Durante los últimos tres años, la inteligencia artificial (IA) fue el centro de la conversación tecnológica y financiera global. Desde el lanzamiento de ChatGPT a fines de 2022, Silicon Valley prometió una revolución que transformaría el trabajo, la economía y hasta la vida cotidiana.
Gigantes como Microsoft, Google y Amazon invirtieron cientos de miles de millones de dólares en centros de datos, chips y startups, mientras que inversores apostaron a valuaciones astronómicas. El optimismo era tal que se llegó a comparar el impacto de la IA con el de la Revolución Industrial.
Sin embargo, en las últimas semanas aparecieron señales de alerta que encendieron el debate: ¿estamos ante el inicio del estallido de la burbuja de la IA?
La pregunta recuerda inevitablemente a lo que ocurrió con las puntocom en los años 2000, cuando las promesas desmesuradas se toparon con la realidad y provocaron pérdidas millonarias en los mercados. Ahora, algunos analistas creen que la historia podría repetirse, aunque con otro protagonista.
El punto de inflexión llegó con dos hechos clave. Primero, la publicación de un informe del Massachusetts Institute of Technology (MIT) que revela que el 95% de las inversiones empresariales en IA generativa no produjeron ningún retorno económico.
Segundo, el lanzamiento de GPT-5, el esperado modelo de OpenAI, que en lugar de deslumbrar, dejó un sabor amargo entre los usuarios. La combinación de expectativas frustradas y cifras alarmantes pone en entredicho la narrativa triunfalista que dominó hasta ahora.
“Suena como una burbuja”, resumió Marko Kolanovic, exjefe de investigación de JP Morgan, al analizar los datos del MIT.
Según el reporte, pese a los 30 a 40 mil millones de dólares invertidos en soluciones de IA, apenas el 5% de los proyectos piloto lograron generar valor significativo. El resto terminó en fracaso o nunca pasó de la fase experimental. Para los críticos, estas cifras muestran que la IA está mucho más lejos de revolucionar la economía de lo que se había prometido.
IA: el fin de la ilusión del escalamiento
La gran promesa que alimentaba el entusiasmo era que los modelos serían cada vez más potentes a medida que se les diera más datos y poder de cómputo.
Esta idea, conocida como “escalamiento”, impulsó inversiones colosales en infraestructura: Morgan Stanley calcula que el sector destinará 3 billones de dólares a centros de datos y chips antes de 2028. Pero GPT-5, el modelo que debía demostrar la validez de esa apuesta, falló en el intento.
Lanzado el 7 de agosto, GPT-5 era presentado por Sam Altman, CEO de OpenAI, como un salto de calidad: “Si GPT-4o era como hablar con un estudiante universitario, GPT-5 será como conversar con un experto con doctorado en cualquier tema”. La realidad fue otra.
El nuevo modelo mostró errores llamativos: mapas de Estados Unidos con estados ficticios como “West Wigina”, listas incompletas de presidentes con nombres mal escritos y respuestas más cortas e impersonales que sus predecesores.
Usuarios en foros como Reddit lo calificaron de “horrible” y reclamaron volver a versiones anteriores. La presión fue tal que OpenAI debió dar marcha atrás y reabrir el acceso a modelos anteriores.
La decepción no pasó desapercibida para los analistas. “Pensábamos que el crecimiento sería exponencial, pero estamos chocando contra una pared”, dijo Alex Hanna, coautora del libro The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want.
Para Hanna y su colega Emily M. Bender, la industria construyó su relato sobre la ambigüedad del concepto de “inteligencia”, haciendo creer que estos sistemas entienden y piensan, cuando en realidad solo predicen palabras en función de patrones. “Estamos imaginando una mente detrás de las palabras”, advierten.
Los errores de GPT-5 reavivaron un debate histórico: desde los tiempos del chatbot ELIZA, en los 60, se sabe que la gente tiende a atribuir emociones y cognición a programas que solo imitan el lenguaje.
“La antropomorfización irresponsable”, como la llamó Joseph Weizenbaum, sigue siendo una estrategia de marketing en pleno 2025. Términos como “alucinaciones” refuerzan esta ilusión, cuando en realidad los modelos no perciben ni comprenden. Para los críticos, esta confusión deliberada es parte del negocio.
Mientras tanto, el mercado empieza a reaccionar. Tras el informe del MIT y el traspié de OpenAI, acciones que habían volado gracias a la fiebre de la IA sufrieron caídas: Nvidia, que se convirtió en la empresa más valiosa del mundo por su rol en esta industria, retrocedió 3,5% en un solo día; Palantir, un 9%. SoftBank, uno de los grandes inversores en OpenAI, perdió 7%.
Aun así, no se habla de derrumbe, sino de corrección. Pero la pregunta persiste: ¿es el principio del fin?
El impacto económico y la advertencia de los expertos
Si la promesa de la IA se desinfla, el golpe podría ser enorme. Las proyecciones más optimistas hablaban de un aporte de 16 billones de dólares al S&P 500 en la próxima década gracias a recortes de costos y mejoras de productividad. Morgan Stanley estimaba que la automatización permitiría reducir salarios en un 40%.
Pero los números del MIT muestran que la realidad es más compleja: la mayoría de las compañías no logra pasar de pruebas piloto y apenas un puñado obtiene beneficios tangibles.
El informe detalla que el 80% de las empresas exploró soluciones de IA, pero solo el 40% las implementó, y apenas el 5% llegó a producción con impacto medible. Entre los motivos figuran la falta de madurez tecnológica, la complejidad para integrarlas en sistemas existentes y la necesidad de supervisión humana para evitar errores graves.
En muchos casos, la productividad se estanca o incluso cae porque los trabajadores deben revisar las salidas de los modelos para prevenir fallos costosos, desde informes legales con jurisprudencia inventada hasta diagnósticos médicos equivocados.
Incluso las ganancias macroeconómicas parecen exageradas. Daron Acemoglu, economista del MIT, proyecta que la IA aumentará la productividad en apenas un 0,5% y el PBI en un 1% en diez años: cifras ínfimas frente a la narrativa de cambio de era.
Y, por ahora, tampoco se concretaron los despidos masivos que se anunciaban: en muchos sectores, la IA no reemplaza personas, sino que genera nuevas tareas de control.
A pesar de estos datos, la burbuja sigue inflada por expectativas y marketing. Las startups levantan rondas millonarias, los bancos proyectan escenarios de ganancias históricas y se siguen construyendo centros de datos a un ritmo frenético.
Para Hanna y Bender, esto responde a una lógica conocida: “La inteligencia artificial no es un término científico ni ingenieril. Es un término de marketing”. Un discurso que, como en la era puntocom, puede sostenerse mientras los capitales sigan entrando. La incógnita es por cuánto tiempo.
Por ahora, la industria no se detiene. Nvidia prepara resultados que podrían redefinir el humor del mercado; Meta reorganiza su división de IA y recorta personal, pero no abandona la apuesta; y OpenAI, pese al tropiezo, sigue siendo una de las empresas más codiciadas del planeta. Sin embargo, el propio Altman admite que “hay gente que va a perder una cantidad fenomenal de dinero”.
Si suena el “pop” de la burbuja, no será por falta de advertencias.
SL