Magníficas-7: 40% del S&P 500 y alerta de burbuja en IA

¿Por qué se habla de una burbuja en las inversiones de IA?

Las Magníficas-7 ya pesan 40% del S&P 500 y en 2026 su rentabilidad anual se está convergiendo con la del índice: ambas rondan el 16% anual, según el análisis de Sergio Clavijo publicado en La República. Para un founder, la señal es incómoda: el capital que financia la infraestructura sobre la que corre su producto está concentrado en un puñado de balances que, por primera vez en tres años, ya no rinden muy por encima del mercado.

El texto plantea la pregunta que hoy recorre las mesas de inversión: ¿están ocurriendo suficientes negocios rentables para justificar estas inversiones, o el financiamiento de energía y data centers puede detonar una burbuja financiera en el segundo semestre de 2027?

Las Magníficas-7: utilidades sólidas, inversión desproporcionada

Los números de rentabilidad todavía acompañan. Según Clavijo, el grupo reportó utilidades de 23% en 2025 y de 10% anual en lo corrido de 2026, con una relación Precio/Utilidades que osciló entre 24 y 37 en ese periodo y que se proyecta cerca de 28 para 2027, siempre bajo el supuesto de que las ganancias se mantengan a doble dígito (hasta +50% anual en el caso de Nvidia).

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El problema no está en las utilidades, sino en el ritmo de gasto. La relación Inversión en IA / Utilidades superó el 100% durante 2025-2026, especialmente en Nvidia, Amazon, Google-Alphabet y Microsoft. Es decir: están invirtiendo más que lo que ganan.

El research lo confirma en cifras absolutas. Según The Motley Fool, las Magníficas-7 planean gastar más de US$700.000M en capex de IA en 2026, frente a unos US$400.000M en 2025. 247wallst detalla el desglose: Microsoft guio su capex del año fiscal 26 a US$115.950M y su CFO, Amy Hood, situó la inversión de 2026 en torno a US$175.000M; Alphabet gastó US$44.920M solo en el segundo trimestre y elevó su deuda de largo plazo de US$46.500M a US$98.200M; Amazon registró US$54.210M de capex trimestral; y Meta recortó su guía de capex 2026 a US$130.000-145.000M mientras su flujo de caja libre caía a US$784M desde US$8.550M un año antes.

El dato que enciende las alarmas: la IA todavía factura poco

Aquí está el nudo del debate. Los ingresos directamente atribuibles a IA siguen siendo una porción menor del negocio de quienes más invierten. Clavijo lo mide con los run-rates comerciales: en Meta, lo relacionado con IA representa 12% de sus ingresos; en Microsoft, 5%; y en Amazon y Google-Alphabet, entre 3% y 4%. El pronóstico es que esa incidencia se duplique hacia 2027-2028, pero hoy el aporte queda corto frente al apalancamiento asumido.

Traducido al día a día de una startup: el ecosistema de proveedores de cómputo está construyendo capacidad para una demanda que todavía no se materializa en ingresos proporcionales. Si esa demanda se enfría, el ajuste llega por el lado del precio y la disponibilidad.

¿Quién está financiando todo esto? El auge del crédito privado

El análisis de La República señala un cambio de composición: buena parte de los recursos proviene de grandes emisiones de bonos impulsadas por fondos de capital privado, vehículos que suelen eludir los criterios de aprobación de la banca comercial. El texto recuerda que los CEO de la banca advertían a inicios de 2026 sobre «muchas cucarachas moviéndose tras dichos créditos», y que algunos financiamientos se fondean a tasas de 15% anual.

El research agrega contexto. Chamath Palihapitiya, CEO de Social Capital, advirtió —según recoge CIO Economic Times— que el uso creciente de crédito privado para financiar infraestructura de IA podría ser una burbuja. La misma nota cita un pronóstico de S&P Global: Alphabet, Amazon, Meta, Microsoft, Oracle y SpaceX (xAI) gastarían alrededor de US$870.000M en 2026 y más de US$1,3 billones en 2027. Y un dato del Banco de Pagos Internacionales (BIS), difundido en enero: los préstamos privados a empresas de IA cargaban un spread promedio de 6,2 puntos porcentuales sobre la tasa base, apenas por encima de los 6,1 puntos de otros préstamos de crédito privado.

Esa diferencia mínima es la que preocupa: sugiere que el mercado no está cobrando prima suficiente por un riesgo que aún no se ha probado.

¿2027 será el año del estallido?

La hipótesis del artículo es que el estallido podría ocurrir en el segundo semestre de 2027, y que su coincidencia con un agravamiento de la crisis de deuda pública global sería el escenario más delicado.

Los analistas no coinciden en el cuándo, pero sí en que hay un descalce. Según MIT Technology Review, la profesora de Wharton Jessica Wachter estima que los hyperscalers tendrían que multiplicar por 2,7 su productividad para alcanzar el punto de equilibrio en 2030. Morgan Stanley calcula que más de la mitad de los US$2,9 billones en gasto en data centers previstos hasta 2028 se financiará con capital externo, y el caso de Meta, que transfirió 80% de su data center Hyperion a la firma de crédito privado Blue Owl Capital, muestra hasta dónde llega esa ingeniería financiera.

Gartner, citado por NetworkWorld, pone el número más duro: más de US$3,5 billones en gasto de infraestructura de IA podrían quedar expuestos a deterioro hacia 2030, porque la industria necesitaría US$8,5 billones de ingresos acumulados hasta ese año frente a los US$3,6 billones que proyecta a los ritmos actuales. La firma espera además que más de 80% de los proveedores neocloud deje de operar de forma independiente hacia 2030. La señal ya se ve en el mercado: las acciones de CoreWeave, Nebius e IREN cayeron más de 30% durante octubre, según Reuters.

¿Qué significa esto para tu startup?

El debate no es abstracto: define el costo de tu insumo más importante.

No asumas cómputo barato para siempre. Si tu modelo de negocio depende de que el precio por GPU siga bajando, modela un escenario donde sube o se estanca. Prioriza contratos flexibles (capacidad bajo demanda o spot) sobre compromisos plurianuales largos que te aten a un proveedor.
Diversifica proveedores de modelo e infraestructura. La concentración es el riesgo central del ciclo. Tener una capa de abstracción que te permita mover cargas entre nubes o entre modelos te da poder de negociación cuando la capacidad se ajuste.
Mide tu propio run-rate de IA. Si no puedes separar cuánto de tus ingresos depende realmente de features de IA, no puedes defender esa inversión ante un inversor. Aplica la misma vara que el mercado le está aplicando a las Magníficas-7.
Alarga tu runway si estás levantando. Con el crédito privado encareciéndose y las tasas soberanas por encima de 5%, el capital de deuda será menos accesible. Un colchón mayor y unit economics claros pesan más que una narrativa de IA.

Para founders en LATAM y España hay una capa extra: los costos de energía y la disponibilidad de data centers locales son parte de la ecuación de competitividad. Quien resuelva eficiencia —modelos más pequeños, inferencia más barata, cómputo en el borde— tiene una ventaja estructural si el ciclo se corrige.

Conclusión

No hay certeza sobre el estallido, y el propio análisis reconoce que las rentabilidades del grupo siguen siendo sostenidas. Pero la combinación de inversión por encima de las utilidades, ingresos de IA todavía minoritarios y financiamiento crecientemente apalancado en crédito privado configura un riesgo que conviene gestionar, no ignorar. La lección para un founder es simple: construye tu negocio para que funcione también si el capital de IA se vuelve más caro y escaso.