Gráficos importantes de Apollo

Existe consenso en que el flujo de caja libre de las empresas de hiperescala se duplicará con creces en los próximos años (véase el primer gráfico a continuación).

Pero, ¿qué ocurre si la recompensa tarda más de lo previsto? Esta pregunta es especialmente acuciante dado que los precios de los tokens siguen bajando y los modelos chinos están ganando terreno, tanto en su cuota de mercado entre los modelos más utilizados del mundo como en el uso de tokens, donde ahora superan a sus homólogos estadounidenses entre los 20 principales modelos (véanse el segundo y el tercer gráfico).

Si los modelos chinos siguen ganando terreno y los precios de los tokens siguen cayendo, los flujos de caja previstos para las empresas de hiperescala podrían resultar demasiado optimistas.

¿Cuáles son las consecuencias si el beneficio de la IA se obtiene más lentamente de lo esperado en el primer gráfico?

1) Los flujos de efectivo y las ganancias decepcionan : el aumento proyectado del flujo de efectivo libre se retrasa, mientras que el gasto de capital comprometido y la fuerte depreciación se cumplen según lo programado, lo que reduce los márgenes y rebaja el pronóstico en el primer gráfico.

2) Una venta masiva de las Siete Magníficas que arrastra al mercado consigo : los precios de las acciones, construidos sobre una rápida rentabilidad, se revalorizan, y debido a que las Siete Magníficas ahora representan una gran parte de los índices, el problema no se puede contener y se extiende a los chips, la energía, los centros de datos y el S&P 500 en su conjunto.

3) Los balances se tensan y el riesgo crediticio aumenta : al no poder el efectivo interno cubrir los gastos, las empresas de hiperescala recurren aún más a la deuda, aumentando el apalancamiento y exponiéndose a posibles rebajas de calificación si los beneficios no alcanzan las expectativas.

En definitiva, la IA ha sido el único factor que ha sostenido tanto la economía como los mercados , y con tanto en juego en tan pocas empresas, un retorno más lento no solo sería un problema para el sector, sino que correría el riesgo de llevar a la economía a una recesión y al S&P 500 a una corrección.

Con los aranceles, un mercado laboral ajustado y precios de los servicios firmes aún vigentes, el mercado prevé que la inflación subyacente se mantenga estable incluso a medida que bajen los costes energéticos.

En definitiva, un petróleo más barato por sí solo no abrirá la puerta a los recortes , y es probable que la Reserva Federal mantenga las tasas sin cambios en su próxima reunión hasta que vea una desaceleración convincente de la inflación subyacente.

Esto se ilustra con las cinco medidas que se utilizan actualmente en los estudios que cuantifican el impacto de la IA en el mercado laboral:

1. Una de las métricas consiste en contabilizar lo que la gente de cada puesto de trabajo hace realmente con Claude, utilizando registros de chat reales para ver qué tareas laborales se delegan a la IA.
2. Otro usuario hace lo mismo con Microsoft Copilot para ver para qué recurren esos usuarios a la IA.
3. Una tercera opción prescinde por completo de su uso y deja que expertos humanos evalúen qué habilidades laborales es teóricamente capaz de realizar la IA, independientemente de si alguien la está utilizando de esa manera o no.
4. Una cuarta solicitud pide a ChatGPT que evalúe su propia utilidad en cada tarea de un trabajo, permitiendo esencialmente que la IA prediga dónde podría ser útil.
5. Un quinto método analiza millones de ofertas de empleo en busca de menciones a la IA, considerando la demanda de habilidades en IA como un indicador del grado de exposición de un puesto.

“¿Qué podría hacer la IA con este trabajo?” y “¿Para qué utilizan realmente los trabajadores la IA?” no son la misma pregunta, y las medidas teóricas (3, 4 y 5) son sistemáticamente más altas que las basadas en el uso (1 y 2) porque ignoran si la adopción se está produciendo o si merece la pena el coste.

Como resultado, muchas ocupaciones parecen estar muy expuestas según una medida y apenas afectadas según otra.

Lo más llamativo es que las cinco medidas discrepan precisamente donde hay más en juego, entre los empleos que todos quieren señalar como de alto riesgo, como los teleoperadores, los preparadores de impuestos y los escritores.

En resumen, cuando alguien dice que un trabajo está “altamente expuesto a la IA”, la primera pregunta honesta es: ¿Expuesto según qué criterio y qué se está midiendo? Hasta que esto no se aclare, la etiqueta “exposición a la IA” tiene mucho menos significado del que aparenta.

Mi colega Sania Edlich y yo profundizaremos en este tema en próximos números de Sparks.