El debate sobre si el financiamiento de inteligencia artificial esconde riesgos similares a los de Enron divide a Wall Street. Mientras Michael Burry duplica su apuesta bajista contra Nvidia y compara los compromisos de IA por US$ 3 billones con estructuras que precedieron al colapso de 2001, Tom Lee sostiene que las cifras nominales no reflejan el riesgo financiero real que enfrentan los inversores en agosto de 2026.
¿Qué son los USD 3 billones en compromisos de IA fuera de balance?
Un análisis del Wall Street Journal identificó US$ 3 billones en compromisos de infraestructura de inteligencia artificial acumulados por nueve grandes empresas tecnológicas y registrados fuera de sus estados financieros principales. Esa cifra se compone de US$ 1,2 billones en alquileres de centros de datos que aún no han comenzado y US$ 1,9 billones en acuerdos de compra de chips semiconductores, reflejando contratos futuros vinculados con capacidad de cómputo y suministro de tecnología.
La magnitud de estos compromisos reavivó comparaciones históricas. Enron, el gigante energético estadounidense que colapsó en 2001, ocultó miles de millones de dólares en deuda mediante vehículos de inversión que no aparecían en sus registros contables. Su quiebra, valorada en US$ 60.000 millones, fue la mayor de su época. Los compromisos de IA actuales equivalen a 50 veces ese monto, aunque agrupan obligaciones de naturaleza distinta y no implican fraude contable por sí mismos.
Michael Burry replica el patrón de Enron en Nvidia
Michael Burry, inversor conocido por anticipar el desplome de hipotecas de alto riesgo en 2008, ve similitudes entre las estructuras de financiamiento de IA y los mecanismos que precedieron al colapso de Enron. Durante agosto de 2026, duplicó su apuesta corta contra Nvidia tras cuestionar un acuerdo de financiamiento por US$ 500.000 millones que involucra a la empresa y grandes firmas como Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR.
Burry argumenta que la ingeniería financiera está prolongando artificialmente el impulso alcista de la IA en una fase avanzada del mercado. En su boletín de Substack escribió que "estructurar créditos no naturales para hacer durar el impulso en la fase final del mercado es donde está la preocupación". Su temor es que las compañías estén utilizando mecanismos complejos para mantener la narrativa de crecimiento incluso si la demanda subyacente no avanza al ritmo esperado.
El proyecto de Meta en Luisiana ejemplifica cómo funcionan estas estructuras. La compañía posee apenas el 20% del centro de datos, mientras que firmas de crédito privado controlan el resto, distribuyendo tanto la propiedad como el riesgo financiero de manera que dificulta valorar quién asume cada exposición.
Tom Lee rechaza la comparación y destaca márgenes de ganancia
Tom Lee, estratega de Fundstrat, rechazó la advertencia de Burry durante una aparición en CNBC. Su tesis central es que los compromisos brutos suelen parecer mucho mayores que el capital efectivamente expuesto, especialmente cuando se observan contratos ejecutados durante varios años. Lee explicó que instrumentos como opciones y swaps pueden mostrar una exposición nominal muy superior al dinero que finalmente está en riesgo.
El analista recordó que Warren Buffett describió los derivados de crédito como armas de destrucción financiera masiva, pero subrayó que interpretar el valor nocional como una pérdida potencial inmediata puede conducir a conclusiones equivocadas. Muchos compromisos solo aparecen plenamente en el balance cuando comienza la construcción de los proyectos, y las empresas pueden reducir o cancelar gastos futuros sin enfrentar demandas equivalentes al valor total anunciado.
Lee afirmó que su experiencia durante los años noventa le permite distinguir el actual ciclo de los excesos de aquella época. Observó cómo compañías de fibra óptica utilizaban acuerdos para presentar ingresos ficticios, mientras que las grandes tecnológicas actuales cuentan con algunos de los márgenes de ganancia más elevados de la historia empresarial. Esa diferencia fundamental, según su análisis, sugiere que el riesgo actual no es equivalente al de Enron.
¿Cuánto gasta Estados Unidos en infraestructura de IA?
Dryden Pence, jefe de Inversión de Pence Capital Management, comparó la expansión de inteligencia artificial con grandes ciclos de inversión nacional. El presupuesto base del Pentágono para 2026 fue fijado en US$ 866.600 millones por el Congreso, según un informe del Instituto Americano de Empresas. Pence espera que Estados Unidos llegue a gastar más en IA que en defensa durante 2027.
El desarrollo de la tecnología ya absorbe entre el 2% y 2,5% del producto interno bruto estadounidense, una proporción que Pence comparó con el esfuerzo destinado al ferrocarril transcontinental durante la década de 1850. La referencia apunta a la magnitud de la infraestructura requerida, pero también recuerda que los proyectos transformadores necesitan años para demostrar si generan retornos proporcionales al capital invertido.
La evidencia sobre beneficios empresariales todavía resulta desigual. Pence indicó que solo 30% de las compañías reporta mejoras de productividad gracias a IA, mientras apenas 7% afirma que su despliegue se encuentra completo. Ese dato sugiere que una parte importante de la adopción corporativa todavía está en etapa temprana, lo que sostiene la visión optimista de quienes creen que el gasto actual podría anticipar una ola posterior de ganancias de eficiencia.
Impacto para empresas y administradores argentinos: qué significa este debate
Para dueños y administradores de empresas argentinas, la discusión entre Burry y Lee tiene implicaciones directas sobre decisiones de inversión tecnológica. Si los US$ 3 billones en compromisos globales de IA se convierten en infraestructura rentable, las compañías que adopten inteligencia artificial tempranamente podrían ganar ventajas competitivas significativas en productividad y eficiencia operativa. Sin embargo, si el crecimiento se frena y los retornos no justifican la inversión, muchas empresas enfrentarían presiones financieras similares a las observadas en ciclos previos de sobreinversión tecnológica.
En el contexto argentino, donde la volatilidad macroeconómica y el acceso al financiamiento en dólares son restricciones críticas, la decisión de invertir en capacidades de IA requiere evaluar cuidadosamente si el negocio puede generar ingresos en moneda extranjera o reducir costos operativos de manera suficiente para justificar el gasto. El indicador decisivo será si las mejoras de productividad continúan ampliándose globalmente y convierten los compromisos de infraestructura en rentabilidad real, o si el crecimiento se frena y la comparación de Burry con Enron cobra mayor relevancia para las decisiones de inversión corporativa local.
