Hay analogías que sirven para adornar una conversación y analogías que sirven para ordenar el pensamiento. La que propone Jeff Currie el 25 de noviembre de 2025 en The Carlyle Compass pertenece a la segunda categoría, y tiene un peso particular por quién la firma: durante más de dos décadas Currie fue el estratega de materias primas de referencia en Goldman Sachs —la voz que el mercado escuchaba cuando el petróleo se movía— y hoy es Senior Advisor en Carlyle. Cuando alguien que vivió por dentro la revolución del shale dice que la fiebre inversora de la inteligencia artificial le suena familiar, conviene escuchar. Su pregunta es deliberadamente musical: how much does AI rhyme with shale? La historia no se repite, pero rima.
El gancho es contable. El boom del shale fue, en sus palabras, el ciclo de capex de "crecimiento a cualquier precio" más notorio de la era moderna: en su punto álgido, el conjunto del sector energético invirtió entre el 110% y el 120% de su flujo de caja operativo, y en vísperas del crash del petróleo de 2014 algunas compañías gastaban más del 200% de su cash flow. La inquietud actual —Oracle y Google invirtiendo a la altura de su flujo de caja o por encima— es lo que dispara la analogía.
¿Rima Exxon con Amazon?
El primer gráfico de Currie es el que mejor resume el cambio de naturaleza. Durante años, la tesis alcista sobre las grandes tecnológicas descansaba en que eran negocios "asset light": mucho margen, poco capital empleado, retornos sobre el capital estratosféricos. Esa foto ya no se sostiene.
La lectura de Currie es que los hiperescaladores están "metiendo acero y cobre en el suelo" como si fueran compañías de recursos naturales. Y los recursos naturales son industrias de vieja economía donde la reinversión es estructuralmente más alta que en tecnología. De ahí su pregunta incómoda: ¿son compañías virtuales 'asset light' o compañías 'asset heavy' de recursos naturales? Porque si son lo segundo, el múltiplo que merecen es radicalmente más bajo. En su marco, los superciclos "asset heavy" de los 70 y los 2000 eran activos físicos —átomos, en lenguaje de tabla periódica—; los superciclos "asset light" de los 90 y los 2010 eran activos de innovación —bits—. Los 2020, sugiere, son la década en que los bits convergen con los átomos y nacen materias primas híbridas "bit-átomo": el bitcoin, que se "mina" quemando electricidad de carbón y gas, y el cómputo de IA. En este punto conviene una matización de casa: en Maya analizamos la cripto como fenómeno —y la cita de Currie es un buen ejemplo de su utilidad explicativa—, pero no la usamos como vehículo de inversión. La idea que sí retenemos es la otra: estas tecnológicas producen ya un commodity llamado "cómputo de IA", cotizado en dólares por hora igual que la electricidad se cotiza en dólares por MWh o el petróleo en dólares por barril.
¿Rima el petróleo a 100 con el cómputo a un dólar?
Una cosa es el múltiplo que merece la compañía y otra el precio de su materia prima. Y aquí Currie pone el dedo en la llaga. La confianza del sector en que el precio del cómputo se estabilice —el índice Silicon Data del H100 sosteniéndose en una banda de 1-2 $/hora— le recuerda a la confianza que tenían los productores de shale en el petróleo a 100 $/barril, esa misma confianza que les llevó a gastar muy por encima de su caja.
¿Qué pasó realmente con el crudo? Que a finales de 2015, en lugar de 100 $, los productores cobraban unos 30 $. No porque fallara la demanda —el miedo que hoy se proyecta sobre la IA—, sino porque los ingenieros petroleros superaron todas las expectativas abaratando costes y produciendo mucho más de lo previsto. La sobreoferta estadounidense desató una guerra de precios con Arabia Saudí por la cuota de mercado. "No apuestes nunca contra un ingeniero —resume Currie con un dicho del sector—: dale suficiente tiempo y dinero y resolverá el problema". El equivalente tecnológico sería ver el cómputo caer a 0,30-0,50 $/hora pese a la confianza en que aguante por encima de 1 $. Y el dato que lo hace verosímil: los costes variables del cómputo de IA rondan el 25-35%, comparables a los del petróleo en 2015, cuando encontró suelo en torno a 30 $. A principios de 2024 el sector "fijaba" un suelo de 4 $/hora para el alquiler del H100 durante los cuatro años siguientes; hoy ya está en 2,13 $/hora. La expresión "guerra de precios" ya se usa.
¿Rima Deepwater con DeepSeek?
La estructura industrial también rima. Para Currie, AI, AWS y Azure son los operadores integrados "deepwater" —plataformas completas con precios premium, el equivalente a BP y Shell—. Y ya asoma el equivalente "shale": proveedores especializados de cómputo como CoreWeave o Lambda Labs, y competidores chinos como DeepSeek, que ofrecen alternativas drásticamente más baratas. Los modelos recientes de DeepSeek igualan el rendimiento de GPT-4 a una fracción del coste de entrenamiento. Es el manual del shale: lograr un output comparable con costes de entrada radicalmente menores y, a partir de ahí, escalar con agresividad. Sustituir el petróleo barato saudí por el cómputo barato chino y la película podría parecerse demasiado. Currie añade un matiz histórico afilado: los incumbentes BP y Shell nunca abrazaron del todo el shale; ExxonMobil, en cambio, sí lo hizo vía adquisición. La pregunta abierta es a cuál de los dos guiones se parecerán los gigantes de la nube.
El segundo golpe del crudo en 2014-15 fue macro: una repreciación masiva de divisas, tipos, metales, agrícolas, renta variable y crédito. Los inversores se hartaron de la vieja economía 'asset heavy' centrada en China y rotaron hacia la nueva economía 'asset light' de Silicon Valley, un régimen que dura desde 2014 pese al intento fallido de volver a lo 'asset heavy' en 2022.
Esa rotación hacia lo 'asset light' explica buena parte de la divergencia de valoraciones de las dos últimas décadas. Pero la pregunta que deja Currie es si el péndulo ha empezado a moverse en sentido contrario.
La misma ingeniería financiera
Currie reserva su paralelismo más llamativo para el balance. Lo que salvó a los supervivientes del shale fue no arrastrar costes heredados del régimen anterior; los más asfixiantes eran deuda, arrendamientos de terreno y contratos de midstream. Los productores de petróleo de 2010-2014 mantenían en su balance solo la deuda de perforación. Para todo lo demás firmaban contratos take-or-pay a largo plazo de captación, procesamiento y transporte con vehículos de propósito especial (SPV) y master limited partnerships (MLP) del midstream, externalizando así el capex restante a cambio de contratos caros y duraderos. Esas MLP, a su vez, usaban esos contratos como ingresos "bancables" para levantar su propia deuda y capital.
La gran tecnológica de la IA, sostiene, está usando exactamente el mismo manual: los acuerdos de hoy con los SPV de centros de datos riman con aquellos. Y no olvida el land grab —la "carrera por el posicionamiento" que el sector petrolero conocía bien— reflejado en la fiebre actual por asegurar emplazamientos, energía y silicio.
Monopolio no rima con descentralización
Aquí está, para mí, el matiz más valioso de la columna, porque es el que rompe la analogía y obliga a pensar. Durante la revolución del shale nadie habría usado la palabra "monopolio". Fue justo lo contrario: la descentralización de los restos del viejo imperio Rockefeller en una red de productores eficientes y escuálidos. La narrativa de la IA, en cambio, gira alrededor del monopolio. Hay quien defiende que tiene sentido gastar más del 100% del flujo de caja si un único modelo de IA generativa puede capturar beneficios monopolísticos. Pero, de momento, Currie ve a la IA comportándose más como una industria básica de commodity. Y cierra con la frase que da título a este comentario: no hay nada de malo en que la IA sea un commodity; simplemente, que a nadie le sorprenda cuando el mercado le ponga múltiplo de commodity.
Por qué esta opinión nos importa en Maya
No es nuestro oficio avalar ni desmentir narrativas de mercado a corto plazo. Es construir carteras que sobrevivan a una eventual reescritura del marco mental dominante. Y la columna de Currie, sin ser un paper revisado por pares, hace algo útil: traduce a la gramática de los ciclos de capital una intuición que ya gobierna nuestra cautela. Tres lecturas conectan con cómo gestionamos:
El riesgo de concentración disfrazado de calidad. El régimen 'asset light' que premia a los 'Big 5' lleva once años vigente y hoy concentra una parte desproporcionada de los índices globales. Si la propia Carlyle se pregunta si esas compañías deberían cotizar como negocios de recursos naturales, el riesgo no es que la IA fracase, sino que el múltiplo se normalice. Para un ahorrador indexado, eso es exactamente el riesgo que no ve: no la quiebra de Nvidia, sino una re-rating lenta del bloque que más pesa en su cartera.
Distinguir la tecnología de su precio. Una revolución puede ser real y, a la vez, destruir capital para quien la financia: Currie recuerda que la tecnología creó 9 billones de dólares de riqueza tras 2014 mientras la energía destruía 41 céntimos por cada dólar invertido y volatilizaba 2,6 billones de equity. El ganador de la transformación y el ganador del trade no tienen por qué coincidir. Diversificar fuera del consenso 'asset light' no es apostar contra la IA; es no pagar de más por ella.
La rotación como hipótesis, no como certeza. El gráfico del ratio 'asset light'/'asset heavy' muestra un intento fallido de rotar hacia la vieja economía en 2022. Currie no proclama que la rotación definitiva haya llegado —avisa de que hay que estar "alerta"—. Nosotros tampoco. Pero un posicionamiento que contemple esa posibilidad, con exposición a activos reales y a sectores castigados por una década de infrainversión, encaja con la asimetría que buscamos: poco que perder si el régimen 'asset light' continúa, mucho que ganar si rima con 2014.
Apunte metodológico
Conviene separar dato de interpretación. Los gráficos que reproducimos proceden del propio informe de Carlyle y citan fuentes auditables —Bloomberg para el capex y los precios de crudo, Silicon Data para los índices de alquiler de GPU, Goldman Sachs Global Investment Research para el ratio 'asset light'/'asset heavy'—. Las cifras concretas (110-120% de capex energético en el pico, 2,13 $/hora del H100 hoy frente al "suelo" de 4 $ fijado en 2024, costes variables del cómputo del 25-35%, los 9 billones creados por la tecnología y los 2,6 billones destruidos por la energía tras 2014) son las que cita Currie y las hemos mantenido tal cual, sin redondear a la baja ni extrapolar. El resto —las analogías Exxon/Amazon, Deepwater/DeepSeek, la lectura de los SPV de centros de datos como las MLP del midstream— es opinión informada del autor, y como tal hay que tomarla: no como predicción, sino como una rejilla para mirar el ciclo. La historia, recuerda él mismo, no se repite. Solo rima. Y quien quiera descartar la analogía tendrá que explicar por qué un sector que ya produce una materia prima con costes variables bajos, sobreoferta creciente y competidores que socavan precios merecería escapar a la gravedad que hundió al petróleo en 2015.