Del rebote poselectoral al desplome: un ajuste forzado, no una tesis rota
| Por Rocío Martínez | 0 Comentarios

El S&P 500 se situaba, en la semana de las elecciones legislativas, en el soporte inferior de la banda de consolidación que ha contenido sus avances desde agosto. Como ya sucedió en 2025 —tras el lanzamiento comercial de DeepSeek a principios de año, el Día de la Liberación o los temores a la financiación circular en noviembre—, las dudas en torno a la inteligencia artificial volvían a aflorar, y con ellas, el miedo a un pinchazo inminente de la burbuja. La primera lectura del resultado electoral fue positiva: el miércoles, la bolsa estadounidense registró su mejor sesión desde el verano, y las hiperescaladoras rebotaron con fuerza, desmarcándose de los semiconductores y de los subsectores industriales ligados a la construcción de centros de datos, que se vieron más penalizados por la contundencia de la victoria demócrata.


La euforia duró un día. El jueves, el mercado centró su atención en lo que la mayoría demócrata puede suponer para el ritmo y el coste del despliegue de infraestructura de IA. El S&P 500 cedió un 4,4% —su peor sesión desde abril de 2025—, mientras que el Nasdaq Composite perdió un 5,5% y entró en corrección. El índice de semiconductores de Filadelfia se desplomó un 12%, el VIX subió cerca de un 70%, hasta los 28 puntos, y los once sectores del S&P 500 cerraron en negativo. Al temor regulatorio se sumaron algunos resultados débiles en el sector de semiconductores. El catalizador más visible fue Texas, uno de los grandes polos de centros de datos del país: la gobernadora electa, Gina Hinojosa, se ha comprometido a congelar todas las nuevas aprobaciones hasta que el legislativo apruebe una regulación específica en 2027, prolongando la pausa que Abbott ya había decretado en agosto.
A nuestro juicio, el movimiento tiene más de liquidación forzada que de ruptura de la tesis. Los hedge funds venían recortando su exposición bruta desde junio —más de un 8%, el mayor desapalancamiento desde, al menos, 2017, según Morgan Stanley— y, cuando se retira el apalancamiento, se vende lo que se puede, no lo que se quiere. Que muchos beneficiarios de la IA acumulen ya caídas superiores al 20% desde máximos nos parece desproporcionado frente a unos fundamentales que, por ahora, siguen mejorando. Tampoco anticipamos un frenazo del desarrollo de la IA ni una moratoria nacional sobre los centros de datos, que pondría en riesgo la carrera tecnológica con China y el crecimiento de la productividad. El flujo de noticias puede empeorar antes de mejorar, y los episodios de desapalancamiento rara vez se resuelven en una sola sesión. Pero la historia juega a favor: desde 1950, el S&P 500 ha cotizado al alza doce meses después de cada elección de medio mandato. Como explicamos a continuación, ni la tesis de burbuja ni el impacto regulatorio sobre la oferta de computación justifican, a nuestro juicio, la magnitud del ajuste.
¿Burbuja? La adopción de la IA tiene aún mucho recorrido
Aunque el ciclo de inversión en IA está avanzando (el flujo de caja libre de los hiperescaladores ya se encuentra en terreno negativo en la mayoría de los casos) y, a diferencia de lo que sucedía en 2025, la Fed está inmersa en un miniciclo de subidas, los tipos han presionado los múltiplos, que son mucho más razonables que en 1999. Además, la corrección reciente ha transmitido escepticismo y precaución ante una tecnología disruptiva —no optimismo—, lo que desmonta, al menos de momento, la hipótesis de burbuja.
La inversión como porcentaje del PIB puede asustar por su magnitud (ya ha superado el pico alcanzado en la era de internet), pero la adopción de la tecnología tiene aún mucho recorrido por delante. Para confirmarlo, nos fijamos en los datos de Ramp AI (que solo contabiliza a quienes utilizan servicios de pago, pero se concentra en un universo de solo 85.000 empresas y cuya muestra está sesgada hacia compañías tecnológicas y en crecimiento) y del Censo de EE. UU. (BTOS), una encuesta mucho más amplia que incorpora hasta 1,2 millones de empresas, pero que solo pregunta por el uso, que puede incluir servicios gratuitos. Ramp nos sirve para analizar el ritmo de crecimiento y qué laboratorios ganan o pierden cuota. El BTOS es la mejor medida de hasta dónde ha penetrado el uso de herramientas de IA en el tejido empresarial, aunque se publica con retraso y está sesgado hacia las pymes.
No obstante, la conclusión coincide en ambos casos: en septiembre, el índice de Ramp muestra una penetración del 55,9%, mientras que la encuesta BTOS oscila entre el 17% y el 20% (entre las empresas de más de 250 empleados alcanza el 37%). Fuera del ámbito de las encuestas, que siempre presentan sesgos, el S-1 de Anthropic al que hacíamos referencia la semana pasada mostraba que las empresas de Fortune 500 dedican a Claude menos de un 0,1% de sus gastos totales.
Desde 2025, y también según los datos de Ramp, el gasto por empleado en aplicaciones de IA se ha multiplicado por seis, aunque solo ha empezado a acelerarse de verdad en los últimos diez meses. El efecto de estas herramientas sobre la productividad, así como su reflejo en los beneficios de los grandes hiperescaladores, queda de manifiesto en esta gráfica.

La demanda de computación sigue superando a la oferta
Como explicábamos la semana pasada, hay muestras evidentes de que la demanda de computación sigue reforzándose y, de momento, supera a la oferta. El precio del alquiler por hora de los H100 de Nvidia (generación Hopper), con contratos a un año, ha subido un 60% en el último año, y el de las Blackwell también se ha encarecido.
Si un servidor con aceleradores carísimos deja rápidamente de ser rentable para entrenar modelos frontera o para ofrecer precios de inferencia realmente competitivos, se compromete el ROIC de esa inversión. Además, la cadencia de lanzamiento de chips cada vez más potentes ha aumentado. La otra cara de la moneda es que, para mantenerse en el liderazgo de esta carrera y ganar cuota con precios más competitivos en servicios de IA sin sacrificar margen, hay que invertir en tecnología de vanguardia. Un rack GB300 NVL72 de Nvidia procesa unos 6.000 tokens por segundo en cada una de las 72 GPU que incorpora, frente a unos 90 con la generación anterior (Hopper); es decir, unas 65 veces más. El nuevo Vera Rubin, que comenzará a enviarse en volumen en breve, multiplica la capacidad del GB300 por entre 2,5 y 3,5 veces (unos 15.000 tokens por segundo), aunque, ajustado por consumo por vatio, la mejora se quedaría en 1,3-1,6 veces.
Además, el uso de tokens crece más allá de la demanda que proporcionan los grandes laboratorios de IA (Anthropic y OpenAI). Datos recientes nos muestran que la demanda de agentes de IA ya ha superado la de los usuarios tradicionales y crece 14 veces desde febrero. En la misma línea, el uso de modelos de mezcla de expertos (MoE) también incrementa la carga de tokens, y los modelos abiertos, más baratos, se utilizan cada vez más. El abaratamiento de los tokens estimula un uso más intensivo de los modelos y dispara la demanda de computación.

Es factible que, a medida que se vayan aclarando los cuellos de botella en el abastecimiento, el precio de alquiler de las GPU descienda más en línea con su tasa de depreciación y con el lanzamiento de unidades más potentes. Pero aún no estamos ahí. Mientras tanto, hay capacidad de computación contratada a precios spot por MW que tendrán que ser revisados al alza en 2027-2028 (los contratos de AWS, Google o Azure con Anthropic no publican condiciones de precio, pero el 10-K de CoreWeave establece que la duración media ponderada de los suyos es de unos 5 años).
La “Ola Azul” y los centros de datos
La celebración de las elecciones legislativas en EE.UU. deja una incógnita menos por despejar de cara al cierre de 2026, y la fortaleza de la “Ola Azul” superó las expectativas de especialistas y casas de apuestas. La velocidad a la que Trump ha consumido su capital político en su segundo mandato es sorprendente y tiene mucho que ver con no haber atendido a la principal preocupación de quienes le votaron en 2024: la inflación y la economía doméstica. Por el contrario, Trump se embarcó en una guerra caprichosa y mal explicada y en la imposición de elevados aranceles incluso a naciones aliadas y alineadas con los intereses comerciales estadounidenses. Es una derrota casi sin precedentes, en la que Trump ha perdido el control sobre “estados fortaleza” republicanos, como Carolina del Norte (la primera vez desde 2008 que elige a un demócrata para el Senado), Texas o Florida (donde los republicanos han perdido escaños a pesar de redibujar los distritos electorales a su conveniencia). Este resultado, a priori, y por lo que implica de cara a las elecciones presidenciales de 2028 (con nuevos gobernadores demócratas en estados como Ohio o Iowa, históricos “estados bisagra” que habían pasado al control republicano), disminuye el riesgo de un nuevo ataque contra Irán y desvía el foco de la geopolítica hacia la Fed y a la sostenibilidad en el ciclo de crecimiento de los beneficios por acción.

Con unos resultados aún provisionales (en el momento de escribir estas líneas quedaban por conocerse los resultados en Arizona, Oregón, Michigan o Minnesota), y como vemos en la gráfica de arriba, el vuelco electoral pondrá también el foco sobre la evolución de centros de datos en desarrollo y en fase de planificación, así como sobre los posibles retrasos que afecten a la oferta de computación. El rechazo a la construcción de centros de datos se daba tanto en estados rojos como azules, con republicanos como Abbott, que ya había paralizado en agosto las nuevas aprobaciones en Texas. No obstante, la barrida demócrata agudiza la situación.
Texas (D, Hinojosa), Georgia (D, Bottoms), Ohio (D, Acton) e Iowa (D, Sand), además de Virginia (que pasó a manos demócratas en 2025) y Pensilvania, concentran el grueso de los GW planificados y en construcción: 189,5 GW de los cerca de 346 GW proyectados.
En Pensilvania (Shapiro), el promotor debe construir, traer o comprar su propia generación eléctrica. En Ohio (Acton), la moratoria sería condicional: solo se aprobarían los centros que paguen su energía y su agua y demuestren que no encarecen la factura de los vecinos. En Virginia (Spanberger) se ha introducido un impuesto de 0,011 dólares por kWh —unos 77 millones de dólares al año por GW, con un factor de carga del 80%—, manteniendo la exención del impuesto sobre ventas para los equipos. Georgia (Bottoms) es el caso más duro: pide una pausa estatal y la revisión de los 2.500 millones de dólares en incentivos fiscales.
No obstante, el impacto en 2026-2027 será muy bajo: en los cuatro estados principales hay 25,9 GW ya en construcción que no se verían afectados por un cambio regulatorio, y Trump ya ha prometido convertirse en “Mr. Veto”, por lo que posiblemente bloquee cualquier intento demócrata a nivel federal de aumentar la presión fiscal o endurecer la regulación sobre la construcción de centros de datos.
Si en 2028 la Casa Blanca pasa a manos demócratas, la incógnita afectará a los 108,9 GW planificados en esos estados. En un escenario base, con probabilidades subjetivas por cada uno de ellos, podrían retrasarse unos 10-15 GW. El efecto no sería muy relevante: los ajustes en la legislación estatal supondrían obstáculos (sindicatos, requisitos medioambientales y restricciones al consumo eléctrico), pero no prohibiciones a la construcción.
La idea final: el desenlace electoral incrementa el valor de la capacidad de computación ya instalada y también debería sostener el coste de alquiler/ por hora de los GPU y los aceleradores. Adicionalmente, podría ser la excusa perfecta para reducir el ritmo de las inversiones. Los hiperescaladores son claros beneficiarios.











