Hay un momento, en toda fiebre tecnológica, en que las cifras dejan de medir y empiezan a entusiasmar. El nuevo informe del equipo Counterpoint Global de Morgan Stanley —Bayes and Base Rates: How History Can Guide Our Assessment of the Future, firmado por Michael J. Mauboussin y Dan Callahan, CFA, y publicado el 10 de febrero de 2026— no discute si la inteligencia artificial cambiará el mundo. Da eso por hecho. Lo que hace es algo mucho más incómodo y mucho más útil: coge las previsiones de ventas que las empresas de IA están poniendo encima de la mesa y las pone a dialogar con setenta y cinco años de historia empresarial. El resultado no es un veredicto, sino una vara de medir. Y la vara dice que algunas de esas promesas no tienen precedente conocido.
La herramienta conceptual es vieja y elegante: el teorema de Bayes. Mauboussin lo recuerda sin pedantería. La idea es combinar una creencia inicial con datos objetivos recientes para producir una creencia nueva y mejorada, y después seguir actualizándola a medida que llega evidencia. Lo curioso —y aquí el informe cita a Phil Tetlock y su proyecto Good Judgment, donde apenas un 2% de los participantes resultaron ser "superforecasters" consistentes— es que los mejores pronosticadores no usan la fórmula de Bayes formalmente. Usan su intuición central: acercarse gradualmente a la verdad actualizando en proporción al peso de la evidencia, con creencias sostenidas con flojedad, siempre abiertas a revisión.
La creencia inicial se llama tasa base
¿Y de dónde sale esa creencia inicial? De la tasa base: el resultado típico de una clase de referencia. Si una empresa con 5.000 millones de dólares en ventas promete crecer al 10% anual durante cinco años, lo primero no es creerla ni desmentirla, sino preguntar qué porcentaje de empresas de ese tamaño lo ha conseguido históricamente. Esa frecuencia es la creencia inicial honesta. A partir de ahí, y solo a partir de ahí, se actualiza con lo que la empresa va reportando.
El primer caso es OpenAI. En el otoño de 2025 la compañía proyectó ingresos de 145.000 millones de dólares para 2029. Sus ventas en 2024 fueron de 3.700 millones. Eso implica una tasa de crecimiento anual compuesto del 108% sostenida durante cinco años.
Figura 1. La previsión de ventas de OpenAI: de 3.700 a 145.000 millones en cinco años — Fuente: Morgan Stanley Counterpoint Global.
Para juzgar esa cifra, Mauboussin construye la tasa base con empresas estadounidenses que partían de 2.000-5.000 millones de dólares en ventas: casi 18.900 observaciones de compañías cotizadas entre 1950 y 2024 (una empresa puede aparecer más de una vez en la muestra). La distribución de tasas de crecimiento a cinco años es una campana con la media en el 7,0% anual y una desviación típica del 10,6%. La conclusión es seca: ninguna empresa cotizada ha crecido tan rápido durante cinco años en los últimos tres cuartos de siglo. Bajo una aproximación normal, la previsión de OpenAI equivale a un suceso de aproximadamente 9,5 desviaciones estándar. En la práctica, los métodos habituales para asignar una probabilidad inicial no nula a un evento sin precedentes —3/N o el suavizado de Laplace— arrojan cifras inferiores a una milésima.
Figura 2. Cómo crecen de verdad las empresas grandes: la distribución de tasas base — Fuente: Morgan Stanley Counterpoint Global.
Conviene insistir en lo que dice esta campana, porque es el corazón del informe. La mayoría de las empresas grandes crece en torno a un dígito bajo o medio. Las que doblan tamaño año tras año durante un lustro no es que sean raras: es que en la muestra histórica de ese tramo de tamaño no existen. Mauboussin no afirma que sea imposible —el propio informe recuerda que las tasas base no son inmutables y pueden cambiar cuando cambia el mundo—, sino que la creencia inicial racional debe partir de ahí, no del entusiasmo.
¿Qué podría desplazar esa creencia hacia arriba en el caso de OpenAI? El informe es justo y señala dos factores. El primero, la velocidad de adopción: ChatGPT tardó solo dos meses en alcanzar 100 millones de usuarios, frente a los nueve de TikTok, los veintiocho de Instagram o los cuatro años y medio de Facebook; internet necesitó siete años y el teléfono setenta y cinco. Es una difusión rapidísima incluso ajustando por crecimiento de población, aunque los autores advierten que usuarios no es lo mismo que ingresos, porque muchos no pagan. El segundo, el crecimiento reciente: OpenAI esperaba reportar unos 13.000 millones de ventas en 2025, un salto del 250%, muy por encima del ritmo medio del quinquenio. Aun así, cuando la empresa proyecta 200.000 millones para 2030, la nueva tasa a cinco años (2025-2030) es del 72,7% anual, y tampoco ninguna compañía que partiera de 10.000-15.000 millones la ha alcanzado nunca; ni siquiera ampliando la clase de referencia a partir de 6.500 millones, una muestra de más de 16.400 observaciones, aparece un solo caso.
Y crecer, recuerda el informe, no equivale a crear valor. Una empresa solo crea valor cuando el rendimiento de su inversión supera el coste del capital. El flujo de caja libre de OpenAI fue de unos -9.000 millones de dólares en 2025 y se espera en -17.000 millones en 2026: el negocio no es rentable e invierte con fuerza, de modo que mantener el ritmo exigirá levantar mucho capital externo. A esto se añade un detalle revelador sobre la estructura de costes: la compensación basada en acciones habría superado en 2025 el 45% de las ventas, unos 1,5 millones de dólares anuales por empleado —siete veces el siguiente mayor emisor de stock-based compensation entre las grandes tecnológicas antes de salir a bolsa.
Oracle: el mismo ejercicio, idéntico resultado
El segundo caso es Oracle. Tras anunciar varios contratos multimillonarios para su negocio de infraestructura cloud en el otoño de 2025 —que dispararon sus "Remaining Performance Obligations", compromisos firmados de ingresos futuros—, la dirección previó que los ingresos de su negocio cloud pasaran de 10.000 millones en el ejercicio cerrado en mayo de 2025 a 166.000 millones en el de 2030. Eso es un 75% de crecimiento anual compuesto. El negocio cloud representaba el 17% de las ventas totales de Oracle, de 57.400 millones, en ese ejercicio.
Figura 3. La previsión de Oracle Cloud: de 10.000 a 166.000 millones — Fuente: Morgan Stanley Counterpoint Global.
La tasa base vuelve a hablar. Para empresas que partían de 8.000-12.000 millones de dólares en ventas, la muestra de casi 4.400 observaciones (1950-2024) da una media del 5,7% anual y una desviación típica del 9,6% —la misma campana modesta de antes, desplazada un poco a la izquierda porque las empresas más grandes crecen, de media, algo menos. Ninguna compañía con 10.000 millones o más de ventas ha crecido tan rápido durante cinco años en los últimos setenta y cinco años; de hecho, ninguna con 5.600 millones o más lo ha hecho. Mauboussin es honesto: la magnitud de las obligaciones ya firmadas justifica modificar la probabilidad al alza respecto a la tasa base. Pero esas expectativas deben sopesarse contra las necesidades de financiación, el riesgo de contraparte y los posibles retrasos en completar la infraestructura.
"How Big Things Get Done": el 0,5% que importa
Y aquí el informe da su giro más valioso, porque las grandes inversiones de las empresas de IA no son ventas, son obras: hardware y centros de datos. OpenAI y Oracle son socios del proyecto Stargate, que prevé gastar hasta medio billón de dólares en infraestructura de IA hasta 2029. Los centros de datos de IA no son los de antes: combinan hardware especializado, infraestructura energética y refrigeración, con demandas de potencia mucho mayores. Son, en una palabra, grandes proyectos. Y los grandes proyectos tienen su propia tasa base, recopilada por el geógrafo económico Bent Flyvbjerg en una base de datos de 16.000 proyectos de 136 países —desde el Eurotúnel hasta la Ópera de Sídney.
Figura 4. La tasa base de los grandes proyectos: del 47,9% al 0,5% — Fuente: Morgan Stanley Counterpoint Global.
Las cifras son sobrias. Menos de la mitad de los proyectos, el 47,9%, se completa dentro de presupuesto. Solo el 8,5% lo hace además a tiempo. Y apenas el 0,5% —medio punto porcentual, uno de cada doscientos— lo consigue a tiempo, dentro de presupuesto y entregando los beneficios anticipados. Flyvbjerg y Gardner proponen incorporar explícitamente las tasas base en la planificación —lo que llaman "reference-class forecasting"—, pero casi nadie lo hace: porque quieren seguir adelante y no quieren un baño de realidad, porque creen que su proyecto es único, o, lo más frecuente, porque sencillamente no tienen los datos. El consejo de los autores es elegante: "think slow, act fast", pensar despacio al principio para ejecutar rápido después. El problema es que la demanda de IA crece a toda velocidad y hay una carrera por el liderazgo que empuja en sentido contrario.
El motivo estratégico detrás del aluvión de anuncios
Mauboussin cierra con una hipótesis que merece atención. Solo OpenAI anunció unos quince acuerdos de infraestructura en 2025, y los hiperescaladores —Alphabet, Amazon, Microsoft— elevaron sus previsiones de capex durante el año. ¿Hay una racionalidad estratégica detrás de tanto anuncio, más allá de la demanda real? El informe recurre a Michael Porter y a su concepto de "estrategia preventiva": una empresa que se compromete pronto con grandes cantidades de capacidad para disuadir a competidores y posibles entrantes, señalando planes grandiosos. La difusión global de la IA —el porcentaje de personas que han usado un producto de IA generativa— era solo del 16% en la segunda mitad de 2025, así que la oportunidad sigue siendo enorme. Pero Porter advierte que la estrategia preventiva es intrínsecamente arriesgada, "porque implica el compromiso temprano de recursos importantes antes de conocer el resultado del mercado", y puede degenerar en una "guerra desastrosa" si no logra disuadir. El precedente histórico —la sobreinversión en telecomunicaciones de finales de los noventa, que acabó en sobrecapacidad y quiebras— está ahí para quien quiera mirarlo.
El verdadero mensaje
Conviene leer bien lo que este informe es y lo que no es. No es un dictamen bajista sobre la IA ni una recomendación de inversión —los propios autores lo subrayan—. Es una invitación a pensar como un bayesiano: empezar por la tasa base, no por el titular; actualizar con los datos que van llegando, no con el entusiasmo; y distinguir entre lo improbable y lo imposible sin confundir ninguno de los dos con lo seguro. La difusión vertiginosa de la tecnología y el crecimiento real a corto plazo son evidencia legítima que empuja las probabilidades hacia arriba. Las tasas base de crecimiento sin precedentes y de proyectos que rara vez salen como se prometen empujan hacia abajo.
Para quien gestiona patrimonio, la lección trasciende a OpenAI y a Oracle. Cuando un relato promete lo que la historia nunca ha visto, la respuesta sensata no es creerlo ni descartarlo de plano, sino preguntar cuántas veces ha ocurrido algo parecido antes. Esa pregunta, modesta y aritmética, es probablemente la herramienta más infrautilizada del oficio de invertir.