El sobreprecio de la IA se redujo
El sobreprecio que los operadores habían cargado en sus planes de IA se redujo esta semana. En cuatro frentes (los mercados de acciones, el precio de los modelos, la regulación estadounidense y la energía) un supuesto que se sostuvo durante todo 2025 se dio vuelta o quedó frenado. En los cuatro casos el que se movió fue un precio, con la calidad del modelo quieta de fondo. Inversores, compradores, reguladores y operadores de red empezaron a valuar la IA por su aritmética antes que por su relato.
El mercado dejó de pagar por los despidos con IA
Durante todo 2025, la lectura defendible era que anunciar un recorte de personal atribuido a la IA era algo que los inversores premiaban. Señalaba que la conducción había encontrado eficiencia real, que los márgenes se ampliarían, que la empresa iba adelantada en automatización. Klarna, Salesforce y una hilera de otras hicieron la jugada de recortar-y-señalar, y fueron leídas como disciplinadas. Un director ejecutivo que planificaba 2026 podía suponer, con razón, que sumar despidos a un argumento de IA sostendría el precio de la acción en lugar de dañarlo.
El 17 de mayo, CNBC informó que, de 23 empresas del S&P 500 que habían recortado personal con un argumento explícito de IA, 13 (el 56%) cotizaban por debajo de su precio del día del anuncio, con una caída promedio cercana al 25%. Salesforce bajó alrededor del 32% (según CNBC) desde que recortó 4000 puestos de soporte en septiembre pasado y lo atribuyó a sus agentes de IA de servicio. Fiverr, que se volvió AI-first (reorganizada para poner la IA en el centro de la operación) con un recorte del 30%, cayó 54%. Nike, que redujo unos 800 puestos por automatización, perdió 35%. Dos días después, Standard Chartered anunció que eliminaría unos 7800 puestos de soporte para 2030, más del 15% de esa plantilla, y su director ejecutivo, Bill Winters, lo describió como "reemplazar capital humano de menor valor" (Fox Business). La reacción adversa lo obligó a desdecirse por escrito en un día, desde un banco que registraba una rentabilidad récord.
Todo ejecutivo cuyo plan 2026 trate el anuncio de un despido con IA como un catalizador positivo debería repensarlo. El mercado ahora pide el segundo número, la ganancia de productividad o de ingresos que el recorte supuestamente iba a financiar, y descuenta el anuncio hasta que ese número aparece. Los equipos de finanzas y de relación con inversores deberían dejar de encabezar con la cuenta de la dotación y encabezar con la cuenta de producción por empleado, porque los inversores empezaron a ponerle precio a la brecha entre ambas. Esta es la versión bursátil de algo que ya señalamos: que el desplazamiento por IA dejó de ser parejo. El relato vago de la automatización ya no pasa.
Google rompió el sobreprecio de los modelos de frontera
Durante dos años, el supuesto defendible sobre precios fue que la IA de frontera era escasa, por lo tanto cara, y que los laboratorios tenían el poder de fijar el precio. El jefe de finanzas de OpenAI describió la demanda como un "muro vertical". Los niveles de pago más altos para usuarios avanzados se ubicaron alrededor de los US$200 por mes, entre ellos ChatGPT Pro y Claude Max, y el precio por token de los mejores modelos se mantuvo lo bastante alto como para que los revendedores compitieran en todo menos en costo. El supuesto de trabajo era que el mejor modelo imponía un sobreprecio, y que ese sobreprecio se sostendría.
En su conferencia para desarrolladores del 19 de mayo, Google bajó el tope de su plan AI Ultra de US$250 a US$200 por mes y agregó un nuevo nivel Ultra de US$100, manteniendo su plan de US$20. Lanzó Gemini 3.5 Flash como la opción gratuita por defecto para programación y trabajo con agentes, a US$1,50 y US$9 por millón de tokens de entrada y de salida, y lo posicionó como superior a su propio Gemini 3.1 Pro en benchmarks de programación y agentes, a cerca de un cuarto del costo de frontera. Google compite en el precio y deja de lado el liderazgo absoluto en capacidad: los analistas aún ubican a su modelo más fuerte por detrás de la frontera restringida.
Los operadores que deberían sentirse incómodos son aquellos cuyo modelo de negocio es "revender tokens de frontera con un margen" o "cobrar un sobreprecio porque corremos el mejor modelo". Cuando un modelo casi de frontera alcanza para programación y agentes a un cuarto del costo, el sobreprecio por lo "mejor" se reduce a lo que la tarea concreta realmente exija. Los revendedores de márgenes finos, y los laboratorios cuyos planes de ingresos suponen poder de fijación de precios en lugar de liderazgo en costos, deberían modelar una guerra de precios y no un muro vertical. También afila la lectura de la semana pasada, cuando la apuesta al líder dejó de funcionar: el líder ya no fija el precio.
Washington dio marcha atrás con la regulación de los modelos de frontera
Hace dos semanas, la lectura regulatoria defendible era que Estados Unidos avanzaba hacia una supervisión previa al lanzamiento de los modelos de frontera. La Casa Blanca evaluaba abiertamente una orden ejecutiva calcada de la aprobación de medicamentos, según la cual un modelo debería pasar una revisión de seguridad del gobierno antes de salir al mercado. Se la presentaba como respuesta al sistema restringido Mythos de Anthropic, que según la propia empresa había detectado decenas de miles de vulnerabilidades de software. Los proveedores posicionados en seguridad, y cualquiera que tratara la preparación para el cumplimiento normativo como una ventaja competitiva sostenible, podían planificar con razón en torno a un régimen federal cada vez más estricto.
El 20 de mayo, horas antes de una firma programada en el Salón Oval, Trump postergó la orden (según CNN). El marco ya había sido suavizado a una revisión voluntaria de 90 días por parte de las agencias, y hasta eso se cayó tras un cabildeo de último momento: el asesor de IA David Sacks se habría opuesto y el presidente dijo que "no le gustaban ciertos aspectos" y que no quería "opacar la ventaja de Estados Unidos" mientras el país "le va ganando a China". OpenAI y Anthropic venían trabajando con la Casa Blanca sobre el texto. Por ahora no hay ninguna revisión federal previa al lanzamiento para los modelos de IA, voluntaria ni de otro tipo, ni fecha fijada para una.
Los proveedores que construyeron un relato centrado en el cumplimiento esperando que las reglas federales lo validaran deberían recalibrar. Nuestro propio argumento de que las barreras regulatorias y de cumplimiento están entre las ventajas competitivas más duraderas sigue valiendo donde la barrera es una acreditación real, una licencia bancaria o una habilitación para datos médicos que lleva años conseguir. Pierde su valor donde la barrera era una regla federal anticipada que una tarde de cabildeo puede postergar. Si tu postura de seguridad era una apuesta a que la regulación llegaría, la apuesta acaba de volverse más larga. Si era una apuesta a que los clientes valoran la seguridad por sí misma, no cambió nada.
Europa quedó fuera de la construcción de infraestructura
El supuesto cómodo para fundadores y empresas europeas era que la IA llega por la nube, y la nube abstrae la geografía: alquilás capacidad de frontera por token desde cualquier lado, así que la ubicación deja de importar. Por el lado de la demanda, eso sigue siendo más o menos cierto. Por el lado de la oferta, donde el cómputo se construye físicamente, dejó de serlo este año, y la brecha hoy parece estructural y no pasajera.
La electricidad para los centros de datos europeos está muy por encima de la estadounidense. Reportes de este mes la ubicaron cerca de los US$111 por megavatio-hora en el Reino Unido y US$89 en Alemania (según CNBC), contra unos US$28 en Estados Unidos, y la Agencia Internacional de Energía señala que la energía industrial europea cuesta cerca del doble que la estadounidense. El tiempo es la restricción más dura: en los principales centros europeos una instalación nueva espera de 7 a 10 años por una conexión a la red, hasta 13 en las zonas más congestionadas, contra hasta 5 en Estados Unidos. La brecha de construcción resultante se estima en torno a 100 a 1. Estados Unidos tiene su propia fricción, con unos 7 de los 12 gigavatios previstos para 2026 demorándose, pero la posición relativa no está cerca.
Las empresas de IA europeas que supusieron una economía del cómputo equivalente deberían incorporar una desventaja estructural en todo lo que cargue mucho entrenamiento o inferencia, e inclinar sus hojas de ruta hacia el trabajo que corre sobre capacidad de frontera alquilada y no sobre hardware propio. El impulso a la "IA soberana" choca con la misma aritmética: no podés subsidiar la salida de una cola de red de 7 a 13 años en los plazos a los que se mueve la IA. El lugar más barato para correr el modelo decide cada vez más dónde se construye la capacidad, y por ahora ese lugar no es Europa.
Las cuatro lecturas juntas
Las cuatro rupturas comparten un mecanismo: una variable blanda que los operadores venían valuando por relato se endureció en un número esta semana. Los inversores dejaron de pagar por el cuento de la eficiencia de la IA y empezaron a exigir el margen que se suponía iba a producir. Google dejó de cobrar un sobreprecio por la idea de la capacidad de frontera y empezó a competir por costo por token. Washington se negó a convertir el riesgo de la IA en una regla federal, y el cuento del cumplimiento-como-ventaja perdió el respaldo con el que contaba. Y el costo de construir IA se mostró como un número de energía y de red que decide la geografía. La costumbre de 2025 era extrapolar cada tendencia de IA en línea recta. La disciplina que premia 2026 es más estrecha: por cada línea de tu plan, preguntá qué dice de verdad la aritmética que tiene debajo, porque esta semana fue la aritmética, y no el relato, lo que se movió.