Expertos advierten que la burbuja de la IA está a punto de estallar

Hace tres años, la inteligencia artificial se convirtió en la obsesión de Silicon Valley y los mercados financieros globales. Desde que OpenAI lanzó ChatGPT a fines de 2022, la promesa fue clara y seductora: una revolución que reharía el trabajo, la economía, la vida misma. Microsoft, Google y Amazon volcaron cientos de miles de millones de dólares en centros de datos y chips. Los inversores apostaron fortunas a valuaciones que parecían sacadas de la ciencia ficción. El optimismo era tal que algunos comparaban el impacto potencial de la IA con nada menos que la Revolución Industrial.

Pero en las últimas semanas, las grietas comenzaron a aparecer. Un informe del Instituto Tecnológico de Massachusetts reveló algo que nadie quería escuchar: el 95% de las inversiones empresariales en IA generativa no produjeron ningún retorno económico real. Casi simultáneamente, OpenAI lanzó GPT-5, el modelo que se suponía demostraría que toda esa apuesta valía la pena. En cambio, el nuevo sistema llegó cargado de errores desconcertantes. Generaba mapas de Estados Unidos con estados ficticios como "West Wigina". Sus listas de presidentes contenían nombres mal escritos. Las respuestas eran más cortas, más impersonales, menos útiles que las versiones anteriores. En foros como Reddit, los usuarios lo calificaron de "horrible" y pidieron volver a lo que tenían antes. La presión fue tanta que OpenAI tuvo que dar marcha atrás y reabrir el acceso a modelos más antiguos.

La pregunta que ahora flota en el aire es inevitable: ¿estamos viendo el comienzo del estallido de la burbuja de la IA? La comparación con el colapso de las puntocom a principios de los 2000 es casi automática. Entonces también hubo promesas desmesuradas, inversiones colosales y una narrativa de transformación total. Entonces también llegó el momento en que la realidad se topó con las expectativas, y los mercados se desplomaron. Marko Kolanovic, exjefe de investigación de JP Morgan, fue directo al analizar los datos del MIT: "Suena como una burbuja".

La gran apuesta que alimentó todo este entusiasmo se llamaba "escalamiento". La idea era simple: si le dabas a los modelos más datos y más poder de cómputo, se volverían exponencialmente más potentes. Esa creencia justificaba inversiones colosales. Morgan Stanley calculaba que el sector destinaría 3 billones de dólares a infraestructura antes de 2028. Pero GPT-5, lanzado el 7 de agosto, fue el test definitivo de esa teoría. Sam Altman, CEO de OpenAI, lo presentó con palabras grandilocuentes: si GPT-4o era como hablar con un estudiante universitario, GPT-5 sería como conversar con un experto con doctorado en cualquier tema. La realidad fue completamente distinta. Alex Hanna, coautora del libro "The AI Con: How to Fight Big Tech's Hype and Create the Future We Want", lo expresó así: "Pensábamos que el crecimiento sería exponencial, pero estamos chocando contra una pared".

Hanna y su colega Emily M. Bender van más allá. Según ellas, la industria construyó toda su narrativa sobre una ambigüedad deliberada: el concepto de "inteligencia". Hicieron creer que estos sistemas entienden y piensan, cuando en realidad solo predicen palabras basándose en patrones estadísticos. "Estamos imaginando una mente detrás de las palabras", advierten. Este fenómeno no es nuevo. Desde los años 60, cuando existía un chatbot llamado ELIZA, se sabe que la gente tiende a atribuir emociones y cognición a programas que simplemente imitan el lenguaje. El término "alucinaciones" para describir los errores de los modelos refuerza esta ilusión. Los sistemas no alucinan porque no perciben ni comprenden nada. Pero la palabra sugiere algo más cercano a la experiencia humana. Para los críticos, esta confusión no es accidental. Es parte del negocio.

Los números del MIT pintan un cuadro mucho más sombrío que la narrativa oficial. De los 30 a 40 mil millones de dólares invertidos en soluciones de IA, apenas el 5% de los proyectos piloto generó valor significativo. El 80% de las empresas exploró soluciones de IA, pero solo el 40% las implementó realmente. Y apenas el 5% llegó a producción con impacto medible. Los motivos son variados: falta de madurez tecnológica, complejidad para integrar los sistemas en infraestructura existente, necesidad de supervisión humana constante para evitar errores graves. En muchos casos, la productividad se estanca o incluso cae porque los trabajadores deben revisar cada salida del modelo para prevenir desastres: informes legales con jurisprudencia inventada, diagnósticos médicos equivocados, decisiones financieras basadas en datos falsos.

Incluso las proyecciones macroeconómicas más optimistas parecen exageradas. Daron Acemoglu, economista del MIT, proyecta que la IA aumentará la productividad apenas un 0,5% y el PBI un 1% en diez años. Cifras ínfimas comparadas con la narrativa de cambio de era que dominó la conversación. Y los despidos masivos que se anunciaban con tanta certeza tampoco se concretaron. En muchos sectores, la IA no reemplaza personas sino que genera nuevas tareas de control y supervisión.

El mercado ya está reaccionando. Tras el informe del MIT y el traspié de OpenAI, las acciones que habían volado gracias a la fiebre de la IA sufrieron caídas significativas. Nvidia, que se convirtió en la empresa más valiosa del mundo por su rol central en esta industria, retrocedió 3,5% en un solo día. Palantir cayó 9%. SoftBank, uno de los grandes inversores en OpenAI, perdió 7%. Aun así, los analistas hablan de corrección, no de derrumbe. Pero la pregunta persiste: ¿es el principio del fin? 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. OpenAI, pese al tropiezo, sigue siendo una de las empresas más codiciadas del planeta. Sin embargo, el propio Sam Altman admitió algo revelador: "Hay gente que va a perder una cantidad fenomenal de dinero".