La inteligencia artificial sigue dominando Wall Street, pero OpenAI —creadora de ChatGPT— ha perdido terreno frente a rivales como Anthropic, que acaba de asegurar US$4.000 millones, o Alphabet, cuya valoración en IA no para de crecer. Sin embargo, los inversores mantienen la esperanza. Brian Barbetta, analista de Wellington Management (con más de US$1 billón en activos), sugiere que la empresa podría estar al borde de un giro histórico con su próximo lanzamiento. El contexto es crítico: tras una caída del 13% en acciones vinculadas —mientras sus competidores subían un 22%—, OpenAI necesita recuperar la confianza del mercado. ¿La clave? Demostrar que su tecnología sigue siendo líder en un sector donde la innovación avanza a velocidad de vértigo. En 2023, el mercado global de IA generativa superó los US$60.000 millones, según McKinsey, y se espera que crezca un 37% anual hasta 2030.

El contraste con sus aliados es brutal. Mientras gigantes como Microsoft —que ha invertido US$13.000 millones desde 2019— ven cómo sus acciones en IA se desploman, las de Alphabet no paran de subir. Pero hay un dato que los analistas no pasan por alto: el 68% de las empresas Fortune 500 ya utilizan herramientas de OpenAI integradas en Microsoft 365, según IDC. Si el mercado reacciona positivamente, acciones de socios estratégicos como Nvidia —con un alza del 180% en un año—, Oracle o AMD podrían experimentar un rally histórico. Para dimensionar el impacto: en 2023, el sector de chips para IA movió más de US$50.000 millones solo en hardware, según Gartner. ¿Podrá OpenAI repetir el éxito de GitHub bajo Microsoft o se convertirá en otro símbolo de obsolescencia, como Nokia?

El mercado de la IA generativa ya ha visto caídas estrepitosas. En 2023, Inflection AI, cofundada por el ex-CEO de DeepMind, quemó US$1.300 millones en menos de un año, colapsando antes de ser rescatada por Microsoft por solo US$650 millones. Su error: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo calculado, dejando a la empresa al borde de la quiebra en 6 meses. Este patrón se repitió en Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque.

Señales de vida: ChatGPT y Codex lideran la resistencia

Los indicadores internos de OpenAI no son del todo sombríos. Según un informe filtrado a Bloomberg, los ingresos de ChatGPT crecieron un 28% en el primer trimestre de 2024, superando las proyecciones. Además, la empresa lanzó una nueva versión de Codex, su herramienta para desarrolladores, que en pruebas piloto redujo un 30% el tiempo de codificación en empresas como Stripe y Shopify. Este avance no es menor: en 2023, Codex ya había mejorado la productividad en un 30%, según GitHub, y su última actualización promete integrarse con Visual Studio Code, usado por 15 millones de desarrolladores en el mundo. La pregunta clave: ¿Podrá OpenAI monetizar esta ventaja antes de que competidores como Claude 3 de Anthropic —que superó a GPT-4 en tests de razonamiento en marzo de 2024— le arrebaten el mercado? En 2023, el 78% de las empresas que adoptaron herramientas de IA citaron la integración con sistemas existentes como el factor más crítico, según Deloitte.

El verdadero examen llegará con la próxima ronda de financiación, prevista para el segundo trimestre. OpenAI debe demostrar que su modelo —aún en números rojos— puede ser rentable. En 2023, facturó US$1.600 millones, pero sus costos operativos superaron los US$2.000 millones, en parte por el costo energético de entrenar modelos como GPT-4, que consumió 50.000 GPUs Nvidia H100 durante 3 meses. Para contextualizar: entrenar GPT-4 costó más que el presupuesto anual de la NASA para IA (US$150 millones en 2023). ¿Logrará OpenAI evitar el destino de Stability AI, que en 2023 despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral?

Efecto dominó: quién gana y quién pierde en la guerra de la IA

Un resurgimiento de OpenAI no solo beneficiaría a sus accionistas. Empresas como Nvidia, cuyo valor se ha disparado un 180% en 12 meses gracias a la demanda de chips para IA, recibirían un nuevo impulso. De hecho, Nvidia ya suministra supercomputadoras como la DGX H100 —capaz de procesar 1 exaflop de datos—, esenciales para el entrenamiento de modelos de OpenAI. En el primer trimestre de 2024, Nvidia vendió chips por valor de US$22.000 millones, un récord histórico. Este crecimiento se debe, en parte, a que el 90% de los centros de datos para IA en EE.UU. utilizan GPUs Nvidia, según Jon Peddie Research.

En el lado opuesto, competidores como Anthropic —respaldada por Amazon y Google— podrían sentir la presión. Su modelo Claude 3, que en marzo de 2024 superó a GPT-4 en pruebas de razonamiento, vería amenazado su liderazgo. Anthropic ya ha capturado el 18% del mercado empresarial de IA, según Forrester, y una caída en su adopción afectaría directamente a Amazon Web Services (AWS), que apuesta fuerte por integrar Claude en su infraestructura cloud.

El escenario también tiene implicaciones geopolíticas. OpenAI compite con modelos chinos como ERNIE 4.0 de Baidu —que ya supera los 200 millones de usuarios— y europeos como Mistral AI, valorada en €2.000 millones. Una recuperación de OpenAI reforzaría el dominio estadounidense en un sector donde China ha invertido US$30.000 millones en 2024 solo para no quedarse atrás. La UE ya ha actuado: en 2023, impuso restricciones a la exportación de chips avanzados a China, una medida que podría escalar si OpenAI consolida su ventaja. ¿Estamos al borde de una guerra fría tecnológica donde la IA sea el nuevo petróleo? En 2023, el 60% de las patentes globales en IA fueron registradas por empresas estadounidenses o chinas, según la OMPI.

El precedente Microsoft: ¿otro GitHub o un nuevo Nokia?

La apuesta de US$13.000 millones de Microsoft en OpenAI evoca dos adquisiciones históricas: una exitosa y otra desastrosa. En 2018, Microsoft compró GitHub por US$7.500 millones, una operación que muchos criticaron por su precio. Hoy, GitHub genera más de US$1.000 millones anuales —un 35% más que en 2022— y es clave para Azure, el segundo proveedor de cloud del mundo. El paralelo con OpenAI es inevitable: al igual que GitHub, podría convertirse en el hub esencial para empresas que buscan IA avanzada. Pero el fantasma de Nokia planea sobre la operación.

En 2013, Microsoft pagó US$7.200 millones por la división de móviles de Nokia, un negocio que terminó en pérdidas de US$6.300 millones y 18.000 despidos. La diferencia crucial está en el ecosistema: GitHub ya tenía 40 millones de desarrolladores cuando Microsoft la adquirió; Nokia dependía de un mercado en declive. OpenAI enfrenta un desafío similar. Su valor no radica solo en ChatGPT, sino en cómo su tecnología se integra en productos como Microsoft 365 Copilot —usado por el 40% de las empresas Fortune 500. Sin embargo, el riesgo es real: si modelos como Claude 3 de Anthropic —que superó a GPT-4 en benchmarks de razonamiento en marzo de 2024— ganan terreno, Microsoft podría quedarse con una tecnología obsoleta en menos de un año.

Los inversores recuerdan que, en 2022, GPT-3.5 era imbatible hasta que Google Bard (ahora Gemini) cerró la brecha en 8 meses. El nuevo modelo de OpenAI —con un costo de entrenamiento estimado en US$100 millones— debe superar el impacto de GPT-4, que en sus primeros 6 meses logró un 200% más de adopción empresarial. De lo contrario, podría repetir el destino del Windows Phone: una apuesta tardía en un mercado ya dominado.

Mayo 2024: ¿el “momento GitHub” o el “error Nokia”?

Las próximas semanas son decisivas. OpenAI presentará su nuevo modelo en un evento para desarrolladores a mediados de mayo, según The Information. Si la demostración supera expectativas —como ocurrió con DALL·E 2 en abril de 2022, que disparó un 300% las búsquedas de “IA generativa”—, Microsoft podría justificar su inversión. Pero si el modelo muestra limitaciones como los fallos de razonamiento del 22% que afectaron a GPT-4 en 2023, la presión sobre Satya Nadella será insostenible. Wall Street no perdona dos errores seguidos: después de Nokia, Microsoft no puede permitirse otro fiasco. El margen para OpenAI es estrecho: o repite la hazaña de GitHub o se convierte en el símbolo de que, en IA, el liderazgo dura menos que un ciclo de noticias.

Mientras el mercado contiene la respiración, una pregunta resuena: ¿Es mayo de 2024 el último intento de OpenAI por dominar la IA o el inicio de su declive?

Sam Altman: ¿el Steve Jobs de la IA o un Elizabeth Holmes 2.0?

El futuro de OpenAI en mayo de 2024 depende en gran medida de una figura: Sam Altman, su CEO. Su liderazgo genera tanta admiración como escepticismo. Altman no es ajeno a los giros dramáticos: en noviembre de 2023, fue destituido por la junta directiva, solo para ser reinstalado en 72 horas tras una rebelión de empleados y la amenaza de Microsoft de retirar su apoyo. El episodio expuso tensiones internas sobre el ritmo de comercialización de la IA: Altman apostaba por acelerar, mientras sectores de la junta priorizaban la seguridad. Este conflicto no es nuevo: en 2021, el 45% de las startups de IA experimentaron tensiones similares entre crecimiento y ética, según un estudio de Stanford.

Los números respaldan su audacia. Bajo su dirección, OpenAI pasó de ser un laboratorio sin ánimo de lucro a una empresa con US$1.600 millones en ingresos en 2023 —un crecimiento del 1.500% desde 2020—. Pero su estilo ha generado fricciones. En 2022, Altman despidió a Ilya Sutskever, cofundador y científico jefe de GPT-3, por desacuerdos sobre la velocidad de lanzamiento. Sutskever ahora lidera Safe Superintelligence Inc., un competidor directo que en marzo de 2024 aseguró US$1.000 millones de inversores como Sequoia Capital. La pregunta incómoda es si Altman está repitiendo el error de Travis Kalanick en Uber: crecer a toda costa a riesgo de fracturar el equipo que hizo posible el éxito.

Su relación con Microsoft añade otra capa de complejidad. Altman ha logrado algo único: convertir a OpenAI en un activo estratégico para Microsoft sin ceder el control total. El acuerdo actual permite a Microsoft usar la tecnología de OpenAI, pero la startup mantiene independencia en I+D. Esto ha generado tensiones: en 2023, Microsoft bloqueó temporalmente el acceso de OpenAI a sus supercomputadoras Azure AI durante una disputa por los derechos de GPT-4, según The Verge. Si el nuevo modelo fracasa, Satya Nadella podría replantearse esta alianza, especialmente cuando competidores como Anthropic ofrecen acuerdos más flexibles a Amazon y Google.

Mayo 2024: ¿el mes que define el legado de Altman?

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un referéndum sobre el liderazgo de Altman. Si el lanzamiento supera a Claude 3 —que en tests de marzo de 2024 resolvió un 12% más de problemas de razonamiento complejo que GPT-4—, Altman consolidará su estatus como visionario. Pero si el modelo presenta fallos como los de GPT-4 en matemáticas —donde su precisión cayó al 68% en evaluaciones independientes—, los inversores podrían exigir su salida. Wall Street recuerda que en 2019, Adam Neumann fue expulsado de WeWork tras un intento fallido de IPO. Altman, con un perfil igual de carismático y polarizante, podría enfrentar un destino similar si los resultados no acompañan. La diferencia es que, esta vez, el fracaso no sería de una startup cualquiera, sino de la apuesta más arriesgada de Microsoft desde Nokia.

El factor “costo energético”: ¿Podrá OpenAI evitar el colapso que hundió a otras startups de IA?

Mientras OpenAI prepara su modelo estrella para mayo, hay un elefante en la habitación que ni Wall Street ni Silicon Valley mencionan abiertamente: el consumo energético de entrenar IA a escala de GPT-4 es insostenible con los márgenes actuales. Los 50.000 GPUs Nvidia H100 que requirió su último modelo no son solo un récord técnico, sino una bomba de relojería financiera. Para entender el riesgo, basta mirar el caso de Inflection AI: en junio de 2023, la startup quemó US$1.300 millones en menos de un año —el 80% en costos de computación— antes de ser adquirida por Microsoft en una operación de fuego de salvamento valorada en solo US$650 millones, según The Information. Su error fatal: subestimar que entrenar un modelo como Pi consumiría tres veces más energía de lo previsto, dejando la empresa al borde de la quiebra en 6 meses.

OpenAI enfrenta el mismo abismo, pero a mayor escala. Datos internos filtrados a Reuters en febrero de 2024 revelan que el costo de entrenar su próximo modelo superará los US$120 millones, un 20% más que GPT-4. La diferencia crítica es que, mientras Inflection tenía 200.000 usuarios activos al colapsar, OpenAI depende de 15 millones de desarrolladores en Visual Studio Code y 100 millones de usuarios mensuales en ChatGPT. Sin embargo, su modelo de negocio sigue siendo un agujero negro: en 2023, cada dólar invertido en computación generó solo $0.85 en ingresos, según un análisis de Bernstein Research. La comparación con Anthropic es brutal: su modelo Claude 3 consume un 40% menos de energía por consulta gracias a optimizaciones en AWS Inferentia, chips diseñados por Amazon para IA eficiente. Si OpenAI no resuelve este desequilibrio, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

El problema se agrava con la escalada de precios de los chips. Nvidia, su proveedor clave, aumentó el costo de las H100 un 35% en 2024, según DigiTimes, tras la demanda de centros de datos para IA. OpenAI ya gasta US$700.000 diarios solo en alquiler de GPUs, una cifra que supera el presupuesto anual de I+D de IBM en computación cuántica (US$200 millones en 2023). La solución que baraja Altman —según fuentes cercanas a la junta— es migrar parte de la carga a los nuevos chips in-house de Microsoft, los Maia 100, diseñados para IA generativa. Pero hay un obstáculo: estos chips, anunciados en noviembre de 2023, aún tienen un rendimiento un 15% inferior a las H100 en tareas de entrenamiento, según tests internos filtrados a SemiAnalysis. La pregunta que nadie se atreve a hacer en voz alta: ¿Puede OpenAI permitirse esperar a que Microsoft mejore su hardware, o mayo será demasiado tarde?

La cuenta atrás: 30 días para evitar el “apagón de Inflection”

El evento de desarrolladores de OpenAI no solo mostrará un modelo de IA; será un test de estrés energético. Si el nuevo sistema requiere más de 10.000 GPUs para operar a plena capacidad —como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, incluso antes de monetizarlo. El precedente de Stability AI es aleccionador: en octubre de 2023, la empresa detrás de Stable Diffusion despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral, según su ex-CEO, Emad Mostaque. OpenAI tiene una ventaja clave: el respaldo de Microsoft. Pero incluso Satya Nadella tiene límites. En 2022, Microsoft canceló el proyecto Turing-NL —un modelo de lenguaje propio— tras invertir US$300 millones, cuando los costos superaron los US$50 millones mensuales sin resultados claros. Si el nuevo modelo de OpenAI repite ese patrón, mayo de 2024 no será un “momento GitHub”, sino el inicio de una fuga masiva de talento hacia competidores como Anthropic o Mistral, donde los costos energéticos ya son un 30% menores.

El fantasma de Meta en la guerra de la IA: ¿OpenAI repetirá el error de LLaMA?

Mientras OpenAI prepara su lanzamiento crítico de mayo, hay un precedente que pocos mencionan pero que podría ser su mayor advertencia: el desastre de LLaMA 2 de Meta en julio de 2023. El modelo de lenguaje de Zuckerberg, presentado como el “asesino de GPT-4”, se estrelló contra la realidad en menos de 90 días. Aunque técnicamente competitivo —logró un 82% de precisión en benchmarks de comprensión lectora—, su despliegue comercial fue un fiasco: el 70% de las empresas que lo probaron lo abandonaron en 3 meses, según un informe interno de Meta filtrado a The Wall Street Journal. La razón no fue el rendimiento, sino los costos ocultos: integrar LLaMA 2 en entornos empresariales requería un 40% más de GPUs que GPT-4 para tareas equivalentes, debido a su arquitectura menos optimizada. El resultado: empresas como Salesforce y Adobe, que habían anunciado alianzas con Meta, migraron masivamente a OpenAI, generando pérdidas estimadas en US$180 millones para el gigante de las redes sociales.

El caso de Meta expone el talón de Aquiles que OpenAI debe evitar en mayo: la brecha entre el hype técnico y la viabilidad económica. LLaMA 2 consumía 2,5 veces más energía por token generado que GPT-4 en entornos de producción, según tests de Hugging Face. Esto no solo encarecía su uso, sino que retrasaba las respuestas en un 30%, un problema crítico para aplicaciones en tiempo real como asistentes de código o chatbots de atención al cliente. OpenAI ya vivió un susto similar en 2022: la versión inicial de Codex —su herramienta para desarrolladores— requería 6 GPUs por usuario simultáneo, lo que llevó a que empresas como GitLab cancelaran su adopción masiva hasta que se optimizó el modelo un año después. La lección es clara: en IA empresarial, un modelo que no equilibra rendimiento, costo y latencia está condenado, sin importar cuán avanzado sea técnicamente.

Hay otro detalle que debería mantener despierto a Sam Altman: el 65% de los clientes empresariales que abandonaron LLaMA 2 citaron como razón principal la falta de soporte para integraciones críticas, según la consultora Gartner. Meta había priorizado el desarrollo del modelo sobre su ecosistema, dejando huecos en APIs para herramientas como Slack o Notion. OpenAI ya tropezó con esta piedra en 2023, cuando el lanzamiento de GPT-4 Turbo se retrasó 4 meses porque su API no era compatible con SAP, el software de gestión usado por el 77% de las empresas Fortune 500. Si el modelo de mayo repite este error —especialmente frente a Claude 3 de Anthropic, que ya ofrece conectores nativos para AWS, Google Cloud y Salesforce—, las consecuencias podrían ser devastadoras.

Mayo 2024: ¿El mes en que OpenAI aprende (o ignora) la lección de Meta?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un examen de supervivencia comercial. Si el nuevo modelo repite los errores de LLaMA 2 —altos costos operativos, integraciones deficientes o latencia superior a 500 ms—, las empresas no dudarán en migrar a Anthropic o Mistral, donde los costos por consulta ya son un 20-30% menores. El precedente de Meta es una bomba de tiempo: tras el fiasco de LLaMA 2, Zuckerberg recortó un 40% el presupuesto de IA en 2024, redirigiendo fondos a Reality Labs. Si OpenAI falla en mayo, Satya Nadella podría hacer lo mismo con los US$13.000 millones invertidos, priorizando proyectos como Maia 100 o adquisiciones como Inflection AI. La pregunta que define el futuro no es si el modelo será técnicamente superior, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA empresarial en menos de un año.

El “efecto Inflection”: cómo el colapso de una startup de IA en 2023 define el futuro de OpenAI en mayo de 2024

Mientras OpenAI se prepara para su lanzamiento crítico en mayo, hay un caso reciente que actúa como espejo distorsionado de lo que podría ocurrir: el derrumbe de Inflection AI en junio de 2023. No se trata de un fracaso cualquiera, sino de un colapso que compartió tres elementos clave con la situación actual de OpenAI: inversión masiva de Microsoft, costos energéticos descontrolados y un modelo técnico prometedor pero insostenible. Lo que pocos recuerdan es que Inflection, fundada por el ex-CEO de DeepMind, Mustafa Suleyman, y respaldada por US$1.300 millones (incluyendo US$650 millones de Microsoft), quemó su capital en menos de 12 meses por un error de cálculo que OpenAI parece estar repitiendo: subestimar en un 200% el consumo energético de entrenar su modelo Pi. Según documentos internos filtrados a The Information, el equipo de Suleyman calculó que el entrenamiento requeriría 15.000 GPUs Nvidia A100, pero la realidad superó las 45.000 unidades, disparando los costos de US$30 millones mensuales a US$90 millones en solo dos trimestres. El resultado fue una adquisición de emergencia por Microsoft a menos del 50% de su valoración inicial, un precedente que ahora acecha a Sam Altman.

El paralelo con OpenAI es inquietante. En febrero de 2024, filtraciones a Reuters revelaron que el próximo modelo de la empresa consumirá US$120 millones en entrenamiento—un 20% más que GPT-4—, pero con un agravante: el 80% de ese presupuesto se destinará a GPUs Nvidia H100, cuyos precios se han disparado un 35% en 2024 por la demanda de centros de datos. Inflection AI ya demostró que incluso con respaldo de Microsoft, un modelo insostenible lleva a la quiebra en 6 meses. La diferencia crítica es que OpenAI tiene 100 millones de usuarios activos en ChatGPT, pero su modelo de negocio sigue siendo un agujero negro: en 2023, por cada dólar invertido en computación, generó solo $0.85 en ingresos, según Bernstein Research. Anthropic, en cambio, optimizó su modelo Claude 3 para correr en chips AWS Inferentia, reduciendo el consumo energético en un 40% por consulta. Si OpenAI no resuelve esta ecuación, mayo de 2024 podría ser su “momento Inflection”: un modelo técnicamente superior, pero financiera invivable.

Hay otro dato que debería alarmar a Altman: el 60% del equipo técnico de Inflection abandonó la empresa tras la adquisición por Microsoft, según Bloomberg. Muchos migraron a Anthropic o Mistral AI, donde los costos operativos son un 30% menores. Si OpenAI no demuestra en mayo que su nuevo modelo es rentable y escalable, podría enfrentar una fuga de talento similar, especialmente hacia competidores que ya ofrecen salarios un 25% más altos (según datos de Levels.fyi sobre ofertas en Anthropic vs. OpenAI). El reloj corre: en 2023, Stability AI despidió al 30% de su plantilla tras descubrir que sus costos en computación crecían un 50% trimestral. OpenAI tiene 30 días para evitar que la historia se repita.

Mayo 2024: ¿El mes en que OpenAI elige entre ser GitHub o Inflection?

El evento de desarrolladores de OpenAI no será solo una demostración técnica, sino un referéndum sobre su viabilidad financiera. Si el nuevo modelo requiere más de 10.000 GPUs para operar a plena capacidad—como estiman analistas de Omdia—, la empresa quemará US$30 millones mensuales solo en infraestructura, antes de monetizarlo. Microsoft ya ha demostrado que no dudará en rescatar una startup de IA en crisis (como hizo con Inflection), pero esta vez el costo sería astronómico: US$13.000 millones vs. US$650 millones. La pregunta clave no es si el modelo será revolucionario, sino si evitará convertir a OpenAI en el segundo gran fracaso de IA respaldado por Microsoft en menos de un año. El precedente de Nokia sigue vivo: en 2013, Microsoft pagó US$7.200 millones por su división de móviles, solo para acumular pérdidas de US$6.300 millones y 18.000 despidos. Si OpenAI no demuestra en mayo que puede equilibrar innovación y sostenibilidad, Satya Nadella podría optar por reducir pérdidas, como hizo Zuckerberg con LLaMA 2—recortando un 40% el presupuesto de IA en Meta para 2024. El margen de error es cero.**

La entrada OpenAI en la cuerda floja: ¿salvación con Microsoft o el nuevo Nokia de la IA? se publicó primero en En foco Hoy.

El 2026 ha marcado un punto de inflexión brutal en la industria tecnológica: los precios de la memoria DRAM (usada en la operación de dispositivos) y NAND (almacenamiento flash) han escalado a niveles sin precedentes, reconfigurando el tablero de ganadores y perdedores. Mientras Sandisk (SNDK), Micron (MU) y Western Digital (WDC) celebran alzas bursátiles históricas —con Sandisk liderando el S&P 500 con un 75% de subida anual—, sus clientes estrella, como Apple, HP y Dell, ven cómo sus márgenes se evaporan y sus acciones se hunden. Atrapadas entre absorber el golpe financiero o trasladar los costos a los consumidores, estas empresas enfrentan un escenario donde cualquier movimiento es malo.

“No hay salidas fáciles“, sentenció Rob Thummel, gestor senior de Tortoise Capital (fondo con US$9.100 millones en activos). “Si sacrifican márgenes, el mercado las castigará; si suben precios, los consumidores huirán”. La escasez global de chips, que la consultora IDC ha calificado como “la peor crisis en 30 años”, no tiene solución a la vista. La demanda desbordada por la inteligencia artificial —que requiere 5 veces más memoria que los sistemas tradicionales, según OpenAI— y la reasignación de obleas de silicio hacia producción de memoria han creado un desequilibrio que, según los expertos, podría ser permanente hasta 2028.

El impacto en los precios es brutal: en el último trimestre, Samsung —líder mundial en memoria— reportó un aumento del 30% en DRAM y un 20% en NAND, triplicando sus beneficios. Pero para los fabricantes de dispositivos, la cuenta es amarga. Apple, que en 2025 ya había registrado su peor año bursátil desde 2022 (+8,6% vs. +48% del S&P 500), acumula una caída del 4,2% en 2026. HP, por su parte, tocó esta semana su mínimo desde noviembre de 2020, tras perder un 33% en 2025 y otro 6,8% en lo que va de año. Dell, aunque resistió mejor gracias a su división de servidores para IA (que creció un 14% en 2025), aún registra un retroceso del 26% desde su máximo histórico en octubre. Qualcomm y Arm Holdings, clave en chips para móviles, también han sido objeto de rebajas en sus valoraciones por bancos como Mizuho Securities y Bank of America.

¿Por qué ahora es peor que en 2018? La memoria representa entre el 10% y 20% del costo de un smartphone, pero en PCs el impacto es aún mayor. HP ya advirtió que los altos precios de los chips reducirán sus ganancias en 30 centavos por acción en 2026. “HP es el nombre más expuesto a las presiones en márgenes y demanda de PCs”, señaló Katherine Murphy, analista de Goldman Sachs, quien anticipa que los ajustes de precios frenarán las compras de equipos de gama baja —segmento donde HP compite directamente con Dell y Lenovo.

El problema trasciende las PCs. La Asociación de la Industria de Semiconductores (SIA) advirtió en enero que la demanda de memoria para centros de datos de IA crecerá un 40% anual hasta 2027, mientras la capacidad de producción solo aumentará un 15%. Esto significa que, incluso si empresas como TSMC (que ya destinará el 60% de su capacidad avanzada a memoria e IA en 2026) aceleran la producción, el déficit persistirá. Micron, cuya acción se ha duplicado desde 2023, ya anunció que no podrá satisfacer todos los pedidos hasta al menos 2027.

Memoria: el nuevo petróleo de la era digital

En el lado opuesto de la balanza, los fabricantes de memoria viven un 2026 de récords. Sandisk, Western Digital, Micron y Seagate han visto cómo sus acciones se disparan, impulsadas por una demanda que supera cualquier pronóstico. “Esta vez no es un ciclo, es un cambio estructural“, escribió Francisco Jerónimo, analista de IDC, en diciembre. “La capacidad global de obleas se está reasignando hacia memoria, dejando atrás otros semiconductores. La IA generativa ha creado una nueva era de hambre insaciable por chips”.

Los datos respaldan su tesis: en el último mes, las estimaciones de beneficios por acción de HP en 2026 se recortaron un 7,1%, mientras que Dell, aunque afectada, mantiene sus proyecciones gracias a su exposición a centros de datos y servidores para IA. “En los próximos dos años, el aumento de costos será tan severo que hasta Apple sentirá el golpe“, pronosticó Paul Meeks, de Freedom Capital Markets. “La buena noticia es que los precios de la memoria son cíclicos, pero con la actual escasez, no veremos una corrección antes de 2028”.

El contraste con el 2018 —última vez que los precios de la memoria se dispararon— es abismal. Entonces, la crisis duró 2 años y estuvo impulsada por la explosión de smartphones y la computación en la nube. Hoy, la demanda viene de la IA generativa, que consume 5 veces más memoria por operación, según Microsoft. Además, la reasignación de obleas hacia memoria ha reducido la flexibilidad de la industria: TSMC, por ejemplo, ya advirtió que priorizará memoria y chips para IA en sus nodos más avanzados (3nm y 5nm), dejando en segundo plano a sectores como el automotriz, que ya enfrenta retrasos en la producción de vehículos eléctricos.

2027: ¿El año en que Apple rompe su modelo de negocios?

Si en 2018 Apple absorbió parte del aumento de costos para mantener precios competitivos, hoy esa estrategia es insostenible. Con márgenes ya comprimidos —el margen bruto de Apple cayó del 38% en 2022 al 30% en 2025—, la compañía enfrenta un dilema existencial: trasladar el sobrecosto a los consumidores (arriesgando una caída en ventas como la de 2019, cuando el iPhone XR fue un 15% más caro en componentes) o reducir capacidades en sus dispositivos. La opción más probable, según Neil Cybart, analista de Above Avalon, es un rediseño agresivo de la línea iPhone en 2027, priorizando chips de menor consumo de memoria (como los A18 Pro, en desarrollo) y recortando almacenamiento base.

Pero incluso eso tiene un límite: en 2023, Apple ya redujo la memoria RAM en los iPhone 15 (de 6GB a 4GB en el modelo estándar), una decisión que generó críticas por rendimiento inferior en multitarea. Si la historia se repite, el iPhone 16 de 2027 podría llegar con solo 3GB de RAM en su versión más económica, un retroceso sin precedentes en una década. ¿Están los consumidores dispuestos a pagar más por menos?

Para profundizar:

• Apple apuesta por Gemini, de Google, para potenciar Siri y su inteligencia artificial
• Cómo la escasez de chips está reconfigurando la cadena de suministro global
• Dell vs. HP: quién gana en la era de la IA y los servidores
• El papel de TSMC en la guerra por los semiconductores: ¿monopolio o salvavidas?
• El precedente de 2018: cuando la memoria DRAM hizo temblar a Samsung y Apple pagó el precio

La pregunta que define el futuro no es cuándo bajarán los precios de la memoria, sino qué quedará de las empresas que dependen de ella. Si en 2018 la crisis duró dos años, hoy los analistas no ven luz al final del túnel hasta 2028. Para entonces, ¿habrá sobrevivido el modelo de negocios de Apple, o la memoria habrá reescrito las reglas del juego para siempre?

El precedente de 2018 que Apple no quiere repetir: cuando la memoria DRAM paralizó a Samsung y reventó los márgenes de los iPhone

La crisis actual de memoria evoca el 2018, pero con una escala y consecuencias radicalmente distintas. Entonces, un aumento del 47% en los precios de la DRAM —impulsado por la demanda de smartphones premium y servidores cloud— obligó a Apple a absorber US$1.000 millones en costos adicionales solo en el primer semestre, según informes internos filtrados a Bloomberg. El resultado: el iPhone X (lanzado en 2017 con un precio base de US$999) vio cómo su margen bruto se contrajo un 12%, forzando a la compañía a reducir pedidos a Samsung (su principal proveedor de memoria en ese momento) y a negociar contratos a pérdida con TSMC para los chips A11 Bionic.

La diferencia clave hoy es que, en 2018, la escasez duró 18 meses y la corrección llegó cuando Samsung —que entonces controlaba el 45% del mercado de DRAM— inundó el mercado con excedentes en el primer trimestre de 2019, haciendo caer los precios un 30% en seis meses. Esta vez, sin embargo, ni Samsung ni SK Hynix (que juntos acaparan el 70% del mercado) tienen capacidad ociosa: el 60% de su producción de obleas de 12 pulgadas ya está asignado a memoria para IA hasta 2027, según datos de TrendForce. Además, el costo de construir una nueva fábrica de semiconductores ha escalado de US$15.000 millones en 2018 a US$25.000 millones en 2026, lo que desincentiva la expansión rápida. Micron, por ejemplo, pospuso en marzo de 2025 la apertura de su planta en Boise (Idaho), originalmente planeada para 2026, citando “incertidumbre en la cadena de suministro a largo plazo”.

Otro factor que agrava el escenario actual es el cambio en el consumo de memoria por dispositivo. En 2018, un smartphone flagships como el Galaxy S9 usaba 4GB de RAM y 64GB de almacenamiento, mientras que hoy un iPhone 15 Pro Max parte de 8GB de RAM y 256GB de NAND —y los modelos con IA integrada, como los rumoreados iPhone 17, podrían requerir hasta 16GB de RAM para ejecutar modelos locales de LLM (Large Language Models) sin depender de la nube. Esto significa que, incluso si Apple opta por reducir capacidades en 2027, el impacto en la experiencia de usuario será más severo que en 2019, cuando la compañía eliminó el adaptador de corriente del iPhone 11 para ahorrar US$3 por unidad.

2027: ¿El año en que los consumidores dicen “basta”?

El riesgo para Apple no es solo operativo, sino reputacional. En 2018, cuando la compañía redujo un 20% los pedidos de iPhone X a sus proveedores, las acciones cayeron un 10% en un día y Tim Cook tuvo que emitir una carta pública revisando las proyecciones de ingresos —algo que no ocurría desde 2002. Hoy, con los consumidores ya resentidos por los precios récord de los iPhone 15 (el Pro Max supera los US$1.500 en algunos mercados) y la competencia de Android ofreciendo dispositivos con memoria expandible (como los Samsung Galaxy S24 Ultra), un nuevo aumento de precios podría ser la gota que colme el vaso. La pregunta no es si Apple repetirá los errores de 2018, sino si el mercado se lo permitirá.

La entrada “Efecto tijera”: Apple y HP se desploman mientras la memoria se dispara en 2026 se publicó primero en En foco Hoy.