Fynsa
Seguramente en los últimos meses has escuchado la palabra “token” asociada a una unidad de medida de consumo en conversaciones sobre inteligencia artificial, y probablemente te has quedado sin tokens por usar mucho alguno de los modelos más conocidos. Pero ¿qué es un token y por qué debería importarte?
Piensa en un taxímetro que no cobra por kilómetro exacto, sino por unidades que combinan distancia y tiempo. El token es algo similar: es la unidad con que el modelo mide cuánto trabajo realizó, tanto para leer lo que se le escribió como para construir su respuesta. Y debería importarnos porque el token es la unidad que convierte inteligencia en costo. Cada token tiene un precio, y no todos los modelos son igual de eficientes en su uso.
Entendiendo lo anterior, ¿cómo se fija el precio de un token? Para eso hay que pensar en la IA como una cadena productiva, con insumos que generan los resultados que le pedimos. Jensen Huang, CEO de NVIDIA, lo resume en palabras simples: la IA es una torta de cinco capas.
En la base están los commodities y generadores de energía necesarios para echar a andar toda la maquinaria. Subiendo por esta estructura encontramos los semiconductores o chips que aportan la capacidad de cómputo sobre la cual trabaja la IA. Estas dos capas iniciales —energía y chips— son los picos y palas de hoy que permiten a otros buscar el oro.
La siguiente parada es la infraestructura: datacenters, servicios cloud, cables de fibra y proveedores de enfriamiento y mantenimiento. Sería el símil de dónde vive la inteligencia artificial. Luego vienen los LLM o modelos entrenados, el siguiente escalón. Aquí encontramos a compañías como OpenAI, Anthropic o Google, que desarrollan y entrenan los sistemas sobre los cuales personas y empresas interactúan. Es donde hoy se vive una verdadera carrera por desarrollar el propio modelo.
Por último, están los desarrolladores de aplicaciones y software, el área práctica que busca generar soluciones y cobrar por ellas. Aquí encontramos empresas conocidas, como Spotify o Netflix, que usan IA para mejorar sus algoritmos y optimizar recomendaciones, o compañías como SAP o Salesforce, cuyos modelos de negocio se ven, en muchos casos, amenazados por la creciente adopción de IA que permite replicar estos servicios de forma individual, tanto en empresas como en personas.
Una vez que entendemos la IA como cinco capas, comprendemos por qué el precio de los tokens depende del costo de la energía, el agua, la tierra, el desgaste de los chips y otros factores de toda esta cadena.
Pero esto no termina ahí. Fuera de esta estructura está el resto de las personas y empresas que han incorporado la IA en sus procesos diarios, buscando optimizar ventas o mejorar márgenes de forma transversal en distintas industrias. Estos beneficiarios de segundo orden son los que hacen viable la tesis: si las personas y empresas no usan la IA, nada de lo anterior sería posible, y estaríamos frente a algo que, más que una tendencia sólida, sería una burbuja. Por ahora, la velocidad de adopción ha sido casi tan sorprendente como el avance de la tecnología misma.
Nuestra visión para capturar esta corriente no contempla una solución única, ya que existen múltiples caminos para incorporar esta tesis dentro de un portafolio.
La primera y más sencilla es invertir, por ejemplo, en el S&P 500. De esta manera se compran acciones de las 500 compañías más grandes de Estados Unidos, índice donde se encuentran empresas como Google, NVIDIA, Microsoft, Amazon, Tesla y Apple, que de manera directa o indirecta se benefician de esta tendencia.
Otra alternativa, un poco más compleja de implementar, es seleccionar índices con exposición en al menos una o más de las cinco capas descritas, logrando un acercamiento diversificado sin perder el objetivo central.
Para quienes busquen una opción menos diluida en tantos títulos, es posible elegir compañías específicas con mayor convicción de que serán las ganadoras en mercados donde “el ganador se lo lleva todo” (“Winner takes all”), para reforzar la tesis.
En otros casos, inversionistas menos experimentados que podrían sentirse abrumados al seleccionar la mejor combinación de alternativas podrían preferir delegar en un tercero la selección de empresas o sectores, o las rotaciones entre ellos, para capturar de mejor manera esta oportunidad.
Durante los próximos meses veremos aperturas en bolsa de compañías como Anthropic, que probablemente serán sobre suscritas en esta fiebre por la IA. Esta estrategia recuerda a la época de las puntocom, cuando existían muchas empresas tras un mismo objetivo y, 25 años después, sólo quedó un puñado. Por eso, una combinación entre distintos “pure players” suele ser más prudente que apostar por uno solo.
Las soluciones anteriores buscan exposición a toda la cadena de valor de la IA, pero algunos inversionistas podrían preferir exponerse sólo a una parte de ella. Más que buscar al ganador, esta estrategia quiere capturar el valor de quienes proveen a los que están compitiendo: productores de commodities y tierras raras, generadores independientes de energía nuclear o GNL, fabricantes de chips, semiconductores y memorias RAM, y proveedores de infraestructura, fabricación y mantenimiento de datacenters y servicios cloud. En este enfoque quedan fuera los desarrolladores de modelos, software y aplicaciones.
La demanda creciente de tokens, la velocidad del avance tecnológico, las inversiones ya realizadas y las proyecciones de las grandes compañías para este año y los siguientes abren un abanico de oportunidades. La clave no está en perseguir al ganador final —que de por sí cambia constantemente—, sino en identificar las industrias que están presentes en el día a día para que todo esto ocurra.
Nelson Haase
MFO Senior Advisor Fynsa
