Cómo la IA está creando desajustes de valoración masivos y cambiando la lógica de la inversión en valor

2026/09/25 14:15:00

La IA altera los modelos tradicionales de valuación de acciones

La inteligencia artificial ha reescrito la fijación de precios en los mercados de acciones de maneras que desafían décadas de ortodoxia de inversión en valor. Las herramientas tradicionales que favorecían múltiplos bajos de precio-beneficio, rendimientos constantes de flujo de efectivo libre y soporte predecible de dividendos o recompras ahora se enfrentan a empresas cuyos múltiplos reportados parecen extremos en cualquiera de las dos direcciones. Algunas empresas negocian a múltiplos de un solo dígito o incluso por debajo de 2 veces las ganancias, mientras registran crecimiento de ingresos de tres dígitos; otras con flujos de efectivo duraderos se negocian con descuentos que implican obsolescencia estructural.

El resultado es un panorama de desajustes pronunciados en el que el mercado parece valorar la perturbación esperada mucho antes que los fundamentos realizados. La inteligencia artificial generativa y el auge asociado en gastos de capital han comprimido los marcos de valoración convencionales, elevando la duración del crecimiento y las ventajas intangibles como principales impulsores del valor intrínseco, y obligando a los inversores de valor a incorporar supuestos de productividad futura que los modelos antiguos excluyeron deliberadamente.

Múltiplos extremos revelan la duración del crecimiento como el nuevo debate central

Los participantes del mercado alguna vez buscaron acciones que se negociaran entre 10 y 12 veces las ganancias, capaces de crecer constantemente mediante la generación de flujo de efectivo y retornos de capital. Este enfoque ha entrado en gran medida en un período de menor relevancia. Los ejemplos discutidos públicamente ahora incluyen nombres con relaciones precio-beneficio tan bajas como 1.8 veces, mientras registran crecimiento de ingresos año tras año por encima del 600 por ciento. En tales casos, la conversación analítica se desplaza casi por completo hacia la sostenibilidad de esa dirección de crecimiento, más que hacia el nivel absoluto del múltiplo. Grupos industriales japoneses como Sumitomo Electric, que negocian cerca de 16 veces las ganancias, ilustran una dinámica paralela: sus negocios de fibra óptica, láser y componentes relacionados mantienen contratos plurianuales con operadores de nube de escala hiperscala, incorporando exposición a la IA que las pantallas tradicionales subestiman.

Estas observaciones, mostradas en comentarios recientes, subrayan un efecto de mediano plazo más amplio de la IA: las discrepancias de valoración se han ampliado, empujando la práctica de la inversión en valor hacia lo que algunos describen como oportunidades de valor profundo de alto crecimiento. Por lo tanto, los inversores deben evaluar no solo el poder de ganancias actual, sino también la duración del trayecto durante el cual el crecimiento elevado puede persistir antes de que las respuestas competitivas o la maduración tecnológica compriman los rendimientos. La implicación práctica es que los filtros construidos únicamente sobre múltiplos históricos o de corto plazo pasan por alto sistemáticamente a las empresas cuya economía está siendo reconfigurada por la demanda de infraestructura de IA.

El gasto en capital de los hiperscalers reconfigura las expectativas de la cadena de beneficios

El gasto de capital de las mayores plataformas de nube y computación ha alcanzado niveles que redefinen los grupos de beneficios de la industria. Las estimaciones de consenso sitúan el gasto combinado de 2026 de los principales hyperscalers en un rango de $700 mil millones a más de $800 mil millones, con la inversión global relacionada con la IA proyectada para superar los $1 billón. Goldman Sachs Research ha señalado que la inversión tecnológica en EE.UU. como porcentaje del PIB ya ha superado su pico de finales de la década de 1990, y los planes de gasto continúan siendo revisados al alza. Tales gastos inicialmente presionan las métricas de flujo de efectivo libre, aunque amplían los mercados abordables para semiconductores, equipos de redes, infraestructura eléctrica y materiales especializados.

Los marcos de valoración que penalizan las caídas en los flujos de efectivo a corto plazo corren el riesgo de clasificar estas plataformas como caras, cuando los aumentos subyacentes de capacidad podrían respaldar una expansión de ganancias de varios años. Al mismo tiempo, la concentración del gasto genera efectos secundarios: los proveedores con capacidad limitada o tecnología propietaria capturan márgenes desproporcionados, mientras que las empresas de software y servicios aguas abajo enfrentan presión sobre sus márgenes debido a sustitutos habilitados por IA. El resultado neto es una redistribución del valor que los modelos convencionales de flujo de efectivo descontado calibrados a tasas de crecimiento previas a la IA luchan por capturar con precisión.

La revalorización del sector de software refleja la interrupción anticipada, no la realizada

Las valoraciones de software empresarial han experimentado una compresión significativa. Los múltiplos forward para muchos nombres establecidos han caído a rangos observados por última vez durante períodos anteriores de incertidumbre en la transición a la nube, con algunas empresas de alta calidad cotizando con descuentos del 20 al 30 por ciento o más en comparación con los promedios históricos. Analistas de firmas como Morgan Stanley han observado que los múltiplos promedio de valor de empresa sobre ventas de software han regresado a niveles asociados con la máxima incertidumbre en la adopción de la nube pública. El mercado está preciando la posibilidad de que la IA generativa reduzca el número de licencias, comprima el poder de fijación de precios o absorba funcionalidades que antes impulsaban los ciclos de actualización.

Sin embargo, los fundamentos reportados para muchos actores establecidos en el flujo de trabajo siguen mostrando una conversión resistente de efectivo libre y un crecimiento de los ingresos recurrentes anuales relacionados con la IA. La divergencia entre las tasas de crecimiento implícitas incrustadas en los precios actuales y el crecimiento realizado o proyectado a corto plazo crea un desajuste clásico: algunas empresas de software rentables parecen infravaloradas según métricas de flujo de efectivo, mientras que la narrativa de obsolescencia estructural sigue siendo dominante. Por lo tanto, los inversores de valor se enfrentan a la tarea de distinguir descuentos temporales impulsados por narrativas de una erosión genuina de la ventaja competitiva.

Ganancias de valor de mercado frente al potencial de ganancias estimado de IA

Según Goldman Sachs Research, las empresas relacionadas con la IA han añadido aproximadamente $27 billones en capitalización de mercado desde finales de 2022. La misma investigación estima que el valor actualizado de los posibles beneficios adicionales derivados de las ganancias de productividad de la IA es de aproximadamente $9 billones bajo supuestos estándar. Cerrar esa brecha requiere supuestos optimistas sobre la parte del excedente económico capturado por las empresas de IA, la velocidad de adopción y la persistencia de márgenes elevados. Esta discrepancia por sí sola no demuestra una sobrevaluación; las empresas no relacionadas con la IA dentro de las mismas plataformas y la revalorización más amplia del mercado también contribuyen al total.

Sin embargo, la magnitud resalta cuánto se ha desplazado la valoración del mercado en comparación con estimaciones conservadoras de la creación de valor económico. Los inversores de valor, acostumbrados a comprar activos por debajo de su valor intrínseco calculado de forma independiente, ahora deben decidir si incorporar supuestos más altos sobre participación en ingresos y productividad, o tratar el exceso de valor de mercado como una señal de riesgo elevado. La tensión analítica es particularmente aguda para proveedores de modelos puros y listados recientes de alto perfil cuyos historiales de ganancias siguen siendo limitados en comparación con sus capitalizaciones.

Las métricas tradicionales luchan con los efectos intangibles y de red

Las métricas de relación precio-beneficio, relación precio-libro e incluso rendimiento de flujo de efectivo libre fueron diseñadas para empresas cuyos activos principales aparecían en el balance. Las empresas centradas en la IA obtienen un valor sustancial de conjuntos de datos propietarios, pesos de modelos, densidad de talento y efectos de red que mejoran con la escala. Aplicar criterios convencionales a estas empresas a menudo produce múltiplos extremos o aparentes trampas de valor. El análisis histórico de interrupciones tecnológicas anteriores muestra que las métricas de valor ingenuas a menudo no lograron distinguir a los ganadores finales de las empresas que finalmente declinaron.

Las acciones de software que antes tenían valoraciones con prima ahora se negocian con descuentos modestos respecto al mercado en general, en algunos casos; sin embargo, los activos intangibles que sustentan su economía, la integración de flujos de trabajo, los costos de cambio y los datos específicos del dominio no se reflejan plenamente en el valor contable. Los inversores que confían únicamente en ratios tradicionales corren el riesgo de perder oportunidades en empresas con crecimiento sostenido y de comprar compañías cuya aparente baratura oculta una erosión real de su ventaja competitiva. Incorporar medidas de intensidad de capital intangible y fortaleza de red de datos se ha convertido en una extensión necesaria del conjunto de herramientas de valor.

Los límites de concentración en el mercado privado restringen el acceso de los inversores públicos

Una parte significativa de la creación de valor relacionada con la IA continúa ocurriendo en los mercados privados. Los informes indican que más de la mitad del crecimiento reciente entre las principales empresas de IA ha sido capturado antes de la cotización pública, con un pequeño grupo de empresas privadas representando una fracción desproporcionada de los ingresos y la valoración dentro del grupo superior. Por lo tanto, los inversores en mercados públicos obtienen exposición principalmente a las etapas finales del ciclo, después de que ya se haya producido una apreciación sustancial. Esta dinámica altera el conjunto de oportunidades para las estrategias de valor que históricamente se centraron en acciones cotizadas públicamente.

Las transacciones en el mercado secundario y los fondos de intervalo han cerrado parcialmente la brecha, pero la liquidez, la transparencia en la valoración y los estándares de gobernanza difieren notablemente de los mercados públicos. Los inversores de valor que buscan exposición a la economía temprana de la IA deben aceptar condiciones del mercado privado o centrarse en proveedores y adoptantes públicos cuya economía ya es visible en los resultados reportados. El cambio estructural reduce la frecuencia de oportunidades clásicas del mercado público en las fases más tempranas de la adopción tecnológica.

Los nombres de semiconductores e infraestructura muestran trayectorias de ganancias divergentes

Dentro del ecosistema de IA, los semiconductores, la red y los componentes relacionados con la energía muestran trayectorias de ganancias que se desvían notablemente tanto de los proveedores de modelos como del software tradicional. Los múltiplos de ganancias futuras para los principales proveedores de equipos y memoria de semiconductores se han moderado desde los niveles máximos, pero siguen respaldados por una visibilidad de demanda de varios años vinculada a la construcción de centros de datos. Algunas empresas industriales y de materiales con productos especializados, componentes ópticos, sustratos avanzados o soluciones de gestión de energía se negocian a múltiplos que parecen modestos en comparación con el crecimiento incrustado en los contratos a largo plazo con hyperscalers.

Estos nombres a menudo se encuentran fuera de los índices puramente tecnológicos y, por lo tanto, escapan a la plena intensidad de la reevaluación impulsada por narrativas. Los marcos de valor que enfatizan el poder de ganancias en relación con el capital invertido y la duración de la demanda visible pueden identificar oportunidades aquí que las pantallas de crecimiento más amplias pasan por alto. El paso analítico clave es verificar que las restricciones de capacidad o la especificidad tecnológica limiten la entrada rápida de competidores, respaldando así la sostenibilidad del margen más allá de la fase inicial de construcción.

Riesgo de trampas de valor entre aparentes perdedores de IA

No todas las empresas de software o servicios con descuentos constituyen una oferta duradera. Las empresas cuyas ofertas principales pueden ser replicadas u orquestadas por modelos de propósito general enfrentan presión real sobre precios y volumen. Los patrones históricos de disruptión tecnológica indican que las métricas tradicionales de valor han sido en gran medida ineficaces para distinguir entre subvaluación temporal y deterioro permanente.

Por lo tanto, los inversores deben examinar los costos de cambio, las ventajas de datos propietarios y el grado en que las herramientas de IA complementan en lugar de sustituir los flujos de trabajo existentes. Las empresas que integren con éxito la IA en sus propios productos, aumentando su poder de fijación de precios mediante análisis o automatización mejorados, podrían salir más fuertes, mientras que aquellas que simplemente defiendan modelos heredados basados en asientos corren el riesgo de una compresión prolongada de sus múltiplos. La distinción requiere un análisis detallado de las hojas de ruta de los productos y los datos de retención de clientes, en lugar de confiar en múltiplos sectoriales agregados.

Ahorros de productividad y el momento del rendimiento económico

La adopción empresarial de la IA sigue siendo desigual. Las encuestas a directores ejecutivos indican que la gran mayoría informa solo una realización parcial de los resultados previstos de los programas de transformación con IA, a pesar de la amplia actividad. La proliferación de casos de uso sin una priorización disciplinada ha diluido los rendimientos en muchas empresas de la cartera. Para los inversores del mercado público, la implicación es que las mejoras en las ganancias a corto plazo podrían retrasarse varios años respecto al gasto en capital.

Los modelos de valor que incorporan beneficios de productividad retrasados producen valores actuales más bajos que aquellos que asumen una expansión rápida del margen. El desafío analítico radica en estimar el retraso entre la implementación de la infraestructura y la mejora medible del flujo de efectivo libre en diferentes industrias. Los sectores con alta intensidad de trabajo conocimiento o tareas analíticas repetitivas pueden lograr ganancias más temprano; las industrias intensivas en capital o altamente reguladas pueden retrasarse. Suposiciones precisas sobre el momento se vuelven fundamentales para evitar tanto el optimismo prematuro como la excesiva cautela.

Riesgo de concentración e implicaciones en la construcción de carteras

Los rendimientos del mercado de acciones en períodos recientes se han concentrado fuertemente en un pequeño conjunto de nombres relacionados con la IA. Cinco o menos acciones han representado la mayor parte de los aumentos del índice en ciertos intervalos, mientras que el resto del mercado ha ofrecido un desempeño más modesto. Las primas de riesgo se han comprimido, y las primas de riesgo equity futuras han alcanzado niveles históricamente bajos en algunas mediciones.

Las estrategias de valor que históricamente enfatizaron la diversificación entre sectores y estilos ahora enfrentan un mercado en el que las exposiciones no relacionadas con la IA podrían subdesempeñarse durante períodos prolongados si el capital continúa desplazándose hacia infraestructura y líderes de modelos. Por lo tanto, la construcción de carteras debe equilibrar el deseo de características clásicas de valor con una exposición suficiente al complejo de IA para evitar un subdesempeño relativo crónico. Un enfoque práctico implica identificar empresas públicas cuya economía se beneficia de la demanda de IA, pero que cotizan a valoraciones que aún incorporan un margen de seguridad en relación con el valor intrínseco estimado independientemente.

Evolución del papel del análisis de flujo de efectivo libre bajo altos gastos de capital

Los altos gastos de capital deprimen temporalmente los rendimientos de flujo de efectivo libre, incluso cuando las inversiones adicionales generan retornos por encima del costo del capital. Los análisis del retorno sobre el capital invertido adicional de los hyperscalers han mostrado picos significativamente por encima del costo promedio ponderado de capital, seguidos por una moderación esperada que aún permanece acreedora de valor bajo supuestos base.

Los inversores de valor deben por lo tanto distinguir entre las caídas en el flujo de efectivo provocadas por sobreinversión que destruye valor y aquellas que reflejan desajustes temporales entre el gasto y la monetización. Métricas como el retorno sobre el capital invertido incremental, los períodos de recuperación de los activos de centros de datos y la proporción del gasto dirigido a activos de vida corta frente a activos de vida larga ofrecen una mayor perspectiva que los rendimientos estáticos de efectivo libre por sí solos. Las empresas que mantienen altos retornos incrementales mientras escalan la capacidad pueden justificar múltiplos elevados a corto plazo; aquellas que no lo hacen corren el riesgo de una pérdida permanente de capital una vez que finalice la fase de expansión.

El futuro del cálculo del valor intrínseco

Los modelos de flujo de efectivo descontado requieren suposiciones explícitas sobre el crecimiento terminal, la intensidad competitiva y la persistencia de márgenes elevados. La IA introduce mayor incertidumbre en cada uno de estos factores. Las tasas de crecimiento terminal que antes parecían conservadoras ahora podrían subestimar las mejoras estructurales de productividad, mientras que las respuestas competitivas de los actores establecidos y los nuevos entrantes podrían comprimir los márgenes más rápido de lo que sugieren los patrones históricos.

Por lo tanto, los practicantes están ampliando el análisis de escenarios para incluir una gama más amplia de velocidades de adopción, resultados regulatorios y trayectorias de costos tecnológicos. El objetivo no es una previsión perfecta, sino una gama más sólida de estimaciones de valor intrínseco que se puedan comparar con los precios de mercado. Cuando los precios de mercado implican supuestos de crecimiento o margen fuera del rango plausible generado por el análisis fundamental, los desajustes de valor se convierten en oportunidades de inversión, siempre que el horizonte temporal y la tolerancia al riesgo del inversionista acepten la incertidumbre.

Ajustes prácticos que los inversores de valor están haciendo hoy

Los principales practicantes han comenzado a integrar fuentes de datos específicas de IA, mapeo de la cadena de suministro y estimaciones de productividad prospectiva en los procesos tradicionales de valoración. Algunos enfatizan el análisis de cuellos de botella, identificando insumos restringidos como componentes ópticos especializados, capacidad avanzada de empaquetado o infraestructura de energía, donde es probable que persista el poder de fijación de precios. Otros se centran en software de flujo de trabajo que logra monetizar funciones de IA mediante un ingreso promedio por usuario más alto en lugar de una simple expansión de licencias.

Estos ajustes no abandonan los principios fundamentales del margen de seguridad y la evaluación independiente del valor intrínseco. Amplían el conjunto de información requerido para realizar dicha evaluación en un entorno donde el cambio tecnológico altera tanto las trayectorias de flujo de efectivo como el panorama competitivo a una velocidad acelerada. Las empresas que adaptan sus marcos analíticos manteniendo la disciplina en torno al precio frente al valor están mejor posicionadas para navegar el régimen actual de desajuste de manera más efectiva que aquellas que dependen únicamente de criterios de cribado previos a la IA.

🔥 Más allá de las noticias: qué significa KuCoin 5.0 para ti

Las noticias del mercado avanzan rápido — pero donde actúes sobre ellas importa igualmente. Este octubre, KuCoin lanza KuCoin 5.0, transformando KuCoin en una plataforma reconstruida. Aquí está lo que realmente cambia para ti:

Una cuenta para todo. Las plataformas antiguas dividían tu dinero entre cuentas separadas de "spot", "margin" y "futures" y esperaban que entendieras por qué. La Cuenta Unificada de KuCoin 5.0 elimina esto por completo: realiza un depósito una vez y todo estará simplemente disponible (actualmente solo disponible para VIPs).
Acciones, índices y materias primas. KuCoin 5.0 se expande más allá del cripto hacia mercados globales. Cuando el cripto se mueve lateralmente y las acciones suben (o al revés), rotates en minutos en lugar de abrir una cuenta de corretaje y esperar días para que se activen los canales de moneda fiduciaria.
Activos del mundo real (RWA). Exposición tokenizada a activos tradicionales como materias primas, directamente en tu cuenta de cripto. Uno de los segmentos de más rápido crecimiento en las finanzas globales ya no está reservado para instituciones: tú lo accedes desde el mismo saldo con el que operas.
Gana mientras aprendes. ¿Aún no estás listo para operar? KCUSD permite que tus stablecoins generen intereses diarios con autocomposición. La forma menos estresante de hacer que tus depósitos inactivos trabajen para ti con un rendimiento del 4%.
Un asistente de IA en lenguaje sencillo. Haz preguntas, obtén contexto del mercado, entiende lo que estás viendo: integrado en la plataforma, sin necesidad de jerga.
Una aplicación que no abruma. Más rápida, más limpia y coherente: intuitiva desde el primer toque, no después de un tutorial.
Seguridad que puedes verificar, no solo confiar. Una entidad de la UE con licencia MiCAR, Proof of Reserves que puedes verificar tú mismo, y seguridad certificada internacionalmente (SOC 2 Type II, ISO 27001:2022).

Crea tu cuenta en minutos y comienza en la plataforma diseñada para adónde va el cripto, no adónde ha estado.

Preguntas frecuentes

¿Cómo se han comparado los aumentos de valor de mercado relacionados con la IA con las ganancias económicas estimadas?

Goldman Sachs Research ha calculado que las empresas relacionadas con la IA añadieron aproximadamente $27 billones en valor de mercado desde noviembre de 2022, mientras que el valor actual descontado de los posibles beneficios adicionales derivados de las ganancias de productividad de la IA se sitúa en una línea base de aproximadamente $9 billones bajo supuestos estándar. Cerrar esta diferencia requiere perspectivas más optimistas sobre la cuota de ingresos capturada por las empresas de IA, la velocidad de adopción y la durabilidad del margen. No todo el aumento del valor de mercado es puramente impulsado por la IA, ya que muchas plataformas contienen negocios sustanciales no relacionados con la IA, pero la brecha sigue siendo un punto central de debate para los inversores que evalúan si los precios actuales incorporan un optimismo excesivo.

¿Por qué se han comprimido tan bruscamente las valoraciones de software?

Los mercados han preciado la posibilidad de que la IA generativa reduzca la necesidad de licencias de software tradicionales, disminuya el poder de fijación de precios o absorba funcionalidades que anteriormente impulsaban las actualizaciones. Los múltiplos forward de muchos nombres establecidos han disminuido hasta rangos asociados con períodos anteriores de incertidumbre tecnológica. Al mismo tiempo, algunas empresas rentables de flujo de trabajo continúan reportando márgenes de efectivo libre crecientes y ingresos recurrentes relacionados con la IA, lo que crea una divergencia entre los precios impulsados por narrativas y los fundamentos a corto plazo que los inversores de valor deben evaluar caso por caso.

¿Qué papel juega el gasto en capital de los hyperscalers en las discrepancias de valoración?

El gasto combinado en capital de los principales hyperscalers para 2026 se proyecta en el rango de $700 mil millones a más de $800 mil millones, con la inversión global en IA que se espera supere los $1 billón. Estos gastos inicialmente reducen los rendimientos de efectivo libre, incluso cuando los retornos incrementales siguen siendo superiores al costo del capital. Las evaluaciones de valor tradicionales que penalizan la debilidad del flujo de efectivo a corto plazo pueden clasificar incorrectamente como caras las plataformas de construcción de capacidad, mientras pasan por alto a los proveedores cuya capacidad limitada respalda márgenes duraderos.

¿Siguen siendo útiles las métricas de valor tradicionales en un mercado impulsado por IA?

Los ratios precio-beneficio, precio-libro y rendimientos estáticos de flujo de efectivo libre siguen siendo relevantes como puntos de partida, pero deben complementarse con un análisis de activos intangibles, efectos de red, duración del crecimiento y retorno sobre el capital invertido adicional. Los episodios históricos de disruptión tecnológica muestran que la aplicación ingenua de estas métricas a menudo falló al distinguir a los ganadores finales de trampas de valor permanentes. Marco ampliados que incorporan intensidad de datos, costos de cambio y temporalidad de la productividad mejoran las probabilidades de identificar verdaderas desigualdades.

¿Cómo afecta la concentración en el mercado privado al valor público y a los inversores?

Una parte sustancial de la creación de valor relacionada con la IA ha ocurrido antes de que las empresas lleguen a los mercados públicos. Por lo tanto, los inversores públicos tienden a acceder a etapas posteriores del ciclo, después de que ya se haya producido una apreciación significativa. Esta característica estructural reduce la frecuencia de oportunidades públicas clásicas de etapa inicial y requiere que las estrategias de valor acepten términos del mercado privado o se enfoquen en proveedores y adoptantes públicos cuya economía ya es visible en los resultados reportados.

¿Qué distingue un descuento temporal de una trampa de valor en software?

Los descuentos temporales suelen aparecer en empresas que integran con éxito la IA en sus flujos de trabajo existentes, aumentando su poder de fijación de precios y retención. Las trampas de valor son más probables entre empresas cuyas ofertas principales pueden ser replicadas u orquestadas por modelos de propósito general con costos de cambio limitados o ventajas de datos propietarios. Se requiere un examen detallado de los planes de productos, las métricas de retención de clientes y el progreso en la monetización de la IA para distinguir entre ambas categorías.

Descargo de responsabilidad: Este contenido tiene fines informativos únicamente y no constituye asesoramiento de inversión. Las inversiones conllevan riesgos. Realiza tu propia investigación (DYOR).

Aviso: Esta página fue traducida utilizando tecnología de IA para tu conveniencia. Para obtener la información más precisa, consulta la versión original en inglés.