Cuando Howard Marks escribió su memo “bubble.com” en enero de 2000, no discutía si Internet cambiaría el mundo: lo daba por hecho. Su pregunta clave era otra: ¿a qué precio estamos pagando ese futuro? Ese matiz, tan incómodo como esencial, sigue siendo el mismo hoy con la inteligencia artificial. La tecnología es real y el impacto es profundo, pero el reto está en no confundir “cambiar el mundo” con crear valor sostenible para el accionista a cualquier precio.
Marks hilvanaba su tesis con paralelismos históricos, evocando a la “South Sea Bubble” (la burbuja de los Mares del Sur, 1720) y el célebre lamento de Newton: “Puedo calcular los movimientos de los cuerpos celestes, pero no la locura de la gente”, para recordarnos que el FOMO (acrónimo de Fear Of Missing Out, es decir, el miedo a quedarse fuera de una oportunidad) no se inventó en los 90. También repasa el caso de RCA en los años 20: líder en una industria que sí transformó la vida (la radio), pero cuya acción tardó décadas en recuperar su máximo tras la euforia inicial. La lección no es contra la innovación, sino contra el precio pagado por esa innovación.
En el año 2000, el carrusel de señales era clamoroso: OPVs (Ofertas Públicas de Venta, o IPOs por sus siglas en inglés) que se multiplicaban el primer día (Linux +698%); modelos de negocio que regalaban el producto para “ganar en volumen”; métricas que sustituían beneficios por tráfico; y una cadena de incentivos donde la salida a bolsa era el producto.
Marks remataba su memo con cinco lecciones sobre la esencia de las burbujas especulativas que, vistas con la perspectiva del tiempo, resultan tan actuales como entonces.
- Primero, nos recuerda que los argumentos a favor de una inversión pueden ser sólidos y la innovación real, pero si el precio de entrada es excesivo, incluso las mejores historias pueden acabar en pérdidas.
- Segundo, advierte sobre el contagio emocional: cuando todos a nuestro alrededor parecen enriquecerse, hasta los inversores más prudentes pueden sucumbir a la presión y lanzarse al mercado justo en el peor momento.
- Tercero, señala que los techos de mercado rara vez coinciden con cambios fundamentales; suelen marcarse cuando el último escéptico se rinde y decide comprar, empujado más por la psicología colectiva que por los datos.
- Cuarto, subraya que un precio desorbitado no implica necesariamente una caída inmediata: los activos pueden permanecer sobrevalorados mucho más tiempo de lo que la lógica sugeriría, o incluso volverse aún más caros antes de corregir.
Y, finalmente, la lección más importante: por mucho que el mercado ignore los fundamentales durante un tiempo, la valoración siempre termina imponiéndose. Tarde o temprano, el precio pagado vuelve a ser el factor decisivo que separa el éxito de la decepción en la inversión.
¿Qué ecos vemos hoy en la carrera por la IA?
- Narrativa verdadera ≠ precio justificable
Como entonces con Internet, hoy nadie sensato discute que la IA generativa (modelos capaces de crear texto, imágenes, código, etc.) y la aceleración de la capacidad de computación están reconfigurando sectores enteros. La pregunta, igual que en 2000, es ¿cuál es la ventaja competitiva y cuánto vale hoy su durabilidad? Warren Buffett lo resumía (Marks lo cita): “La clave para invertir no reside en evaluar cuánto afectará una industria a la sociedad, ni cuánto crecerá, sino en determinar la ventaja competitiva o foso (moat, es decir, la barrera competitiva) de cualquier empresa y, sobre todo, la durabilidad de esa ventaja. Los productos o servicios que cuentan con amplias y sostenibles ventajas competitivas son los que generan beneficios para los inversores.” En IA, parte del “foso” parece estar en tres capas:
- Hardware (chips, interconexión, packaging): Por ejemplo, NVIDIA domina el mercado de GPUs (unidades de procesamiento gráfico, esenciales para entrenar modelos de IA).
- Capas de modelo (datos, pesos, eficiencia de entrenamiento/inferencia): Aquí entran los grandes modelos fundacionales como ChatGPT o Gemini, donde los datos exclusivos y la eficiencia algorítmica pueden marcar la diferencia.
- Aplicaciones (propiedad del cliente, workflows, switching costs): Empresas que incorporan inteligencia artificial en funciones esenciales de sus clientes, de modo que cambiar de proveedor o prescindir de su solución supondría un coste elevado o una gran dificultad para el usuario final.
La trampa es asumir que todas capturarán beneficios duraderos solo por estar “en IA”. Ese salto lógico, del impacto a la captura de valor, fue lo que costó fortunas en 2000.
- Oferta de capital + “manía dentro de la manía”
Marks habló de la “mania-within-a-mania” de las OPVs; hoy su análogo es el compute rush: contratos multianuales de GPU, verticales levantando rondas a múltiplos exigentes y empresas cotizadas cuyo “beat & raise” (superar expectativas y subir previsiones) descansa en capacidad de suministro más que en barreras estructurales. La dinámica de “demasiado dinero persiguiendo muy pocas ideas” deteriora términos, eleva precios de entrada y desplaza el alfa (retorno superior al mercado) hacia la selección y el timing de ciclo, no tanto a la beta de la IA (exposición general al sector). Cuando la abundancia de capital, modelos y capacidad tecnológica deja de ser excepcional y se convierte en algo habitual, el impulso fácil que antes favorecía a las empresas se desvanece. En ese momento, el verdadero reto pasa a ser demostrar que cada economía unitaria es rentable por sí misma, sin depender de condiciones extraordinarias del mercado. Es exactamente el patrón que Marks advertía para el venture capital a finales de los 90.
- Modelos de negocio: del “gratis” al margen
En 1999 abundaba el “regalar para escalar” y después ya veremos la monetización. Con IA vemos una versión sofisticada: créditos promocionales de cómputo, capas gratuitas de producto para capturar datos/usuarios y land-and-expand (estrategia de captar usuarios gratis y luego venderles servicios premium) hacia planes enterprise (corporativos). El riesgo es creer que la elasticidad-precio será infinita o que la competencia no erosionará el take rate (porcentaje de ingresos que retiene la plataforma). Marks advertía que, por mucho que cambien los sectores o las modas, la lógica de los beneficios sigue siendo inmutable: para que un negocio sea sostenible, los ingresos deben superar a los costes. Por muy atractivos que parezcan algunos modelos de negocio, y por sofisticadas que sean sus métricas o su narrativa, al final todos se enfrentan a la realidad de los costes de adquisición de clientes (CAC), el soporte técnico, la infraestructura necesaria y, sobre todo, la presión de una competencia que también innova y automatiza. Los modelos que ignoran esta aritmética básica pueden crecer rápido, pero rara vez sobreviven cuando el mercado exige rentabilidad real.
- Ventaja del primero vs. Durabilidad
En la burbuja.com el “first-mover advantage” (ventaja del pionero) justificaba valoraciones estratosféricas cuando las empresas carecían de verdaderas barreras competitivas. Hoy, en el ámbito de la IA, vemos que ser el primero en lanzar una solución innovadora no garantiza el éxito duradero: los pioneros pueden verse rápidamente rodeados por grandes plataformas ya establecidas que integran esa funcionalidad como una característica más de su oferta, o por alternativas de código abierto que reducen drásticamente los costes y la diferenciación. Sin barreras sólidas, como datos exclusivos, una red de distribución dominante o elevados costes de cambio para el cliente, la rentabilidad tiende a ser efímera y difícil de sostener. Tal como anticipaba Marks para las empresas punto.com, la ausencia de un “foso” real convierte el éxito inicial en algo transitorio, fácilmente erosionado por la competencia y la evolución tecnológica.
- Momentum y la ilusión de liquidez
Ya en aquel entonces, Barton Biggs advertía sobre un riesgo muy humano en los mercados: muchos profesionales confían en que podrán salir a tiempo antes de una corrección, pero todos acaban siguiendo la misma estrategia de momentum, es decir, invertir en lo que sube simplemente porque sube. En mercados muy concentrados, cuando demasiados inversores intentan deshacer posiciones al mismo tiempo, la liquidez real resulta ser mucho menor de lo que sugerían las simulaciones históricas (los famosos backtests). Este es un riesgo de ejecución, no de tesis: suele ser ignorado hasta que, de repente, se vuelve crucial y dolorosamente evidente.
Un marco práctico para invertir en IA (sin perder la cabeza)
- Preguntas de foso y persistencia: ¿Qué recursos son difíciles de replicar? (datos propietarios con permisos, distribución en clientes enterprise, workflows críticos). ¿Dónde está el beneficio neto después de precios de computación, inferencia y soporte? Si la “ventaja” depende solo de capex (inversión en bienes de capital) escalando, es defendible solo mientras dure la escasez.
- Contabilidad de la economía unitaria realista: No te enamores del demo. Exige cohort economics por vertical: ARPU (ingreso medio por usuario), payback period a CAC real (no subsidiado), gross margin (margen bruto) después de cómputo. La historia está repleta de “haré margen con volumen” que terminaron mal. Marks lo explica muy bien.
- Evita pagar por cien años de crecimiento en sectores donde el cambio se acelera. Alan Abelson lo llamó “goofy”: descontar un siglo de beneficios en campos hipercíclicos. En IA, la obsolescencia técnica puede ser trimestral, no decenal. Exige un margen de seguridad mayor, no menor.
- Diferencia impacto macro de captura micro. No debemos confundir el impacto transformador de una tecnología a nivel macroeconómico con la capacidad de capturar valor a nivel empresarial concreto. La aviación, por ejemplo, revolucionó la economía global y la vida cotidiana, pero durante décadas el sector apenas generó beneficios acumulados para sus accionistas. Del mismo modo, que una capa del ecosistema de la inteligencia artificial (como el hardware, los modelos o las aplicaciones) sea imprescindible para el avance tecnológico no garantiza que todas las empresas que operan en ese segmento, ni mucho menos una acción concreta en cartera, vayan a ser rentables. La diferencia entre “ganar seguro” a nivel sectorial y obtener retornos reales en un ticker concreto es, a menudo, abismal.
- Humildad frente al ciclo: “Demasiado caro” puede seguir subiendo… hasta que deja de hacerlo. La disciplina consiste en ceñirse al proceso cuando la narrativa te grita lo contrario. Esa fue, literalmente, la quinta lección de Marks: Eventualmente, la valoración importa.
Confieso que, por edad, no viví en primera persona la exuberancia ni el posterior estallido de la burbuja de las punto.com. Sin embargo, cuando el mercado actual me plantea dilemas, como ocurre ahora con la inteligencia artificial y la aparente euforia bursátil, me gusta detenerme y buscar la perspectiva de los sabios. Recurro a voces como la de Howard Marks, no solo para entender qué sucedió entonces, sino para observar cómo pensaron y actuaron quienes ya navegaron aguas similares.
En un entorno donde la innovación tecnológica parece prometerlo todo y el capital fluye con una facilidad que recuerda a otros ciclos de manía, me resulta imprescindible mirar atrás. Los grandes inversores no solo destacan por anticipar tendencias, sino por su capacidad de mantener la cabeza fría cuando el consenso se calienta. Marks, con su lucidez y humildad intelectual, nos recuerda que la historia de los mercados es, en el fondo, la historia de nuestras emociones y de nuestra tendencia a olvidar que, por muy brillante que sea el futuro, el precio que pagamos hoy sí importa.
Quizá esa sea la mayor lección para quienes, como yo, no vivimos la burbuja de las punto.com pero sí aspiramos a aprender de ella: en tiempos de cambio acelerado, conviene escuchar a quienes ya han visto cómo la euforia puede dar paso a la decepción. Porque, aunque la tecnología cambie, la naturaleza humana permanece. Y en la inversión, la memoria histórica es uno de los activos más infravalorados.
Referencias:
Barton Biggs fue uno de los inversores y estrategas más influyentes de Wall Street. Nacido en 1932, fue cofundador y director global de inversiones de Morgan Stanley Investment Management, donde se consolidó como uno de los primeros grandes estrategas globales y pionero en la inversión en mercados emergentes. Biggs es especialmente recordado por anticipar la burbuja y posterior estallido de las punto.com a finales de los años 90, cuando muchos otros seguían siendo optimistas. Tras dejar Morgan Stanley en 2003, fundó el hedge fund Traxis Partners. Además de su aguda visión de mercado, fue autor de varios libros sobre inversión, como “Hedgehogging”, y era conocido por su pensamiento independiente y su capacidad para ir contracorriente cuando el consenso se equivocaba.
Alan Abelson fue un influyente periodista financiero estadounidense, conocido principalmente por su columna semanal “Up and Down Wall Street” en la revista Barron’s, que escribió durante casi cinco décadas. Nacido en 1925 en Nueva York, Abelson fue editor de Barron’s entre 1981 y 1992 y se destacó por su estilo escéptico, incisivo y a menudo irónico, con el que analizaba tendencias, modas y excesos de Wall Street. Sus columnas eran lectura obligada para inversores institucionales y particulares, y su capacidad para cuestionar el consenso y advertir sobre burbujas, como la de las tecnológicas en los años 90, le valió tanto admiradores como detractores. Abelson recibió varios premios a lo largo de su carrera, incluido el Gerald Loeb Lifetime Achievement Award, uno de los máximos reconocimientos en periodismo financiero.
Fuentes:
- Howard Marks, “com” Memo, Oaktree Capital Management, enero de 2000.
Autora: Cristina Diezma
M&A Senior Analyst en Repsol & Presidenta del Club Argent – Jóvenes Talentos