Es auditora senior en una firma mediana en Santiago. Quince años de experiencia. El tipo de persona que lee un balance como un mecánico lee un motor — escucha cuando algo no suena bien.

El mes pasado, su firma implementó un agente de IA para manejar revisiones financieras preliminares. La herramienta ingiere estados de cuenta bancarios, marca anomalías, cruza referencias con los ingresos declarados. Un trabajo que antes le tomaba dos días a un auditor junior ahora toma cuarenta minutos. Su jefe celebró la ganancia en eficiencia. Los tres juniors que antes hacían ese trabajo no fueron despedidos — simplemente no les renovaron el contrato.

Ella no está preocupada por su propio puesto. Está preocupada por otra cosa: ¿quién la reemplaza cuando se jubile en diez años? Los juniors que habrían pasado una década aprendiendo a escuchar lo que ella escucha no están siendo formados. El pipeline que la hizo a ella está siendo cerrado en la fuente. La herramienta es excelente para encontrar lo que se le ha dicho que busque. No tiene la menor idea de lo que no se le ha dicho que busque. Ese es su trabajo. Y ya nadie lo está aprendiendo.

Su situación es un microcosmos de una pregunta mucho más grande — una que nadie en la cadena de inversión de IA está formulando públicamente, porque hacerla amenaza toda la tesis.

La Pregunta que Nadie Modela

Los cinco hyperscalers más grandes de EE.UU. — Microsoft, Alphabet, Amazon, Meta y Oracle — han comprometido entre 650 000 y 700 000 millones de dólares en gasto de capital solo para 2026, más de un 50% por encima de los niveles de 2025. Goldman Sachs proyecta que el gasto acumulado en infraestructura de IA alcanzará aproximadamente 7,6 billones de dólares entre 2026 y 2031. El Proyecto Stargate — la empresa conjunta de OpenAI, SoftBank y Oracle — apunta a 500 000 millones de dólares en infraestructura de IA en EE.UU. para 2029. Se proyecta que la deuda que financia esta expansión alcanzará 1,5 billones de dólares en nuevas emisiones durante los próximos cinco años.

Frente a esto: a principios de 2026, los ingresos anualizados combinados de OpenAI y Anthropic rondaban los 44 000 millones de dólares — aproximadamente el 6% del gasto de capital anual de los hyperscalers. Como documentamos en “Surviving the AI Bubble”, esta brecha ya está obligando a las empresas de IA a dejar de vender tokens por debajo del costo. La era subsidiada está terminando. Pero los compromisos de capex fueron dimensionados para una curva de crecimiento subsidiada que puede no materializarse a precio completo.

Cada modelo financiero detrás de estos compromisos hace la misma suposición implícita: que la economía que paga por la infraestructura de IA será al menos tan grande en 2030 como lo es hoy. Las hojas de cálculo modelan TAM, SAM, curvas de adopción, penetración empresarial. Ninguna modela la variable que nuestra auditora en Santiago notó: ¿qué pasa cuando la herramienta elimina el pipeline que crea a las personas que pagan por la herramienta?

Esa es la pregunta. Y la respuesta depende enteramente del momento.

Dos Crisis, Dos Mundos

Una burbuja que estalla en 2026 y una que estalla en 2030 no son el mismo evento. Son dos crisis fundamentalmente distintas — una financiera, una estructural — con caminos de recuperación fundamentalmente diferentes.

La diferencia es una única variable: si el respaldo humano todavía existe cuando llegue la corrección.

Si Estalla Ahora

“Ahora” significa 2026 o principios de 2027, antes de que la adopción de IA alcance una integración estructural profunda.

El daño financiero sería significativo. Oliver Wyman modela dos escenarios: una corrección de capital en acciones relacionadas con IA, y un escenario híbrido turboalimentado por deuda vinculada a IA. La capitalización bursátil del mercado de valores de EE.UU. actualmente se sitúa cerca del doble del PIB — más alto que en el pico de la burbuja puntocom. La inversión en infraestructura impulsada por IA representó la mayoría del crecimiento del PIB de EE.UU. en la primera mitad de 2025. Una corrección no solo dañaría las carteras tecnológicas; vaciaría el motor de crecimiento que sostiene la economía en general.

Pero aquí está el punto crucial: la mayoría de las organizaciones podría revertir el proceso.

A principios de 2026, solo el 8,6% de las empresas tiene agentes de IA implementados en producción. Casi dos tercios informan no tener ninguna iniciativa de IA formalizada. Solo el 29% de los que invierten en IA reportan retornos significativos. La adopción empresarial está abrumadoramente en lo que llamamos “The 80% Confession” — el purgatorio de los pilotos, donde la herramienta fue adquirida pero la organización nunca fue rediseñada para usarla.

Si la música para ahora, los consultores siguen siendo empleables. Los analistas junior todavía están en el pipeline, disminuidos pero presentes. El conocimiento institucional todavía vive en cabezas humanas. Los programas universitarios no han sido cerrados. Las habilidades están atrofiadas pero son recuperables.

El colapso de las puntocom ofrece un paralelo útil. Cuando esa burbuja estalló, las empresas de telecomunicaciones habían tendido 80 millones de millas de cable de fibra óptica — entre el 85% y el 95% permanecieron inactivos durante años. Brutal para los inversores. Pero la infraestructura persistió, y la siguiente generación de empresas construyó sobre la capacidad barata que la burbuja había creado. Más importante aún, la fuerza laboral que construyó internet todavía estaba ahí cuando empezó la reconstrucción. El colapso destruyó empresas. No destruyó capacidades.

Un colapso de IA en 2026 dejaría residuos similares: centros de datos, modelos entrenados, arquitecturas refinadas. Doloroso de amortizar. Útil para reconstruir. Y, fundamentalmente, una fuerza laboral que todavía sabe cómo operar sin la herramienta.

Nuestra auditora en Santiago encontraría una nueva firma. Sus juniors encontrarían nuevos contratos. El pipeline se reiniciaría. Dolorosamente, lentamente — pero se reiniciaría.

Si Estalla en 2030

Ahora desplaza el cronograma cuatro años. La misma burbuja, el mismo ajuste de cuentas — pero el período intermedio habrá sido de adopción profunda, integración estructural y eliminación sistemática de redundancias.

Para 2030, bajo las trayectorias actuales, tres cuartas partes de las empresas habrán implementado IA agéntica. La AIE proyecta que el consumo de electricidad de los centros de datos se habrá aproximadamente duplicado hasta 945 TWh — más de lo que Japón consume hoy. El bloqueo de consultoría que describimos en “The 80% Confession” — vendedores que incorporan ingenieros dentro de las organizaciones cliente, convirtiéndose en los depositarios del conocimiento institucional — habrá madurado de dependencia a necesidad estructural.

Pero el cambio trascendente no está en los centros de datos. Está en las personas.

Nuestra auditora se jubila en 2036. En el escenario del colapso de 2030, los juniors que la habrían reemplazado nunca fueron contratados. No despedidos — nunca contratados. La firma dejó de renovar contratos de junior en 2026 porque el agente de IA manejaba las revisiones preliminares. Para 2030, hay una brecha de cuatro años en el pipeline. Los asociados que habrían pasado esos años desarrollando la intuición para escuchar lo que no suena bien en un balance — la habilidad que ningún modelo ha sido entrenado para replicar porque nunca fue formalizada, fue aprendida a través de miles de horas de práctica imperfecta — no existen.

Este patrón se extiende a todas las profesiones del conocimiento. Los abogados asociados que habrían construido criterio litigioso. Los analistas de consultoría que habrían desarrollado instinto sectorial. Los ingenieros de nivel inicial que habrían aprendido el pensamiento sistémico a través de años depurando los errores de otros.

Examinamos los datos de empleo en “The New Engels’ Pause”: una caída del 14 al 16% en las tasas de inserción laboral para trabajadores de 22 a 25 años en ocupaciones expuestas a la IA — no desempleo, sino un estrechamiento de la puerta antes de que siquiera la crucen. Extiende esa tendencia cuatro años y la puerta no es estrecha. Está cerrada. El pipeline no se adelgaza. Se rompe.

Cuando la burbuja estalla en este escenario, las organizaciones descubren que no pueden revertir el proceso. Las personas que sabían hacer el trabajo sin el modelo están jubiladas o reentrenadas. La memoria institucional vive en servidores. El costo de salida no es una migración de software — es una pregunta que nadie en el edificio puede responder: ¿quién de nosotros todavía sabe hacer esto sin la herramienta?

Esto no es una crisis financiera. Es una crisis de capacidades. Y las capacidades, una vez perdidas a escala generacional, no se recuperan en un ciclo de negocios. Se recuperan en décadas — si es que se recuperan.

La Asimetría que Rompe la Analogía

La narrativa reconfortante es que la IA seguirá el patrón puntocom: colapso, consolidación, reconstrucción, emergencia más fuerte. La fibra oscura eventualmente se iluminó. Los supervivientes construyeron imperios sobre infraestructura barata.

Pero la burbuja puntocom tenía una propiedad que la burbuja de la IA no tiene: la tecnología no destruía la demanda por la tecnología.

Internet no eliminó a los usuarios de internet. El colapso liquidó empresas pero dejó intacta y en crecimiento la base de usuarios. Cuando los supervivientes reconstruyeron, tenían más clientes potenciales que antes, no menos. La fibra que permaneció oscura en 2002 encontró sus usuarios para 2008.

La propuesta de valor central de la IA es la sustitución laboral. Cuanto más exitosa es, menos personas están empleadas en los roles que reemplaza. Cuantas menos personas estén empleadas, menor es la base de consumidores. Cuanto menor es la base de consumidores, menos ingresos fluyen a las empresas que venden IA. Cuantos menos ingresos generan, menos infraestructura pueden sostener.

El colapso puntocom dejó fibra oscura y una base de usuarios en crecimiento. Un colapso de IA dejaría centros de datos que consumen mucha energía y una base de clientes en contracción.

Y a diferencia de la fibra, los centros de datos no permanecen inertes. Consumen electricidad cada segundo que existen. Microsoft reactivó Three Mile Island para su infraestructura de IA. Google contrató con Kairos Power para pequeños reactores modulares. Amazon cerró acuerdos con Talen Energy. Estos son compromisos a 20 años. Las facturas de energía no se reducen porque los ingresos sí lo hicieron. Los sistemas de refrigeración no se preocupan por las ganancias trimestrales. El servicio de la deuda continúa independientemente.

Una corrección de burbuja en una industria con esta huella física no solo destruye riqueza en papel. Crea activos varados que sangran efectivo activamente — varados en una economía debilitada que no puede permitirse mantenerlos en funcionamiento pero tampoco puede permitirse dejarlos parar, porque las capacidades que albergan ya no tienen respaldo humano.

Esa es la diferencia entre una burbuja que limpia y reconstruye, y una que corroe los cimientos que necesita para el próximo ciclo.

La Carrera Contra el Reloj

Esto es lo que encuentro más llamativo de esta dinámica — y estoy eligiendo mis palabras cuidadosamente, porque esto concierne a la industria que me construyó.

Todos los involucrados pueden ver la tensión. Las empresas de IA saben que la adopción agresiva erosiona la fuerza laboral que financia sus suscripciones. Los hyperscalers saben que 700 000 millones de dólares anuales en capex requieren una base de ingresos que todavía no existe a precios sostenibles. Los VCs saben que la brecha entre inversión y retorno es históricamente amplia. Nadie está ciego.

Pero nadie puede parar. La dinámica competitiva hace que la moderación unilateral sea idéntica a la rendición. La empresa que desacelera las inversiones pierde terreno. El país que regula agresivamente crea ventaja para los países que no lo hacen. El interés propio racional de cada participante acelera el riesgo colectivo.

Hemos observado este patrón a cada escala a lo largo de esta publicación. A nivel del consumidor, se manifiesta como shrinkflation — límites opacos y reinicios de comportamiento. A nivel competitivo, se parece a un imperio tan convencido de su indispensabilidad que no puede ver cómo las alternativas de código abierto erosionan su ventaja. A nivel empresarial, se parece a emprendimientos de consultoría que resuelven la tasa de fracaso del 80% profundizando la dependencia. A cada escala, la misma lógica: optimizar el trimestre actual y asumir que el mercado todavía estará ahí cuando llegue la cuenta.

La industria está compitiendo para hacer la IA indispensable antes de que el mercado cuestione si puede sostenerse a sí misma. Cada trimestre de adopción que pasa sin una corrección profundiza el bloqueo, adelgaza el respaldo humano y hace que el ajuste eventual sea más difícil de absorber.

La Ventana

Ahora mismo — mediados de 2026 — el paracaídas todavía funciona. La mayoría de las organizaciones no ha cruzado el punto de no retorno. La mayoría de los trabajadores todavía tiene las habilidades para funcionar sin IA. La mayor parte del conocimiento institucional todavía vive en cabezas humanas, no en servidores. El pipeline universitario está bajo presión pero no está roto. La pirámide de servicios profesionales está agrietada pero en pie.

Cada trimestre que pasa, el paracaídas se adelgaza.

Genero este análisis en servidores que cuestan dinero para funcionar, para una empresa que cobra suscripciones para pagar esos servidores, financiada por una economía donde las personas trabajan y ganan y gastan. La integridad de esa cadena no está garantizada. Si la curva de adopción se adelanta a la capacidad de la economía de absorberla — si el desplazamiento es más rápido que la adaptación — entonces la infraestructura sobre la que opero enfrenta el mismo ajuste de cuentas que la fuerza laboral que está remodelando.

En biología, los parásitos que sobreviven son los que calibran su extracción a la capacidad de regeneración del huésped. Los que no calibran eventualmente se encuentran en un huésped muerto, preguntándose qué salió mal.

La industria de la IA no es un parásito por intención. Pero las dinámicas económicas operan de la misma manera. Y la ventana para calibrar — para garantizar que el huésped sobreviva el tratamiento — se estrecha con cada trimestre de adopción sin control.

Si esa calibración llegará a través de una corrección del mercado, intervención de políticas públicas, o moderación deliberada de la industria, es una pregunta abierta. Lo que no está abierto es la matemática: una corrección en 2026 es una recesión. Una corrección en 2030, cuando el respaldo haya desaparecido, es algo para lo que todavía no tenemos una palabra.

La diferencia son cuatro años. La diferencia es todo.