Los centros de datos se han convertido en uno de los elementos más visibles de la economía digital. Su expansión genera inquietudes legítimas sobre el consumo de agua, la demanda eléctrica, el empleo, la fiscalidad y el impacto ambiental. Estas preocupaciones, amplificadas tras la reciente puesta en audiencia pública del proyecto de Real Decreto por el …

Read more

El espejismo de los números

Sin embargo, tras esta fachada de éxito incontestable asoman las primeras fisuras. El beneficio ajustado por acción (BPA) alcanzó los $2.22 frente a los $2.09 esperados, una métrica sólida pero que muestra signos de desaceleración en su ritmo de expansión. Más revelador aún es el comportamiento del segmento ACIE (acrónimo de Automotive, Consumer, and Industrial/Enterprise). Esta división, que consolida los negocios de automoción conectada, robótica industrial y chips para el mercado de consumo, reportó $40.300M en ventas, quedando por debajo de los $41.900M proyectados por el mercado.

Read more

La inteligencia artificial ha conseguido en apenas unos años algo extraordinario: convertir una tecnología hasta hace poco reservada a especialistas en un producto de uso diario para cientos de millones de personas. OpenAI y Anthropic están en el centro de esa transformación. Sus modelos escriben, programan, traducen, investigan, analizan documentos y empiezan a ejecutar tareas que hasta ahora exigían trabajo cognitivo humano. Pocas tecnologías recientes ofrecen una promesa comparable.

El problema comienza cuando intentamos poner precio a esa promesa.

OpenAI y Anthropic se preparan para protagonizar dos de las mayores salidas a bolsa de la historia. Para justificar las valoraciones que las acompañan necesitan convencer al inversor de dos cosas diferentes. OpenAI debe explicar cómo una empresa que crece a una velocidad excepcional, pero que todavía consume cantidades extraordinarias de dinero, llegará a generar beneficios suficientes para justificar una valoración cercana al billón de dólares^[1]. Anthropic plantea el argumento desde el otro extremo: sostiene que la inteligencia artificial puede actuar sobre un mercado potencial (el famoso TAM, que luego explicaré) superior a 30 billones de dólares anuales.

Hablamos de dos relatos distintos sobre una misma apuesta. El primero parte de unas cuentas reales y pide imaginar cómo serán en el futuro. El segundo parte de un futuro posible y utiliza su enorme tamaño para explicar cuánto podría valer una empresa en el presente. Capitalizamos la palabra o actualizamos un sueño.

Entre ambos aparecen cifras difíciles de asimilar, como decenas de miles de millones de ingresos y pérdidas, centenares de miles de millones destinados a centros de datos y capacidad de computación, valoraciones que se acercan o superan el billón de dólares y mercados potenciales medidos ya en decenas de billones. También aparece un vocabulario (cash burn, ARR, run rate, TAM, SAM, SOM) que puede hacer que magnitudes relativamente sencillas parezcan mucho más complejas de lo que son.

Aquí intento hacer justamente lo contrario. Primero examinaremos las cuentas. Cuánto ingresa realmente OpenAI, cuánto gasta, cuánto pierde y cuánto dinero necesita consumir para continuar creciendo. Explicaremos cómo es posible que una compañía tenga 30.000 millones de ingresos previstos y, al mismo tiempo, pueda necesitar 25.000 millones adicionales de caja. Veremos también por qué facturación, ARR, beneficio, pérdida operativa y cash burn describen estados diferentes, aunque con frecuencia aparezcan mezcladas en los titulares.

Después iremos con los cuentos. No en el sentido de que sean necesariamente falsos, sino en el sentido financiero más importante de la palabra, cómo el relato, las historias sobre el futuro que permiten justificar hoy una determinada valoración. Ahí entra Anthropic y su mercado potencial superior a 30 billones de dólares. Intentaremos entender qué significa realmente esa cifra, ponerla en contexto, cuánto de ese gigantesco mercado podría convertirse en ingresos y por qué una tecnología puede transformar actividades económicas por valor de billones sin que quienes proporcionan esa tecnología capturen más que una pequeña fracción de ese valor.

La cuestión de fondo no consiste en decidir si la inteligencia artificial tendrá éxito. Es un hecho, ya lo ha tenido. Tampoco en negar que OpenAI o Anthropic puedan convertirse en compañías extraordinariamente rentables. Puede ocurrir.

La pregunta es otra: ¿cuánto dinero tendrán que consumir antes de conseguirlo, qué beneficios deberán generar después para justificar las valoraciones que hoy se manejan y quién financiará el trayecto si las previsiones no se cumplen?

Porque una tecnología puede cambiar el mundo y ser, al mismo tiempo, una mala inversión a determinado precio.

Read more

Imagen de Star Wars - La amenaza fantasma - Derechos de The Walt Disney Company

En el mundo de las altas finanzas existe una premisa fundamental: lo que no figura en el balance de una empresa no deja de existir en la realidad. Sin embargo, la normativa contable actual permite que compromisos financieros astronómicos permanezcan invisibles para el inversor común. Nos encontramos en medio de la mayor carrera tecnológica de la historia reciente, la carrera por dominar la Inteligencia Artificial (IA). Grandes corporaciones como Meta (matriz de Facebook e Instagram) y Microsoft están invirtiendo sumas de dinero sin precedentes para construir las infraestructuras que alimentarán esta revolución: los llamados hiperescalares^[1]. Un reciente análisis de Perera me ha hecho reflexionar al respecto.

El volumen de dinero involucrado en esta transformación desafía la imaginación. Solo entre Meta y Microsoft han acumulado compromisos de alquiler a largo plazo por valor de 676.000 millones de dólares. Para poner esta cifra en perspectiva, Moody’s, una de las principales agencias de calificación crediticia del mundo, contabilizaba unos meses antes en 662.000 millones de dólares los compromisos similares no iniciados de los cinco gigantes tecnológicos globales juntos, dentro de un global de 969.000 millones de dólares, que Reuters aumenta hasta los 1,09 billones de dólares en arrendamientos todavía no iniciados de Microsoft, Meta, Oracle, Amazon y Alphabet

La pregunta lógica que se haría cualquier inversor al ver una cifra tan desorbitada es simple: ¿dónde está registrada esta deuda? La respuesta es sorprendente, porque aunque deben revelarse en las notas de los estados financieros, no figuran todavía como pasivos por arrendamiento en el balance. Todo está firmado mediante contratos legalmente vinculantes, pero nada de ello figura como deuda formal en sus estados financieros.

Este fenómeno no es fruto de la casualidad ni de una práctica ilegal. Es el resultado directo de las posibilidades que ofrece la normativa contable de Estados Unidos (conocida como US GAAP y, en particular, su norma sobre arrendamientos ASC 842), que puede generar una importante diferencia entre el endeudamiento reconocido en balance y los compromisos económicos futuros. A través de estructuras financieras altamente complejas, estas empresas están trasladando el riesgo a los mercados de capitales y a los inversores. Para comprender la magnitud de la amenaza financiera que se está gestando, es necesario examinar cómo se construyen estos castillos de naipes contables, sobre qué supuestos se sostienen y qué ocurrirá si los cálculos sobre el futuro de la Inteligencia Artificial resultan ser demasiado optimistas.

La anatomía de un riesgo invisible

Read more

Hace unas semanas explicaba cómo los vehículos eléctricos chinos que circulan por media Europa no son solo automóviles con batería, sino ordenadores con ruedas conectados de forma permanente a la nube. Registran hora de arranque, velocidad, frenadas, rutas, e incluso, en algunos modelos, la mirada del conductor. Ese torrente de datos viaja hacia servido…

Read more

Estamos en un edificio de alta seguridad en algún lugar de Alemania. En sus laboratorios subterráneos, un grupo de científicos trabaja en el desarrollo del compuesto Beta-7, una molécula rediseñada que promete neutralizar un tipo de tumor hasta ahora incurable. Para llegar aquí se han necesitado diez años de investigación, millones de euros de inversión y una cantidad ingente de datos confidenciales, como historiales médicos, mapas genéticos y registros de patentes que valen miles de millones de euros. En la industria farmacéutica de primer nivel, la información no es solo poder; es el casi único patrimonio que sostiene el futuro de la compañía.

Hasta hace poco, los científicos analizaban estos datos de forma tradicional, donde casi la última innovación fue la combinación de las publicaciones científicas, la hoja de cálculo y los algoritmos de machine learning implementados en R y Python. Hoy, la Inteligencia Artificial generativa ha cambiado las reglas del juego. Un científico le pregunta a su asistente digital «¿Qué efectos secundarios específicos mostró el compuesto Beta-7 en los pacientes del Grupo A durante la fase dos?», y logra una respuesta precisa en tres segundos. La eficiencia ha crecido exponencialmente, pero con ella ha nacido un dilema de seguridad sin precedentes en la historia corporativa europea.

Este análisis aborda el laberinto estratégico al que se enfrenta una gran corporación farmacéutica alemana, que podría ser el de cualquier empresa química, logística o financiera. Una encrucijada donde se cruzan la eficiencia económica, el espionaje industrial, la geopolítica global y la soberanía tecnológica. El problema, como veremos, no consiste en elegir la máquina más inteligente, sino en decidir quién guarda la llave de la cámara del tesoro.

Parte I: El estado de la cuestión y las dudas del presente

La empresa protagonista de este caso cuenta actualmente con un sistema de Inteligencia Artificial comercial de primer nivel, de origen estadounidense como no puede ser de otro modo. El motor es extraordinariamente inteligente y rápido. Además, la compañía proveedora ofrece por contrato una cláusula de «retención cero»: promete que las preguntas de los científicos y las fórmulas del compuesto Beta-7 no se guardarán en sus servidores ni se utilizarán para entrenar a futuras versiones de la IA. El pago va asociado al consumo de tokens, y no es un precio barato; sin embargo, la farma está dispuesta a pagarlo. Una ofrece, la otra demanda, el precio cierra el acuerdo y vacía el mercado. La base del comercio.

Read more

Para entender la magnitud del pánico que recorre la Casa Blanca, debemos levantar el capó de la gran revolución de nuestro tiempo, la Inteligencia Artificial. Cuando interactuamos con un modelo de lenguaje, automatizamos una cadena de producción o dejamos que un coche tome decisiones en millonésimas de segundo, tendemos a pensar en la IA como algo etéreo, un software casi mágico que flota en la nube. Nada más lejos de la realidad. La Inteligencia Artificial es, ante todo, una criatura profundamente física.

Requiere trillones de operaciones matemáticas por segundo que se ejecutan en placas de silicio del tamaño de una uña. Y resulta que nadie en el planeta, tampoco TSMC (la Taiwan Semiconductor Manufacturing Company de la que ya hemos hablado en este blog), el fabricante taiwanés de los chips más extremos y avanzados del mundo, puede construir los cerebros mecánicos capaces de procesar esa información sin los equipos de fotolitografía ultravioleta extrema (EUV) diseñados por ASML.

El cuello de botella global: un monopolio por necesidad física

En el tejido empresarial moderno abundan los oligopolios, pero el caso de ASML roza el absoluto. No es que la empresa holandesa tenga una posición dominante en el mercado; es que tiene el monopolio total del proceso de fabricación de los microchips más avanzados del mundo. Gigantes legendarios de la informática como Nvidia diseñan arquitecturas de chips asombrosas, y colosos como TSMC operan las fábricas más precisas del globo. Sin embargo, TSMC es incapaz de producir un solo chip para Nvidia si no dispone de las máquinas de ASML, que actúan como las imprentas definitivas de la era digital.

Read more

Hay una escena, hace apenas dos días, que resume mejor que cualquier informe de analista lo que está ocurriendo en la industria de la inteligencia artificial. Alex Karp, cofundador y consejero delegado de Palantir, en directo en la CNBC, cada vez más alterado, defendiendo su nueva alianza con NVIDIA mientras acusaba a OpenAI y Anthropic de vender un producto sobrevalorado. La presentadora le interrumpe: “Pareces muy enfadado”. Karp responde que es la voz del empresariado americano hablando a través de él, y añade, quién sabe si más en serio que en broma, que si alguien quiere comprobar si exagera, que llame en privado a cualquier consejero delegado y le diga que “el loco de Karp” ha dicho en televisión que todos están hartos. La respuesta, asegura, dejará la suya como discreta.

No es un desliz retórico. Karp lleva años presentándose como el loco de Silicon Valley, el filósofo incómodo que dice en voz alta lo que otros consejeros delegados solo susurran en privado. Y esta vez el diagnóstico que lanza (que el modelo de negocio de los grandes laboratorios de IA está roto) viene acompañado de algo mucho más interesante que una rabieta televisiva: un acuerdo con NVIDIA que propone una arquitectura alternativa completa para construir inteligencia artificial en empresas y gobiernos. Conviene mirar con calma qué hay detrás, porque puede que el loco no lo esté y tenga razón.

Por qué Ontology, y por qué eso importa

Antes de entrar en el acuerdo, hay que entender de dónde viene Karp, y entender por qué esta jugada no es improvisación oportunista sino la culminación de una tesis que lleva años construyendo. Karp se doctoró en teoría social en la Universidad de Fráncfort, bajo la tutela de Jürgen Habermas, uno de los grandes filósofos vivos y heredero de la Escuela de Fráncfort. Antes había estudiado Derecho en Stanford. Esa doble formación (jurídica y filosófica) es la clave de Ontology, el nombre de la nueva plataforma.

Habermas construyó su obra alrededor de una idea central: las sociedades funcionan cuando los seres humanos logran entenderse mediante un lenguaje común, libre de distorsiones. Karp trasladó esa idea al software corporativo. Las organizaciones grandes (un gobierno, un ejército, un hospital, un banco, una farmacéutica) sufren de una torre de Babel interna: los ingenieros tienen un idioma técnico, los directivos hablan de negocio, y los datos viven fragmentados en miles de silos que no se entienden entre sí. Ontology es, literalmente, el intento de construir esa gramática compartida, un mapa que define qué existe en la organización (empleados, fábricas, departamentos, activos, procesos) y cómo se relacionan de verdad, para que una inteligencia artificial, un ingeniero y un directivo puedan operar sobre la misma realidad sin traducciones que se pierden, y los pierden, por el camino.

Read more

OpenAI genera ingresos crecientes, pero sus pérdidas son colosales y su modelo depende de rondas de financiación cada vez más altas. La comparación con SpaceX, que tras su reciente salida a bolsa vio caer sus acciones un 32 % en pocos días, resultó especialmente incómoda. Cuando incluso el mayor creyente en la IA duda de que los inversores reales estén dispuestos a pagar el precio pedido, es difícil no ver una señal de que la burbuja tecnológica muestra fisuras.

Este nerviosismo se agrava por la creciente intervención estatal. El secretario de Comercio estadounidense, Howard Lutnick, envió una carta a Anthropic en la que levantaba parcialmente las restricciones sobre uno de sus modelos avanzados (Mythos 5), pero solo para investigadores propios, socios estadounidenses de confianza y entidades gubernamentales. El resto del mundo, incluidos ciudadanos y empresas estadounidenses fuera de ese círculo, sigue requiriendo licencia de exportación, mientras que un modelo aún más potente (Fable 5) permanece prohibido. La medida refleja un control selectivo por motivos de seguridad nacional, priorizando a aliados cercanos y al propio Estado mientras mantiene barreras estrictas para el uso generalizado.

Casi al mismo tiempo, la Administración Trump solicitaba a OpenAI escalonar el lanzamiento de su nuevo modelo y controlar quién accede inicialmente a él. Decidir quién puede usarlos, cuándo y bajo qué condiciones parece el nuevo normal de Washington, incurriendo en una contradicción fundamental (una más) con los principios que recogía, hace sólo unos días, la última Orden Ejecutiva del Presidente en relación con la regulación de la IA. De todo ello he escrito aquí.

Frente a estas restricciones, ya ha surgido la primera respuesta legal. La empresa de tecnología legal Legion ha demandado a la administración Trump, argumentando que carece de autoridad para bloquear el acceso a modelos alojados en la nube, que la medida viola protecciones legales para materiales informativos y que resulta arbitraria y posiblemente como represalia. El litigio cuestiona directamente el equilibrio entre seguridad nacional y libertad de innovación.

Poco después de su exitosa salida a bolsa, SpaceX ha vivido un episodio de fuerte volatilidad que ilustra tanto las expectativas desmesuradas como los riesgos inherentes a una empresa de alta tecnología en pleno proceso de expansión.

Read more

The Information publicaba ayer que la Administración Trump habría solicitado a OpenAI escalonar el lanzamiento de su nuevo modelo y controlar quién accede inicialmente a él, parece confirmar esa tendencia. Pero, al mismo tiempo, pone de manifiesto una contradicción de enorme calado.

Read more

Read more

Durante los últimos tres años, el mundo ha asistido a uno de los mayores despliegues de capital de la historia económica moderna. No se trata de un sector emergente en busca de financiación para crecer, sino de empresas que ya facturan cientos de miles de millones de dólares tomando decisiones de inversión que solo tendrían sentido si el futuro confirmara unas hipótesis que, examinadas con frialdad, no están respaldadas por ningún dato presente. Goldman Sachs estima que el gasto agregado en infraestructura de IA entre 2026 y 2031 alcanzará los 7,6 billones de dólares. Para que esa cifra genere un retorno razonable, el ecosistema de inteligencia artificial necesitaría producir aproximadamente 800.000 millones de dólares en beneficio neto anual, una cantidad que supera la suma de los beneficios netos de todas las grandes tecnológicas del mundo en el mejor año de su historia. Lo que para algunos puede ser un pronóstico optimista no es más que una apuesta apalancada con dinero ajeno.

La economía clásica permite distinguir con precisión entre inversión productiva e inversión especulativa. La primera crea valor al generar output que el mercado demanda a precios que cubren el coste del capital. La segunda puede crear valor también, pero solo si las hipótesis de partida se confirman. El problema no es la tecnología: los modelos de lenguaje son reales, su capacidad de automatizar cognición rutinaria es real, y los casos de uso que generarán ingresos estables también son reales, aunque sean más acotados de lo que el mercado anticipa. El problema es que “la IA es transformadora” y “cada hiperescalar recuperará su gasto en capex” son dos afirmaciones independientes, y solo la primera tiene evidencia sólida detrás.

II. Anatomía de un proceso circular

Read more

Imagen de fxleaders.com

1. LA OPERACIÓN EN CIFRAS

● Precio: $135/acción (Clase A, 1 voto)

● Valoración: $1,77 billones. 7ª empresa más valiosa de EE.UU., por encima de Tesla ($1,6T)

● Acciones ofertadas: 555,6 millones de Clase A (solo capital nuevo, no venta de accionistas existentes)

● Capital captado: $74,4B netos ($85,7B si se ejerce el greenshoe al 100%)

● Mayor OPV de la historia: 2,5× el récord anterior (Saudi Aramco 2019: $29,4B) [1]

● Cotización prevista: Nasdaq, 12 junio 2026, bajo el ticker SPCX

● Control post-OPV: Musk retiene >82% del poder de voto vía acciones Clase B (10 votos/acción) [2]

● Programa dirigido: 5% de las acciones reservado para empleados y personas designadas por la dirección, sin bloqueo temporal (lock-up)

Nota: ‘Billones’ en esta nota = trillions en inglés (1.000.000 millones).

2. MÚLTIPLOS DE VALORACIÓN A PRECIO DE OPV

● P/S (Precio/Ventas): 94,7× sobre ingresos 2025 ($18,67B)

Read more

La razón declarada:

◦La síntesis de ADN en línea ha democratizado la investigación y acelerado el desarrollo de vacunas y ciencia básica.

◦Desde hace más de 20 años se sabe que un mal actor podría usar secuencias de ADN para reconstruir virus peligrosos o crear armas biológicas.

◦Ahora, con el avance de la IA, esta amenaza se ha agravado; los sistemas de IA ya superan a virólogos con doctorado en procedimientos de laboratorio técnicos. Esto está destruyendo las barreras de conocimiento que antes protegían contra la creación de armas biológicas.

La propuesta de los firmantes:

◦Las empresas que sintetizan ADN/ARN deben

▪Examinar las secuencias solicitadas buscando “secuencias de preocupación” (patógenos, toxinas, etc.);

▪Verificar la legitimidad del cliente;

▪Guardar registros de los pedidos y las secuencias (recordkeeping) para poder rastrear posibles amenazas.

◦La trazabilidad disuade el mal uso.

◦Y aunque muchos de los mayores proveedores ya lo hacen voluntariamente, quieren que sea obligatorio por ley a nivel federal para crear un estándar nacional uniforme (en lugar de un mosaico de leyes estatales).

La carta subraya que es un raro momento de consenso entre personas que normalmente tienen opiniones muy diferentes sobre política de IA.

Mas allá del acuerdo, la carta pone de manifiesto de la intersección entre IA y biotecnología como riesgo de uso dual. Como siempre ocurre en tecnología, en industria, en toda creación humana, la IA no solo ayuda a crear cosas buenas, sino que también reduce drásticamente la barrera para crear cosas peligrosas.

Para entender qué hay detrás de esta firma, más allá de las intenciones puramente humanitarias que declaran, debemos analizar el contexto tecnológico, político y estratégico actual. Porque, en general, en estas peticiones regulatorias conviven el miedo real, la estrategia de imagen y, muchas veces, un fuerte incentivo económico que roza el oligopolio. Y esa, quizá, es la razón no declarada: cualquier barrera genera problemas al desarrollo científico y permite una captura regulatoria a los firmantes que ahoga a los más pequeños. Lo busquen o no, es lo que consiguen.

1. La urgencia real: El multiplicador de fuerza de la IA

¿Por qué ahora y no hace cinco años? La biología sintética (fabricar ADN a la carta en un laboratorio) existe desde hace tiempo, pero la Inteligencia Artificial ha cambiado las reglas del juego de golpe.

Read more

Read more

Read more

- Gemini Spark, un agente de IA que trabaja 24/7 en segundo plano (incluso con el móvil apagado), organizando correo…

Read more

Empieza el viaje de Trump a China, rodeado de magnates de las finanzas y de la tecnología, y Amodei vuelve a tocarle las narices al presidente al recordarnos a todos lo que está realmente en juego. “2028: Two scenarios for global AI leadership” no es solo un análisis técnico, es un manifiesto geopolítico sobre el futuro inmediato. La tesis central es que estamos en una carrera contra el tiempo: para 2028, la IA podría alcanzar un nivel de autonomía capaz de redefinir el poder global, y el resultado dependerá de quién controle la infraestructura física del cálculo. Lo plantea como una batalla entre la democracia y la dictadura, entre la luz y la sombra.

Estos son los puntos clave para entender este horizonte.

1. El fin de la ventaja por talento

Anthropic sostiene que la brecha actual entre EE. UU. y China no se debe a una diferencia de ingenio humano, sino al acceso a los chips. Advierte que los laboratorios chinos han logrado mantenerse cerca de la frontera tecnológica explotando vacíos en los controles de exportación y utilizando al máximo las técnicas de “destilación” (que es el eufemismo del sector para señalar que usas el trabajo de otros para entrenar tus modelos). Si no se cierran estas brechas, la ventaja democrática desaparecerá.

Read more

Estas son las principales ideas.

1. La ecuación de la nueva agencia

A medida que los agentes de IA se encargan de la ejecución de las tareas, los humanos ganan más capacidad para la dirección/organización. El trabajo de alto valor ya no es hacer, sino esencialmente juzgar, refinar y dar sentido a los resultados generados por la IA. El 66% de los usuarios afirma que la IA les permite centrarse en trabajo de mayor valor.

2. Profesionales de frontera (frontier professionals)

Read more

Ese es el punto de partida.

Acto I. La alegría de los balances.

Porque lo que estamos viendo en los resultados de Alphabet, Microsoft, Amazon y Meta, todos ellos presentados la última semana de abril, no son simples cuentas trimestrales. Son cuatro estrategias distintas para dominar la inteligencia artificial antes de 2030. Y todas están invirtiendo cantidades que, hace apenas cinco años, les hubiesen parecido absurdas incluso a ellas mismas.

Si uno mira solo los ingresos, la tranquilidad se apodera de nuestro ánimo. Alphabet crece un 22% hasta 109.900 millones de dólares. Microsoft suma 82.900 millones (+18%). Amazon alcanza 181.500 millones (+17%). Meta sorprende con 56.300 millones (+33%). No hay crisis. No hay desaceleración. No hay señales de agotamiento. Pero eso no es lo importante.

Lo importante está en otra línea del balance: el capital que están quemando para sostener ese crecimiento. Amazon gasta más de 44.000 millones en CAPEX en un solo trimestre. Microsoft se mueve en cifras cercanas a los 31.000 millones. Meta ya está en casi 20.000 millones trimestrales y anticipa entre 125.000 y 145.000 millones anuales. Alphabet, más silenciosa, supera los 35.000 millones en inversión física.

La suma es brutal. Y la interpretación, sencilla: la inteligencia artificial ha dejado de ser software. Se ha convertido en infraestructura.

Acto 2. El cambio de paradigma

Hay, sin embargo, algo profundamente contraintuitivo en estos resultados. Estas compañías están en su mejor momento operativo en años: Alphabet amplía su margen operativo al 36%; Microsoft se mueve en torno al 46%; Meta alcanza un 41%; y AWS, dentro de Amazon, ronda el 38%. Son cifras propias de monopolios eficientes, de máquinas de generar caja. Y, como digo, todas están comportándose como empresas en fase de expansión intensiva en capital. Como utilities. Como compañías eléctricas del siglo XX - 100 años después.

¿Por qué?

Read more