Por qué no deberías rendirte con los chips de IA, según JoAnne Feeney
La experta de Advisers Capital Management explica por qué la reciente caída en las acciones de semiconductores no es el fin de la historia y qué señales vigilar.
Las últimas semanas han sido un terremoto para los inversores en inteligencia artificial. La venta masiva de acciones vinculadas a la IA ha reavivado un debate que parecía dormido: ¿y si los nuevos modelos de IA, más eficientes, acaban necesitando menos chips y, por tanto, menos centros de datos? La lógica es sencilla y preocupante: menos demanda de semiconductores golpearía a gigantes como NVIDIA, AMD, Intel o Micron.
Pero JoAnne Feeney, de Advisers Capital Management, pide calma. En una reciente entrevista con Bloomberg Technology, la gestora argumentó que la eficiencia no es enemiga de la demanda, sino todo lo contrario. Cuando una tecnología se vuelve más barata y accesible, su uso se dispara. Es la vieja paradoja de Jevons aplicada a los chips: si entrenar un modelo cuesta la mitad, habrá el doble de empresas dispuestas a intentarlo.
Feeney señaló que el mercado está reaccionando a un miedo a corto plazo sin mirar el bosque. La IA generativa aún está en pañales, y cada avance en eficiencia abre nuevas aplicaciones que antes eran inviables. No se trata solo de chatbots más listos; hablamos de diagnósticos médicos, coches autónomos o fábricas inteligentes. Todo eso requiere una cantidad ingente de computación, y alguien tiene que fabricar esos chips.
La clave, según Feeney, está en distinguir entre el ruido y la tendencia de fondo. Las empresas que diseñan los chips más potentes —como NVIDIA con sus GPU o AMD con sus aceleradores— no van a quedarse sin trabajo porque los algoritmos sean más listos. Al contrario, la historia de la tecnología demuestra que la eficiencia expande el pastel. Eso sí, habrá ganadores y perdedores, y toca afinar la puntería.
Para el inversor de a pie, el mensaje es claro: no confundas una corrección con un cambio de paradigma. Las caídas duelen, pero si la tesis de la IA se mantiene —y todo apunta a que sí—, estos sustos pueden ser oportunidades. Eso sí, con los ojos bien abiertos a los próximos resultados empresariales y a la evolución del gasto en infraestructura de los grandes nubarrones tecnológicos.
El análisis de Salseo
- La paradoja de Jevons es el argumento central: si el coste de entrenar modelos se desploma, el número de empresas que se lanzan a la IA puede multiplicarse, aumentando la demanda total de chips en lugar de reducirla.
- El mercado está descontando un escenario lineal (más eficiencia = menos chips) que rara vez se cumple en tecnología. Lo que importa es la elasticidad de la demanda: ¿cuánto crece el uso cuando baja el precio?
- El verdadero riesgo no es la eficiencia, sino una posible burbuja de inversión en centros de datos que no se traduzca en aplicaciones rentables. Si el retorno de la inversión en IA se retrasa, el gasto en infraestructura podría frenarse, afectando a toda la cadena de semiconductores.
- Vigila los próximos informes de gasto en capital (capex) de Microsoft, Amazon y Google. Si reducen sus previsiones de inversión en la nube, sería una señal de alerta real para los fabricantes de chips, más allá del ruido de los modelos eficientes.