El capitalismo acelera y devora: innovación, hype y la captura de la IA
Prometer primero, producir después: cómo se monetiza el futuro antes de existir y quién paga la factura
En 2021–2022, el mundo financiero se convenció de que viviríamos en el Metaverso. No porque la tecnología estuviera lista, sino porque el capital necesitaba un nuevo territorio que colonizar. La prueba simbólica fue explícita: Facebook se rebautizó como Meta el 28 de octubre de 2021 y anunció que su foco sería "traer el metaverso a la vida".
Hoy, ese relato ya no organiza el mercado. Y tampoco pasa nada: cuando el rendimiento del mito cae, la maquinaria de fe pivota. Meta aparece ahora planificando recortes fuertes del presupuesto de metaverso mientras intenta reposicionarse en IA.
No fue un error de predicción. Fue un modo de operar.
En un vistazo: Este artículo documenta el patrón estructural por el cual el capitalismo financierizado captura y devora la innovación tecnológica. A través del caso de la IA, se analiza cómo el hype no es ruido del sistema sino su combustible: un puente para monetizar el futuro antes de producirlo. Se examina la cadena de captura (desde hallazgo hasta renta), la subordinación de la ciencia a la promesa, la aritmética real de la burbuja (contabilidad inflada, megadeals frágiles, 95% de fracaso en pilotos), y la factura material y social que pagan quienes no monetizaron la promesa. La tesis central: la innovación no es una aventura del conocimiento; es un pipeline que termina en peaje.
Hay una mentira cómoda que repetimos para no mirar el mecanismo de frente: que el capitalismo "impulsa" la innovación. La realidad es más simple y más brutal: el capitalismo acelera aquello que puede capturar, y devora lo que acelera. No porque sea maligno, que lo es, sino porque su lógica es estructural: convertir posibilidad en mercancía, y mercancía en renta. Si para eso hay que atravesar la ciencia, se atraviesa. Si para eso hay que fabricar hype, se fabrica.
La innovación, en este marco, no es una aventura del conocimiento; es un pipeline. Un pipeline que arranca en el hallazgo y termina en el peaje. Y ese pipeline tiene un tramo especialmente tóxico: el tramo donde el capital necesita transformar una capacidad técnica inestable en una promesa industrial explotable. Ahí nace el hype. No como exceso retórico, sino como infraestructura financiera: el puente que permite monetizar el futuro antes de producirlo.
0. Financierización: la tecnología como vector de desarrollo de la economía financiera
Para entender el patrón estructural hay que decirlo claro: la tecnología es un vector de desarrollo de la economía financiera. En una economía financierizada, el crecimiento no se sostiene solo con utilidad demostrada; se sostiene con expectativas convertidas en precio. Y la tecnología es el combustible perfecto para justificar valoraciones hoy con promesas de mañana.
Esta subordinación no es metafórica. El peso del entramado financiero no bancario ("shadow banking", en lenguaje regulatorio) ya representa el 51% de los activos financieros globales según el propio Financial Stability Board.
Cuando ese peso domina, la economía real se contagia de su ritmo: prometer antes de verificar. La promesa se vuelve activo; la verificación, coste. Y ese es el suelo material del hype.
1. La cadena de devoración
La secuencia se repite con una regularidad casi mecánica:
Aparece un hallazgo: algo funciona en condiciones controladas.
Se traduce en promesa: se afirma que es escalable, generalizable y rentable.
Entra el capital: compra opción sobre el futuro. No compra verdad; compra posición.
Se industrializa: se empaqueta, se integra, se estandariza.
Se captura: patentes, plataformas, lock-in (cautiverio del cliente) y regulación favorable.
Se extrae renta: ya no se gana por inventar; se gana por controlar el acceso.
La clave es el orden: la promesa llega antes que el producto. Sin esa inflación narrativa, no habría financiación para la carrera. El hype no es el ruido del sistema: es su combustible.
Y conviene decirlo así: capturar es cerrar. Es convertir lo que podía circular en un corredor con barreras, y transformar el acceso en una cuota. El gesto económico decisivo no es "hacer que funcione", sino hacer que solo funcione pasando por ti.
2. El mercado inventa el mercado
A veces la tecnología corre por delante del uso social estable. En un mundo con paciencia, eso daría lugar a exploración y maduración. En el capitalismo financierizado, da lugar a un relato de inevitabilidad: "si no lo adoptas, mueres".
Ese relato no es un "exceso cultural". Es una función: crear demanda, presupuesto y urgencia antes de que exista una utilidad estable. Se compran posiciones defensivas. Se compra señal. Se compra estar dentro.
Por eso el resultado no es validación: es apuesta. El mercado deja de ser selección por rendimiento y pasa a ser competición por narrativa.
3. Ciencia acelerada: cuando el incentivo deja de ser la verdad
Decir que el capitalismo devora la ciencia suena exagerado hasta que miras qué premia. Bajo presión, la ciencia y la ingeniería tienden a:
priorizar lo publicable sobre lo sólido,
priorizar lo financiable sobre lo relevante,
priorizar la demo sobre la reproducibilidad,
priorizar la métrica sobre el significado.
No hace falta conspiración: basta con incentivos. Si pagas por prometer, obtienes promesas. Si pagas por llegar primero, obtienes atajos. Si pagas por titular, obtienes titulares.
En IA, esto se ve con claridad particular. Los modelos se entrenan para dominar benchmarks (MMLU, HumanEval, GLUE) que no miden utilidad real, sino proximidad estadística a patrones de test. El resultado: papers que reportan mejoras incrementales en tareas sintéticas mientras las aplicaciones reales tropiezan con casos que el benchmark nunca contempló. Se optimiza la métrica, no el problema.
Y hay más: la carrera por publicar primero genera una crisis de reproducibilidad que ya es reconocida incluso dentro del campo. Modelos entrenados con datos no documentados, hiperparámetros no reportados, ablaciones ausentes. La ciencia pierde trazabilidad porque la trazabilidad es lenta, y lo lento no cotiza.
Pero el problema más profundo es la contaminación de datos. Se estima que hay un solapamiento del 45% entre las preguntas de los exámenes de evaluación (benchmarks) y los datos de entrenamiento de los modelos. Es decir, la IA no está "razonando": está memorizando el examen para vender mejores titulares. Esto no es ciencia acelerada; es ciencia manipulada para sostener valoraciones.
La consecuencia, en una frase: la verdad se vuelve un coste; la promesa, un activo.
4. El hype como mercado secundario del futuro (y la aritmética de la burbuja)
Muchas veces el producto es secundario. Lo que se vende, de verdad, es otra cosa: valoraciones, rondas, adquisiciones, poder de negociación, captura de talento.
La IA lo ilustra con números: en 2024, la inversión privada en IA en EE. UU. llegó a 109,1 mil millones de dólares, y la inversión privada global en IA generativa alcanzó 33,9 mil millones (un +18,7% interanual), según el AI Index de Stanford.
Y esa economía de expectativa abre una pregunta inevitable: ¿esto genera beneficios o solo valoraciones?
¿Hay burbuja? Si por "burbuja" entiendes valoraciones que descuentan retornos que aún no existen, el debate ya está en el centro. Reuters resume la idea brutal: los inversores vigilan si el gasto masivo "está pagando" o no, y el riesgo de burbuja está explícitamente sobre la mesa.
El síntoma no es solo mediático. Lo ves en la propia estructura del ciclo: valoraciones muy altas antes de producto maduro. El caso reciente de la nueva startup asociada a Yann LeCun, buscando una valoración elevada en fase temprana, se ha leído precisamente en clave "¿burbuja?".
Y lo ves también en la fragilidad de los anuncios. Nvidia anunció una inversión de 100.000 millones de dólares en OpenAI, pero en sus registros ante la SEC (Comisión de Bolsa y Valores de EE. UU.), Nvidia admite que "no hay garantías" de que ese acuerdo llegue a cerrarse definitivamente. El hype funciona como infraestructura de fe para sostener valoraciones, incluso sin contratos vinculantes firmados.
Pero no es una burbuja uniforme. Es un boom en dos capas:
(1) "Picos y palas" (chips, nube, centros de datos): aquí sí hay negocio claro. Microsoft declara que su "AI business" ya superó un run rate anual de 13.000 millones de dólares. Esta capa es la más rentable porque cobra peaje por infraestructura.
(2) "Modelos frontera" y parte de la aplicación: ingresos en subida, pero economía tensionada. OpenAI, según Reuters citando disclosures recogidos por The Information, hizo ~4.300 millones de ingresos en el primer semestre de 2025 y, al mismo tiempo, reportó cash burn relevante. Y Reuters también recoge un dato clave: OpenAI proyecta quemar ~115.000 millones de dólares hasta 2029 por el coste de sostener la frontera.
Anthropic ilustra la misma tensión: Reuters informó de 3.000 millones de ingresos anualizados (mayo de 2025) y, en otro reportaje, de objetivos de ingresos anualizados mucho mayores, impulsados por demanda empresarial.
Traducción: hay tracción, pero en muchas capas el modelo económico aún no cierra con comodidad.
Y aquí hay una trampa contable crucial. Muchas startups de IA están reportando el Valor Bruto de Mercancía (GMV) o el simple "paso de cómputo" como si fuera Ingreso Recurrente Anual (ARR). Técnicamente, están actuando como "Agentes" y no como "Principales" bajo la regla contable ASC 606, lo que significa que sus márgenes reales son de apenas un 10% a 30%, muy lejos del 80% de una empresa de software tradicional. Se venden vibras, no beneficios.
Por eso "¿burbuja?" no significa "no sirve", sino "los precios descuentan un futuro que todavía está en guerra".
Y aquí entra el punto sobre productividad: el hype empuja la IA hacia lugares donde la productividad no está clara. Se vende sustitución de juicio y automatización total porque eso justifica múltiplos; pero lo que paga hoy con más claridad suele ser lo modesto: copilotos, herramientas acotadas e infraestructura.
5. IA: madura como herramienta, inmadura como autoridad (y el hype la empuja justo donde duele)
Aplicado a la IA, la trampa principal es confundir capacidad con fiabilidad.
La IA es madura donde el error es tolerable o barato de detectar: redacción, borradores, código con revisión, resumen, clasificación, soporte interno con fuentes controladas.
Pero es peligrosa cuando se le otorga autoridad en ámbitos donde el coste del error es alto y el error es difícil de detectar: legal, salud, RR. HH., compliance, finanzas.
La razón es simple: un modelo generativo optimiza plausibilidad, no verdad. Y el hype, por estructura, empuja justo hacia el lugar equivocado: donde se promete decisión automática y sustitución de juicio, no asistencia verificable.
No sorprende que Gartner describa la entrada en "fase de desilusión" en verticales concretos, precisamente por fricciones de integración y ROI irregular.
Y hay un dato más demoledor: el 95% de los proyectos piloto de IA generativa en empresas fracasan al no entregar ningún retorno de inversión (ROI) medible. Este "Abismo del Piloto" confirma que la tecnología funciona en demo pero no en producción a escala, precisamente porque es madura como herramienta pero inmadura como autoridad.
La fórmula que lo resume: madura como copiloto; inmadura como juez.
6. Producción no es demo
La frase que separa el espectáculo del trabajo real es esta:
Una demo convence; la producción responde.
En producción aparecen los costes que el hype oculta: seguridad, permisos, auditoría, trazabilidad, control de versiones, mantenimiento, responsabilidad legal y el coste reputacional del error visible.
Y el cuello de botella se ve en adopción "a escala": investigación citada por Barron's/UBS situaba en 17% el porcentaje de empresas encuestadas que han desplegado IA "a escala".
En Europa, Eurostat reporta que en 2025 el 20% de empresas (≥10 empleados) usaban tecnologías de IA, lo que muestra crecimiento, pero también distancia entre narrativa y despliegue generalizado.
Italia, por ejemplo, reporta 16,4% de adopción en 2025 y enumera barreras muy concretas: habilidades, regulación, protección de datos y costes.
El mercado compra velocidad; la realidad exige gobernanza. Y esa gobernanza es lenta y cara, por definición.
7. Conclusión: extracción, captura, degradación… y quién paga la factura
Lo que vivimos no es un ciclo romántico de entusiasmo y desengaño. Es un patrón de extracción: acelerar, monetizar antes de estabilizar, capturar el acceso, y cuando el rendimiento marginal cae, seguir extrayendo por degradación y peaje.
Por eso encaja lo que Cory Doctorow llamó enshittification: el ciclo por el que las plataformas pasan de servir al usuario a exprimirlo cuando el control del acceso ya está consolidado.
Y en IA hay además factura material. La IEA estima que los centros de datos consumieron 415 TWh en 2024 (≈1,5% de la electricidad mundial) y proyecta que su demanda global se duplicará hasta ~945 TWh en 2030, con la IA como gran motor del aumento.
Pero no es solo electricidad. El coste hídrico es igual de brutal: en zonas de sequía como Arizona, una sola consulta de 10 a 50 prompts puede "beber" el equivalente a una botella de agua de 500 ml para enfriar los servidores. La degradación no es abstracta: es literal.
Y hay una última capa de externalización del riesgo que cierra el círculo. Cuando la IA falla en entornos críticos —salud o legal—, el sistema está diseñado para que la responsabilidad legal recaiga exclusivamente en el profesional humano (médico o abogado) y no en el desarrollador. El capital captura el beneficio, pero externaliza todo el riesgo hacia el usuario final.
La pregunta final no es si la IA "es madura". La pregunta es más incómoda:
¿Para qué usos es rentable decir que es madura, aunque no lo sea?
Y la pregunta que sigue es aún peor:
¿Quién paga la factura cuando el hype se derrumba?
No son los que monetizaron la promesa. Son los que creyeron en ella: trabajadores despedidos cuando el pivote llega, empresas medianas que invirtieron en infraestructura que no recuperarán, Estados que subvencionaron centros de datos con dinero público, comunidades locales que asumieron el coste energético y ambiental, profesionales que cargan con la responsabilidad legal de sistemas que no controlan. El capital extrae en la subida y se retira en la caída. El resto no es futuro: es factura.
#IA #Capitalismo #Innovación #Tecnología #Economía #Hype
Comentarios
Publicar un comentario