Hay documentos que conviene leer aunque no procedan de una casa de inversión, precisamente porque no proceden de una casa de inversión. El Artificial Intelligence Index Report que el Institute for Human-Centered AI (HAI) de la Universidad de Stanford publica cada año es uno de ellos. Su novena edición, fechada en abril de 2026, dedica un capítulo entero —el cuarto, titulado «Economía»— a una pregunta que cualquier inversor se hace en silencio: ¿cuánto dinero hay realmente detrás de la inteligencia artificial, hacia dónde fluye y qué está devolviendo? El interés de la fuente reside en su independencia. No vende fondos, no coloca emisiones, no tiene una posición que defender. Recopila datos de proveedores especializados —Quid, Epoch AI, Lightcast, McKinsey, la Federación Internacional de Robótica— y los ordena con criterio académico. Para quien construye carteras, esa neutralidad es un activo escaso en un terreno saturado de relato promocional.
Conviene una advertencia previa sobre la procedencia. El informe es de Stanford HAI, no de J.P. Morgan, pese a que su comité director incluya a una representante de JPMorgan Chase entre quince miembros procedentes de la academia, las grandes tecnológicas y la sociedad civil. Lo dirige un equipo encabezado por Yolanda Gil (USC) y Raymond Perrault (SRI International), y se cita formalmente como The AI Index 2026 Annual Report. La distinción no es menor: lo que sigue no es la tesis de un banco, sino una medición independiente que, de hecho, varios bancos citan.
El capital se concentra y se acelera
El primer dato es de orden de magnitud. La inversión corporativa global en IA —que agrega fusiones y adquisiciones, participaciones minoritarias, inversión privada y salidas a bolsa— alcanzó los 581.690 millones de dólares en 2025, frente a los 253.020 millones de 2024. Es un incremento del 129,9% en un solo ejercicio. Para situar la cifra: hablamos de más de medio billón de dólares anuales canalizados hacia una sola familia tecnológica, una magnitud que en 2013 no llegaba a los 15.000 millones.
La composición de esa cifra importa tanto como su tamaño. La inversión privada —el capital riesgo y de crecimiento que entra en compañías no cotizadas— fue la actividad dominante, con 344.660 millones de dólares, un 127,5% más que en 2024. Las fusiones y adquisiciones crecieron a un ritmo similar, un 132,6% interanual. La barra de 2025 dobla en altura a la de 2021, el anterior pico del ciclo, y deja en evidencia que la fase actual no es una repetición del entusiasmo pre-ChatGPT sino algo de otra escala. Quien recuerde aquel 2021 de tipos a cero y valoraciones infladas hará bien en preguntarse qué parte de este capital responde a fundamentales y qué parte a la dinámica reflexiva de un mercado que se autoalimenta.
Dentro de la inversión privada, el grueso lo absorbe la IA generativa. Las compañías de IA generativa captaron 170.870 millones de dólares en 2025, casi la mitad de toda la inversión privada y un incremento superior al 200% respecto a 2024, cuando rondaba los 51.000 millones. La curva es la de una transición de fase: plana y modesta entre 2019 y 2023, y vertical a partir de 2024. Para el analista, este es el gráfico que mejor captura la naturaleza del momento: no asistimos a una maduración gradual sino a una reasignación brusca de capital hacia un subsegmento que hace tres años apenas existía como categoría de inversión.
Estados Unidos juega solo
Si la magnitud del capital impresiona, su distribución geográfica es directamente desproporcionada. En inversión privada en IA, Estados Unidos concentró 285.880 millones de dólares en 2025; Europa, 20.920 millones; China, 12.410 millones. Es decir, Estados Unidos invirtió en privado casi catorce veces lo que invirtió Europa y veintitrés veces lo que invirtió China. En IA generativa el desequilibrio es aún más extremo: 163.640 millones en Estados Unidos frente a 3.210 en Europa y 1.480 en China.
Para un inversor europeo el dato tiene una lectura incómoda y otra estratégica. La incómoda es que el ecosistema de financiación de la frontera tecnológica está, hoy por hoy, abrumadoramente al otro lado del Atlántico, y que la exposición a la creación de valor primaria de esta ola pasa casi inevitablemente por valores estadounidenses. La estratégica es que la concentración geográfica del capital es, en sí misma, un factor de riesgo: cuando una sola economía financia una sola apuesta tecnológica con esta intensidad, los desequilibrios —de valoración, de capacidad instalada, de expectativas— se acumulan en un único punto del sistema. La diversificación, esa virtud aburrida, sigue teniendo algo que decir aquí.
El tamaño medio de las operaciones confirma que no se trata solo de más rondas, sino de rondas mucho mayores. La operación privada media en IA alcanzó los 66,52 millones de dólares en 2025, frente a los 45,6 millones de 2024 y los apenas 12,5 millones de 2013. El número de megaoperaciones —las superiores a 1.000 millones de dólares— casi se duplicó, de 15 en 2024 a 28 en 2025, y el total de operaciones pasó de 3.538 a 5.505. El capital no solo crece: se mueve en cheques cada vez más grandes hacia un número cada vez más concentrado de campeones.
¿Hay ingresos detrás del gasto?
La pregunta que el informe plantea con honestidad —y que cualquier gestor prudente debería plantearse— es si detrás de tanto capital invertido empieza a aparecer una economía operativa que lo justifique. La respuesta es matizada. Por el lado de los ingresos, las cifras son notables: las estimaciones de Epoch AI sitúan los ingresos anualizados de OpenAI en torno a 25.000 millones de dólares y los de Anthropic en 19.000 millones, mientras que actores más jóvenes como xAI (428 millones), Mistral AI (400 millones) o Z.ai (53 millones) escalan desde bases mucho menores. El informe advierte, con rigor metodológico, que estas estimaciones son direccionales más que precisas, y que la escala absoluta de ingresos sigue siendo modesta frente al capital comprometido. Aun así, la pendiente de la curva de OpenAI —en escala logarítmica— supera la de Uber, Cheniere Energy o Moderna en sus respectivas fases tempranas.
El otro lado de la balanza —el gasto— es donde la prudencia se vuelve obligatoria. La infraestructura que sostiene la frontera de la IA no la financian solo las compañías de IA, sino sobre todo los grandes proveedores de nube. El gasto de capital agregado de los hiperescaladores —Amazon, Meta, Alphabet, Microsoft y Oracle— se ha más que duplicado desde el lanzamiento de ChatGPT, y las estimaciones para 2026 apuntan a una cifra agregada cercana a los 430.000 millones de dólares anuales. En 2025, Google y Amazon lideraron, con Google declarando más de 150.000 millones en gasto de capital. A esto se suman compromisos singulares como el proyecto Stargate, anunciado por OpenAI, SoftBank y Oracle, cifrado entre 100.000 y 500.000 millones de dólares.
Aquí está, a nuestro juicio, el nudo de la cuestión para el inversor. Por un lado, ingresos que empiezan a ser reales pero que siguen siendo modestos frente al capital comprometido; por otro, un gasto de capital de cientos de miles de millones anuales que descansa sobre la expectativa de una demanda futura. La distancia entre ambas magnitudes —ingresos en el orden de las decenas de miles de millones, gasto en el orden de los cientos de miles de millones— es la que define el riesgo del ciclo. No afirmamos que la apuesta sea errónea; afirmamos que es una apuesta, y que las apuestas de esta dimensión rara vez se resuelven sin episodios de volatilidad severa en el camino. El propio informe lo expresa con sobriedad: la economía de la frontera de la IA está cada vez más ligada al cómputo a gran escala y a sus costes asociados.
El valor que no aparece en las cuentas
Hay un capítulo del informe que merece atención especial porque mide algo que las cuentas corporativas no capturan: el excedente del consumidor. Apoyándose en un experimento de elección de los economistas Brynjolfsson y colaboradores, el informe estima cuánto habría que compensar a los usuarios para que renunciaran a la IA generativa durante un mes. El resultado es revelador. El excedente total del consumidor en Estados Unidos pasó de 112.000 millones de dólares en 2025 a 172.000 millones en 2026, un incremento del 53,57%. El número de adultos estadounidenses que usan IA generativa creció de 95 a 115 millones (un 21,05%), y el excedente medio por usuario subió de 98 a 125 dólares anuales (un 27,55%). El excedente mediano por usuario llegó a triplicarse, de 3,40 a 11,40 dólares.
La lectura es de doble filo. Por un lado, confirma que la tecnología genera un valor real y creciente para sus usuarios, lo cual da soporte a la tesis de fondo de la inversión. Por otro, el informe subraya que este excedente del consumidor empequeñece los retornos privados que capturan los productores. Dicho de otro modo: el valor social que crea la IA generativa es, por ahora, muy superior al valor económico que las compañías logran extraer de él. Para el inversor, esto es a la vez tranquilizador —la utilidad existe— e inquietante —la monetización de esa utilidad dista de estar resuelta—. Es un patrón conocido en la historia de la innovación: el ferrocarril, la electricidad o internet generaron un valor inmenso para la sociedad mucho antes —y a veces en lugar de— generar retornos sostenidos para quienes los financiaron primero.
Adopción: del laboratorio a la cuenta de resultados
Si la inversión mide la oferta de capital, la adopción mide la tracción real en el tejido empresarial. Y aquí los datos de la encuesta de McKinsey son contundentes. En 2025, el 88% de las organizaciones declararon usar IA en al menos una función de negocio, frente al 78% de 2024. El uso de IA generativa creció todavía más rápido, hasta el 79% desde el 71% del año anterior. China y Europa registraron los mayores aumentos interanuales, de 13 y 11 puntos porcentuales respectivamente. Tras una década de estancamiento entre el 50% y el 58%, la curva de adopción se ha disparado en los dos últimos años.
Conviene, sin embargo, leer la adopción con cierta cautela. «Usar IA en al menos una función» es un umbral bajo; dice poco sobre la profundidad de la integración o sobre el retorno sobre la inversión que esas organizaciones obtienen. El propio informe es prudente en el capítulo de productividad: los estudios disponibles muestran ganancias del 14% al 15% en atención al cliente, del 26% en desarrollo de software —los desarrolladores que usaron GitHub Copilot completaron un 26% más de pull requests— y de hasta el 50% en producción de marketing. Pero las ganancias son menores en tareas que exigen razonamiento profundo, y aparecen señales de que una dependencia excesiva de la IA puede acarrear penalizaciones de aprendizaje a largo plazo que ralenticen el desarrollo de habilidades. La productividad, en suma, es real pero desigual, y se concentra en tareas bien definidas, repetibles y con supervisión clara de la calidad.
La señal de empleo que conviene vigilar
El dato más sobrio del capítulo —y el que más debería interesar a quien piensa en términos macro— es el de la demanda de talento y su impacto en el empleo. La demanda de trabajadores con habilidades en IA siguió creciendo en 2025. Entre los países analizados, Singapur encabeza la proporción de ofertas de empleo que requieren competencias en IA, con un 4,69% del total, seguido de Hong Kong (3,48%), Luxemburgo (3,43%) y España (3,31%). Estados Unidos se sitúa en el 2,56% y Reino Unido en el 1,93%. Que España aparezca en el grupo de cabeza, por delante de Estados Unidos en intensidad relativa de demanda, es un dato que merece subrayarse para una audiencia hispanohablante.
Pero hay una grieta en este cuadro que el informe documenta con frialdad. Al analizar la evolución del empleo en ocupaciones muy expuestas a la IA —desarrolladores de software y agentes de atención al cliente— por tramos de edad, aparece un patrón claro: el empleo entre los trabajadores más jóvenes, de 22 a 25 años, ha caído desde 2022, mientras que los tramos de mayor edad siguen creciendo. En el caso de los desarrolladores de software jóvenes, el descenso se acerca al 20% desde su pico de 2022. La línea de empleo de los jóvenes en ocupaciones de alta exposición a la IA inicia su deterioro a mediados de 2024 y se amplía de forma sostenida desde entonces. Es, posiblemente, la primera evidencia macroeconómica nítida de que la automatización está afectando de manera desproporcionada a los trabajadores junior y de entrada al mercado laboral. Para quien piensa en horizontes largos —en pensiones, en consumo, en la estructura de la demanda agregada—, esta es una señal que no se puede ignorar.
China y el músculo físico de la automatización
El capítulo se cierra con un terreno donde el liderazgo no es estadounidense sino chino: la robótica industrial. En 2024 se instalaron 542.000 robots industriales en el mundo, un crecimiento prácticamente plano (+0,2%) respecto al año anterior, lo que sugiere cierta saturación tras una década de expansión. Pero la distribución geográfica es reveladora: China instaló 295.000 unidades, frente a las 44.600 de Japón, las 34.200 de Estados Unidos, las 30.600 de Corea del Sur y las 27.000 de Alemania. La cuota china sobre las instalaciones globales ha pasado del 20,8% en 2013 al 54,4% en 2024. China instala hoy más robots industriales que el resto del mundo junto.
Esta asimetría completa el cuadro de un modo instructivo. Mientras Estados Unidos domina el capital y el software de la frontera de la IA, China domina su despliegue físico en la industria. Son dos apuestas distintas sobre la misma transformación, y un inversor con perspectiva global haría mal en mirar solo a una de ellas. La automatización del trabajo manual y la del trabajo cognitivo avanzan en paralelo, financiadas y lideradas por bloques económicos diferentes.
Lo que Maya retiene
El AI Index 2026 no es un documento de inversión, y precisamente por eso resulta tan útil para invertir. De su capítulo económico extraemos tres conclusiones de cabecera. Primera: el capital comprometido es real, enorme y creciente —581.690 millones de dólares de inversión corporativa, gasto de capital de los hiperescaladores camino de los 430.000 millones anuales—, pero descansa todavía sobre ingresos modestos y sobre la expectativa de una demanda futura que aún no se ha materializado. La distancia entre el gasto y el retorno es el riesgo central del ciclo. Segunda: la concentración —geográfica en Estados Unidos, sectorial en un puñado de campeones, en operaciones cada vez mayores— es a la vez el motor de la oportunidad y la fuente del riesgo sistémico; la diversificación sigue siendo la respuesta sensata a un mercado que apuesta tan fuerte por tan pocos. Y tercera: el valor para el usuario crece más rápido que la capacidad de las compañías para capturarlo, y el empleo de entrada empieza a resentirse, dos señales de que la transformación tiene costes y beneficios que no se reparten de forma simétrica.
Para una cartera, nada de esto recomienda ni la euforia ni la abstención. Recomienda lo de siempre: exposición medida a una transformación genuina, sin confundir la magnitud del relato con la solidez de los retornos, y con la conciencia de que las apuestas de medio billón de dólares anuales no se resuelven sin volatilidad. El informe de Stanford, con su sobriedad académica, nos da los números para distinguir una cosa de la otra. Esa, y no otra, es su utilidad para quien gestiona patrimonio.
Las rentabilidades y cifras citadas proceden del Artificial Intelligence Index Report 2026 de Stanford HAI (abril de 2026) y se reproducen con fines informativos y de análisis. Las rentabilidades pasadas no garantizan rentabilidades futuras. Este artículo no constituye una recomendación de inversión.