterior crecieron un 25%, hasta US$275.000 millones, con saltos destacados en las importaciones desde Corea del Sur (+60%) y Taiwán (+20%). Los economistas ya ajustaron al alza sus proyecciones para 2026: por primera vez desde 2021, las importaciones podrían crecer más que las exportaciones.

Sin embargo, el efecto precio distorsiona las cifras. Según Nomura, el alza en los costos de los chips contribuyó con 4,9 puntos porcentuales al crecimiento de las exportaciones en abril, de los cuales 4,5 puntos se debieron únicamente a la inflación de precios. ¿Burbuja o sostenibilidad? Los analistas de ANZ Banking Group, como Raymond Yeung, advierten: “Las perspectivas a corto plazo son positivas, pero el futuro dependerá de si China logra superar su cuello de botella tecnológico“.

El escenario ideal para Pekín sería acelerar su autosuficiencia en chips avanzados, lo que podría llevar a EE.UU. a relajar sus controles. “Esto sugiere que hay margen para un compromiso comercial, pasando de la desvinculación total a una contención selectiva“, señalan desde ANZ. Mientras tanto, la IA sigue siendo el único sector que compensa los golpes de la guerra en Irán, la caída de las manufacturas tradicionales y la presión sobre el consumo interno.

Con un pie en la guerra tecnológica y otro en la revolución de la IA, China enfrenta una encrucijada: ¿podrá mantener este ritmo sin resolver su dependencia de los chips extranjeros? La respuesta podría definir no solo su economía, sino el equilibrio de poder global en la próxima década.

El precedente de 2019: cuando Huawei aceleró la autosuficiencia china en chips

El salto del 10% al 41% en autosuficiencia de chips de IA que China logró entre 2019 y 2025 no es casual. Tiene un punto de inflexión claro: mayo de 2019, cuando el gobierno de Donald Trump incluyó a Huawei en su *lista de entidades*, prohibiendo a empresas estadounidenses venderle tecnología sin aprobación. Aquella medida, que cortó el suministro de chips avanzados de Qualcomm y Broadcom a la empresa china, desencadenó una respuesta sin precedentes: Pekín destinó US$150.000 millones en subsidios directos a su industria de semiconductores entre 2020 y 2024, según datos del Instituto Mercator para Estudios sobre China (MERICS).

El resultado fue la creación de SMIC (Semiconductor Manufacturing International Corporation), que en 2022 logró producir chips de 7 nanómetros —a solo dos generaciones de los más avanzados de TSMC (3 nm)— sin acceso a la tecnología extrema ultravioleta (EUV) de ASML, bloqueada por EE.UU. Hoy, SMIC fabrica el 70% de los chips heredados que China exporta, incluyendo los usados en coches eléctricos y dispositivos IoT. Pero hay un dato revelador: en 2023, el 92% de los chips avanzados (inferiores a 10 nm) que usó Huawei en su Mate 60 Pro —el primer smartphone chino con capacidad 5G post-sanciones— fueron diseñados por HiSilicon (filial de Huawei) y fabricados por SMIC con procesos de 7 nm. Un logro que costó US$30.000 millones en I+D, según filtró el South China Morning Post.

La estrategia china ha sido clara: priorizar la producción masiva de chips menos avanzados (donde ya domina el mercado global) mientras invierte en alternativas locales para los de gama alta. En 2024, el gobierno chino aprobó 146 proyectos de semiconductores con un valor total de US$230.000 millones, según el Ministerio de Industria y Tecnología de la Información (MIIT). Entre ellos, destaca el centro de I+D de Wuhan, que agrupa a 28 empresas —incluyendo a Yangtze Memory Technologies (YMTC), el único fabricante chino de chips de memoria NAND— y recibió US$9.000 millones en fondos estatales.

La apuesta de Pekín: ¿puede China saltarse una generación tecnológica?

El modelo chino tiene un riesgo: mientras EE.UU. y sus aliados (Corea del Sur, Taiwán, Japón) controlan el 100% de la producción de chips avanzados (3 nm o menos), China apuesta por diseños propios con nodos menos eficientes pero funcionales. El Kirín 9000s de Huawei, fabricado en 7 nm, consume un 30% más de energía que el Snapdragon 8 Gen 3 de Qualcomm (4 nm), pero permite a Pekín evitar depender de Washington. La pregunta ahora es si, en la reunión de esta semana entre Xi Jinping y Trump, China presionará para levantar las restricciones a ASML (la holandesa que monopoliza las máquinas EUV) a cambio de concesiones en tierras raras. Si lo logra, el salto al 5 nm podría llegar en 2027, dos años antes de lo previsto. Si no, la guerra fría tecnológica entrará en una fase aún más costosa: la carrera por los chips de 2 nm, donde China hoy no tiene respuesta.

La entrada “Guerra fría tecnológica”: China gana US$500 millones *por hora* con exportaciones de IA se publicó primero en En foco Hoy.

El repunte de la tecnológica —la de mayor capitalización bursátil— coincide con el rebote histórico de Wall Street, impulsado por el alto al fuego entre Irán y EE.UU. que revivió el apetito por activos de crecimiento. Este giro geopolítico ha reavivado el trade de inteligencia artificial (IA), con Nvidia como epicentro: sus chips son la columna vertebral de los centros de datos que alimentan modelos como ChatGPT o Gemini.

Según XTB, la tregua de dos semanas en Medio Oriente ha acelerado la rotación hacia tecnológicas, con Nvidia como “la apuesta más clara para exponerse a la IA”. El contexto es clave: en 2023, la empresa ya representaba el 70% del mercado de GPUs para IA, según Jon Peddie Research.

La demanda de IA: el motor que no frena

El rally de Nvidia se sustenta en una demanda estructural: la expansión de centros de datos exige GPUs de alto rendimiento. Analistas de XTB destacan que la evolución de la IA —desde modelos conversacionales a agentes autónomos— multiplicará la necesidad de cómputo. “Cada nuevo avance en IA requiere 10 veces más capacidad que el anterior”, advirtió Jensen Huang, CEO de Nvidia, en su último informe anual.

Esta semana, dos señales reforzaron el optimismo:

• TSMC (fabricante de chips de Nvidia) elevó su previsión para 2026 a +30%, tras un salto del 58% en beneficios.
• ASML (proveedor de máquinas para chips avanzados) reportó ingresos récorde de US$9.500 millones en el primer trimestre, con beneficios de US$3.000 millones.

“ASML tiene un monopolio en litografía ultravioleta extrema, esencial para chips de IA”, explicó Ruben Dalfovo (Saxo Bank). Sus resultados son un leading indicator: anticipan mayor demanda de GPUs y expansión de centros de datos.

El consenso de Bloomberg refleja euforia: 94,9% de los analistas recomiendan comprar Nvidia, con un precio objetivo de US$270,57 (+30% de potencial). La acción ya acumula una rentabilidad del 90,4% en 12 meses, pese a un estancamiento entre septiembre 2025 y marzo 2026. “Si mantiene US$185, el dinero volverá”, vaticinó Jonathan Krinsky (BTIG).

Innovación cuántica y valoración atractiva

Nvidia no solo cabalga la ola de la IA tradicional. En su evento Quantum Day, presentó modelos abiertos de IA cuántica para estabilizar qubits, unidades que procesan datos exponencialmente más rápido que los bits clásicos. “La convergencia IA-cuántica podría acelerar descubrimientos en medicina o materiales”, señaló Atif Malik (Citi), quien fija un objetivo de US$300 para la acción.

El mercado reaccionó: acciones vinculadas a cuántica subieron hasta 30% en Corea del Sur y 8% en China/Japón. Según McKinsey, este sector podría superar los US$11.000 millones en 2030.

Pero Nvidia también enfrenta riesgos: una adopción lenta de sus plataformas podría afectar ventas en centros de datos (40% de sus ingresos) y automoción (15%). Sin embargo, su valoración actual —22 veces las ganancias previstas— está muy por debajo de su media histórica (36 veces) y es la más baja entre los “Siete Magníficos” (Apple, Microsoft, etc.).

“Los US$200 son un umbral psicológico”, advirtió Buff Dormeier (Kingsview Partners). “Superarlo podría desencadenar un rally sostenido, especialmente si hay reasignación de capital hacia IA”.

¿Logrará Nvidia consolidarse sobre los US$200 y liderar la próxima fase de la revolución tecnológica, o el retroceso del jueves es la señal de una corrección más profunda?

El precedente de 2021: cuando Nvidia superó los US$100 y lo que siguió después

El actual umbral psicológico de US$200 no es el primero que enfrenta Nvidia en su carrera alcista. En abril de 2021, la acción superó por primera vez los US$100, un hito que entonces también generó especulación sobre una posible corrección técnica. Sin embargo, lo que ocurrió después ofrece pistas valiosas para entender el comportamiento actual del mercado. Tras consolidarse sobre ese nivel, Nvidia experimentó un rally del 167% en los siguientes 18 meses, alcanzando máximos históricos de US$346,47 en noviembre de 2021, impulsada por la explosión de la demanda de GPUs para minería de criptomonedas y los primeros avances significativos en modelos de IA generativa, como el lanzamiento de DALL·E por OpenAI en enero de ese año.

El paralelo con 2021 no es casual: en ambos casos, el catalizador fue una convergencia de factores macroeconómicos y tecnológicos. Entonces, la Reserva Federal mantenía tipos de interés cercanos a 0%, inyectando liquidez en los mercados, mientras que hoy el alivio geopolítico (el alto al fuego entre Irán y EE.UU.) y las expectativas de recortes en las tasas en septiembre de 2024 están reavivando el apetito por activos de crecimiento. Además, en 2021, Nvidia representaba el 65% del mercado de GPUs para IA (frente al 70% actual), pero su ventaja competitiva se ha reforzado con la introducción de arquitecturas como Hopper (2022) y Blackwell (2024), que multiplican por 4 y 25 veces respectivamente el rendimiento en tareas de IA comparadas con su predecesora, Ampere (2020).

Un dato clave que diferencia ambos escenarios es el perfil de los compradores. En 2021, el 32% del volumen de negociación provenía de inversores minoristas, atraídos por el hype de las criptomonedas, según datos de Vanda Research. Hoy, sin embargo, el 68% de las operaciones son institucionales, con fondos como ARK Invest (Cathie Wood) y T. Rowe Price aumentando sus posiciones en un 12% y 8% respectivamente en el último trimestre. Esto sugiere una base más sólida para el rally actual, menos susceptible a correcciones abruptas por cambios de sentimiento.

¿Repetirá la historia o el contexto ha cambiado demasiado?

El precedente de 2021 sugiere que, si Nvidia logra consolidarse sobre los US$200 en las próximas sesiones, el camino hacia los US$270-300 —objetivo de analistas como Atif Malik (Citi)— podría acelerarse, especialmente con el impulso adicional de la IA cuántica. Sin embargo, hay un factor crítico que no estaba presente entonces: la regulación antitrust. En julio de 2024, la FTC de EE.UU. abrió una investigación preliminar sobre posibles prácticas monopolísticas en el mercado de GPUs, algo que podría limitar su margen de crecimiento orgánico. La pregunta no es si Nvidia superará los US$200, sino qué tan rápido lo hará antes de que los riesgos regulatorios materialicen su sombra.

La entrada Nvidia a US$200: ¿freno técnico o nuevo despegue en la era IA? se publicó primero en En foco Hoy.