El estado de la IA: cambiando de marcha hacia aplicaciones autónomas y físicas

Cuando hablamos de Inteligencia Artificial, se trata de una conversación dinámica. Tras la aparición de DeepSeek hace un año, opinamos que esta fue la "fiesta de presentación" de modelos de razonamiento mucho más inteligentes, capaces y económicos que llevarían los casos de uso de la IA al siguiente nivel. Pero esto requeriría 10 veces más computación; por lo tanto, en lugar del consenso del mercado de que necesitaríamos menos computación post-DeepSeek, nuestra afirmación fue que se requiere exponencialmente más. Para finales de 2025, los modelos de razonamiento representaron más del 50% de todos los tokens procesados (partiendo de cero a principios de año), mientras que el gasto de capital (capex) en IA dio otro gran salto cualitativo.

La IA agéntica se acerca a un punto de inflexión

Creemos que estamos en el umbral de la próxima gran inflexión: la IA agéntica (toma de decisiones y acción autónoma) se está manifestando tanto en el mundo digital como agentes de IA, como en el mundo físico en vehículos autónomos y humanoides. Varios desbloqueos tecnológicos profundos están convergiendo para crear el potencial de que la innovación en IA se acelere en lugar de frenarse. Se dice que los agentes de codificación de IA ya han superado las capacidades humanas, acelerando la curva de desarrollo de los grandes modelos de lenguaje (LLM), como destacó un ensayo reciente de Dario Amodei, CEO de Anthropic.

A esto se suma el hecho de que pronto veremos LLM entrenados en la última infraestructura Blackwell a partir de mediados de 2026; el escenario está listo para una curva de innovación más rápida con la capacidad de codificar y computar mucho más velozmente. Todos los LLM que hemos visto hasta la fecha, incluidos Gemini 3 y ChatGPT 5.2, fueron entrenados en una variante del chip Hopper de NVIDIA. Para cuando lleguemos a los LLM entrenados en el chip más avanzado, Vera Rubin Ultra (previsto para 2028), la infraestructura de IA podría ser unas 400 veces más rápida, permitiendo ciclos de entrenamiento y bucles de retroalimentación exponencialmente más veloces.

El amanecer de la era de la IA agéntica

¿Cómo será una curva de desarrollo de IA más rápida? De nuevo, el área clave en la que nos centramos es la IA agéntica, donde los agentes de IA imitan la toma de decisiones humana para resolver problemas en tiempo real, lo que los hace mucho más potentes que los "copilotos" al ser liberados de la supervisión y restricción humana. El desafío para un modelo de razonamiento y para cualquier agente de IA ha sido la ventana de contexto y el horizonte de la cadena de pensamiento; es decir, los agentes de IA eran como humanos con pérdida de memoria a corto plazo: aunque podían trabajar muy rápido, pronto olvidaban cuál era su objetivo. Hay una enorme cantidad de innovación en curso en la industria para abordar esto a través de ventanas de contexto más largas (Google Gemini fue el primero en poder aceptar 1 millón de tokens o 1,500 páginas de texto) y horizontes que utilizan una variedad de técnicas, desde una mezcla dispersa de expertos (sparse mixture of experts) hasta el aprendizaje por refuerzo y arneses de agentes que guían cómo se comporta ese agente en un entorno real.

La capacidad de la IA para completar tareas de largo horizonte parece estar duplicándose aproximadamente cada siete meses. Por ello, Anthropic comentó que sus agentes de codificación han pasado de apenas poder escribir una línea de código a ser superiores a sus propios mejores programadores en el espacio de solo tres años, reforzando la narrativa de que "la IA se está comiendo al software". Esto es importante por las ganancias potenciales de productividad que los agentes de IA pueden ofrecer. McKinsey & Co. ha hablado de tener una "fuerza laboral" de aproximadamente 65,000 personas, compuesta por 40,000 humanos y 25,000 agentes. A diferencia de una fuerza laboral humana, no hay un límite demográfico para el número de agentes que se pueden desplegar. Se ha estimado que, si se extrapola la curva de progreso, los agentes de IA podrían igualar de manera fiable la carga de trabajo diaria de un humano en 2028, hacer el trabajo de un año en un día para 2034 y un siglo completo de trabajo humano en un día para 2037; esto tendrá implicaciones profundas para el trabajo de cuello blanco e industrias relacionadas.

Desbloqueo de la IA física

La otra gran área de desarrollo es la IA física. En el CES 2026, el principal evento de tecnología de consumo, el CEO de NVIDIA, Jensen Huang, habló de un "momento ChatGPT" para la IA física. De manera similar a la IA agéntica, el desbloqueo tecnológico son los modelos de razonamiento LLM, así como las fábricas de IA que permiten la creación ilimitada de datos sintéticos para compensar la falta de datos del mundo real para la conducción autónoma y robots fuera de las fábricas.

ChatGPT pudo aprender raspando (scraping) todo el texto, imágenes y videos de internet. Pero no existe un conjunto de datos similar para que la IA física comprenda las fuerzas del mundo real como la gravedad, la fricción y el impulso, o para lidiar con todos los "casos esquina" (corner cases) diarios (aquellos que ocurren fuera de los parámetros operativos normales con múltiples variables y condiciones) que se encuentran en el mundo real.

La startup británica Wayve Technologies, una de las primeras plataformas de algoritmos de conducción de IA de próxima generación, está utilizando un modelo de aprendizaje de extremo a extremo (end-to-end) en lugar de un sistema de conducción tradicional basado en reglas modulares. La empresa cree que su software puede aprender a conducir en EE. UU. en el otro lado de la carretera (izquierda británica, derecha estadounidense) con diferentes reglas de tránsito en cuestión de semanas, no años. Como resultado, estamos viendo pruebas y despliegues más amplios de robotaxis; Waymo aspira a estar presente en la mayoría de las ciudades de EE. UU. para finales de 2026, lanzándose también en Londres y Tokio. Mientras tanto, Tesla y empresas chinas como PonyAI y WeRide también tienen planes globales ambiciosos.

Ahora vemos robots moviéndose con más gracia, practicando breakdance y artes marciales mientras realizan tareas más inteligentes como guardar las compras en el refrigerador y otros quehaceres domésticos. Aunque un poco más distantes comparados con el progreso que vemos en, por ejemplo, los chatbots potenciados por IA agéntica o la conducción autónoma, los humanoides ya están en el horizonte. Se espera que los humanoides ayuden a aliviar el desafío demográfico que enfrentamos, ya que habrá solo unas dos personas en edad laboral por cada dependiente (mayor de 65 años) en la mayoría de los países desarrollados, así como en China, para 2050. Los humanoides son la solución robótica de IA que puede suministrar la fuerza laboral necesaria para la manufactura, los servicios y la ayuda a una población anciana en crecimiento.

La inversión activa en IA requiere ser consciente de los riesgos clave

Siendo inversores en lugar de futurólogos, consideramos constantemente los riesgos dentro de la ola tecnológica de la IA. Comenzando con el desarrollo tecnológico, pensamos en el financiamiento y, en última instancia, en cómo se recompensará a las empresas por ello y cómo podrán monetizar. Como inversores, lo que impulsa nuestro pensamiento y decisiones es que una empresa que nunca genera beneficios vale cero.

El desarrollo tecnológico de la IA progresa bien, aunque requiere una evaluación constante y dinámica sobre si las leyes de escala (scaling laws) siguen funcionando y si los nuevos desbloqueos continúan permitiendo capacidades de próxima generación. El mercado se ha centrado acertadamente en la sostenibilidad del financiamiento de la IA dado el enorme capex que hemos presenciado en años recientes, los recuerdos de la burbuja puntocom y las preocupaciones en torno a algunas áreas de financiamiento circular.

Sin embargo, hoy estamos en un lugar muy diferente en cuanto al financiamiento de este capex. La gran mayoría del gasto de capital en IA proviene de los "hiperescaladores" estadounidenses, que financian este gasto con beneficios y flujo de caja libre (FCF) y balances de caja neta, así como empresas y soberanos (gobiernos), que representan la mayor parte del negocio de NVIDIA hoy en día. Pero vemos que los riesgos son más elevados en el grupo de nuevas empresas (startups) entrantes, que representarán una proporción creciente del gasto en los próximos años.

Aunque el mercado tiene algunos conceptos erróneos sobre la financiación y los ingresos, vemos al creador de ChatGPT, OpenAI, como el de mayor riesgo entre los nuevos entrantes de alto perfil. Sin embargo, la empresa parece tener un camino creíble para generar cientos de miles de millones en ingresos, lo que le otorga la escala para ser más flexible en sus necesidades de financiamiento. Recientemente, parece haber adoptado una visión más pragmática: según se informa, redujo sus compromisos de financiación de 1.4 billones de dólares a 600,000 millones de dólares durante los próximos cuatro años. Mientras tanto, Anthropic parece estar en camino de tener un flujo de caja positivo en 2028, principalmente gracias al éxito de Claude Code.

Seguimos viendo canales de financiación favorables para estas empresas que requieren capital externo: Anthropic aseguró recientemente nuevos fondos que la llevan a una valoración de 380,000 millones de dólares y OpenAI anunció una ronda de financiación masiva de hasta 110,000 millones de dólares, y potencialmente una oferta pública inicial (IPO) a finales de año. Si bien algunos acuerdos de financiación son efectivamente circulares, con los hiperescaladores estadounidenses y NVIDIA participando, es probable que representen una pequeña proporción de los compromisos futuros de capex y gasto operativo (contratos de nube) de Anthropic y OpenAI.

NVIDIA también ha señalado que invertir parte de su fuerte crecimiento esperado en FCF en algunas empresas líderes de IA no es descabellado. A diferencia de la era de internet, cuando Facebook pudo comprar Instagram y WhatsApp, y Google comprar YouTube y Android, el entorno regulatorio actual más estricto no permite esto; por lo tanto, comprar participaciones en empresas es el siguiente mejor enfoque.

Burbuja de IA: ¿Realidad o efervescencia?

Hay diferencias clave entre hoy y el año 2000. En 1999, hubo unas 20 acciones tecnológicas de gran capitalización que subieron más del 900%, impulsando al Nasdaq a un movimiento de cerca del 100% en solo unos pocos meses.

Gran parte de ese movimiento de las acciones provino de la valoración, ya que el crecimiento de los beneficios no mantuvo el ritmo; por ejemplo, Cisco alcanzó una relación precio-beneficio (P/E) de más de 120x (Figura 3). Hoy es una historia muy diferente con NVIDIA, que cotiza a un P/E futuro de alrededor de 25 a 30x, ¡una valoración no muy distinta a la de McDonald's para un tipo de "chip" diferente! Es muy difícil que haya una burbuja cuando todo el mundo se preocupa por ella y por si la IA cumplirá con sus enormes expectativas y la sostenibilidad del capex.

Hemos destacado anteriormente que siempre hay un desfase temporal entre el capex, el crecimiento en el uso y la monetización, similar a lo que experimentamos en la era de internet; comprensiblemente, los mercados suelen ser demasiado impacientes. Las métricas de valoración de acciones como el P/E son opiniones del mercado, no hechos, especialmente en el sector tecnológico donde el consenso puede estar significativamente equivocado. Creemos que la clave para aprovechar la oportunidad de inversión de la IA es a través de la inversión activa, para encontrar empresas que creemos que el mercado aún no ha apreciado plenamente en su crecimiento futuro de beneficios y que, como resultado, podrían estar cotizando a valoraciones más baratas hoy frente a su trayectoria de crecimiento futuro.

La parte difícil es que, al ser esta una industria donde "el ganador se lleva la mayoría", la gran parte de los beneficios se acumulará en solo unas pocas empresas. De ahí que el desafío de usar fondos cotizados (ETFs) temáticos es que pueden tener muchas acciones que no tienen conexión con el tema subyacente; pero más importante aún, pueden nunca generar beneficios incrementales del tema y, por lo tanto, es poco probable que entreguen un crecimiento sostenible.

Como equipo, seguimos enfocados en identificar el crecimiento inesperado de los beneficios. Las nuevas olas tecnológicas importantes como la IA son excelentes terrenos de caza para los seleccionadores de acciones (stock pickers), pero creemos que el mejor resultado de inversión provendrá probablemente de una cartera de alta convicción con los verdaderos ganadores, en lugar de una cartera de cientos de acciones.

-Richard Clode, gestor de carteras de Janus Henderson