El gran dilema de Wall Street en 2026 

Se han comprometido más de $2 trillones en infraestructura de AI para 2026–2028. El mercado ya no acepta promesas: quiere ver el dinero.

El ciclo de IA no está en entredicho. Lo que sí lo está, y esto importa para cualquier inversor con exposición al sector tecnológico, es el precio que el mercado estaba dispuesto a pagar por él sin evidencia que lo respaldara. La distinción parece sutil, pero cambia por completo la lectura del momento.

La tesis de largo plazo sigue intacta. Morgan Stanley estima que casi $3 trillones en inversión en infraestructura AI fluirán por la economía global hacia 2028, con más del 80% del gasto todavía por delante (Morgan Stanley, 2026). Goldman Sachs proyecta que si el capex de los hyperscalers alcanza entre $1,1 y $1,4 trillones para 2027, este ciclo rivalizará en escala con los grandes booms ferroviario y de telecomunicaciones, que produjeron ganancias de productividad genuinas a largo plazo (Goldman Sachs, diciembre de 2025). Hay fundamento suficiente para no salir de la exposición.

El timing y el sizing, en cambio, importan hoy de una forma que no importaban en 2023 o en 2024. El S&P 500 opera en el percentil 87 de valuaciones históricas (Goldman Sachs, junio de 2026). El capex de los hyperscalers consume ya casi el 90% de su flujo de caja operativo (Barclays, citado en Reuters / Investing.com, abril de 2026). La deuda emitida por el Big Tech en solo el primer trimestre de 2026 superó lo emitido en todo 2025 (Allianz Trade, marzo de 2026). Y el retorno directo de AI en ingresos sigue siendo apenas el 4% de lo que se está gastando (Investing.com, febrero de 2026).

Nada de eso es argumento para no invertir. Es argumento para invertir con sizing disciplinado, con stop-losses definidos de antemano y con la honestidad de saber que el retorno estructural de este ciclo se medirá en años, no en trimestres.

Las empresas que logran vincular capex con ingresos auditables, backlog diversificado y expansión de márgenes son hoy las candidatas más sólidas de largo plazo. Las que no pueden cuantificar el retorno de su inversión en AI, sencillamente porque no lo saben, son fuentes de riesgo específico que cualquier portafolio disciplinado debería dimensionar con cuidado. Esa distinción es, más que ninguna otra, el mapa que define la segunda mitad de 2026.

El año en que Wall Street dejó de creer a ciegas

Wall Street, que durante dos años había premiado casi automáticamente a cualquier empresa que pronunciara las palabras correctas sobre inteligencia artificial, decidió de pronto que las palabras ya no bastaban. Quería números, y los quería auditables.

El cambio se hizo visible el 29 de abril, en la earnings call de Meta. Un analista, con la paciencia de quien lleva meses esperando la misma respuesta, le preguntó al CEO Mark Zuckerberg por el retorno de inversión sobre los $125–145B que la compañía proyecta gastar en capex de AI en 2026. Zuckerberg respondió que era “una pregunta muy técnica”. Las acciones cayeron 6% en after-hours, en un trimestre donde los ingresos habían subido 33% y las ganancias un 61% (StrongMocha / Q1 2026 Earnings Analysis, 2026). El mercado no castigó los resultados; castigó el silencio sobre la pregunta concreta.

Ese episodio no fue un accidente aislado. Fue el síntoma más visible de un cambio de régimen que Goldman Sachs ya había documentado con precisión: la correlación de precio entre las grandes acciones de AI cayó del 80% al 20% desde junio de 2025, impulsada por el grado de confianza que los inversores tenían en que las inversiones AI estaban generando beneficios reales de ingresos (Goldman Sachs, diciembre de 2025). El mercado dejó de mover todas las acciones de AI juntas. Empezó a separarlas, y el criterio de separación fue uno solo: ¿puedes mostrar el dinero?

Oracle se convirtió en el caso de estudio que nadie pudo ignorar. Su acción había colapsado casi 60% desde el pico de septiembre de 2025, golpeada por la preocupación de que su backlog estuviera demasiado concentrado en OpenAI y por la deuda acumulada para financiar su programa de data centers (Investing.com, marzo de 2026). El 10 de marzo llegaron los resultados del tercer trimestre fiscal: ingresos en la nube de $8,9B, un salto del 44% interanual, y un backlog de contratos AI por encima de los $29B con múltiples clientes bien diversificados. La acción rebotó 9% en una sola sesión (CNBC, 11 de marzo de 2026). Entre el colapso y la recuperación no cambió la empresa. Cambió la evidencia disponible sobre ella.

Una montaña de gasto y un río de dudas

Para entender por qué este debate estalló ahora conviene mirar el tamaño de lo que está en juego, porque los números son, en este caso, difíciles de procesar de un vistazo. Los cinco mayores inversores tecnológicos de Estados Unidos están en camino de comprometer más de $600B en capex solo en 2026, dentro de un despliegue estimado de $2,1 trillones entre 2026 y 2028. Eso eleva la intensidad de capital al 34% de los ingresos, más del doble del pico del 15% observado durante el auge de las telecomunicaciones en los años noventa (Allianz Trade, marzo de 2026). El capex de los hyperscalers superó los $400B en 2025 y se encamina hacia los $700B en 2026, un nivel cinco veces mayor al de hace apenas cinco años (J.P. Morgan Asset Management, febrero de 2026).

Frente a esa montaña de gasto, el retorno visible sigue siendo escaso. Bank of America calculó que el capex de los hyperscalers consume ya el 94% de los flujos de caja operativos después de dividendos y recompras (Investing.com, febrero de 2026), mientras los servicios de AI generan hoy alrededor de $25B en ingresos directos, cerca del 4% de lo que se está invirtiendo en infraestructura (Investing.com, febrero de 2026). La carga, además, no va a aligerarse pronto: Goldman Sachs estima que la depreciación y amortización pasará del 7% de los ingresos en 2022 al 12% para 2027, a medida que la construcción de data centers convierte el gasto inicial en costos fijos que comprimirán márgenes durante años (Goldman Sachs, citado en Investing.com, junio de 2026).

Lo que complica aún más el cuadro es que la estructura de financiamiento de estos gigantes ha cambiado de naturaleza casi sin que nadie lo proclamara.

Durante años los hyperscalers financiaron el capex con sus propios flujos de caja, uno de los rasgos que en principio diferenciaba este ciclo de la burbuja de telecomunicaciones de los noventa, financiada sobre todo con deuda ajena. Ese escudo se está erosionando. Para el primer trimestre de 2026, el Big Tech ya había emitido más deuda que en todo el año 2025: más de $100B solo entre enero y marzo (Allianz Trade, marzo de 2026). Goldman Sachs proyecta hasta $1,5 trillones en emisión de deuda tecnológica en los próximos años (Investing.com, febrero de 2026). Balances que durante una década ignoraron los mercados de bonos empiezan a parecerse a los de una empresa industrial intensiva en capital.

A eso se suma la permisividad que el propio mercado se concedió durante demasiado tiempo. Goldman Sachs documentó que más de la mitad de las empresas del S&P 500 mencionaron iniciativas de productividad vinculadas a AI en sus earnings calls más recientes, pero relativamente pocas cuantificaron el impacto financiero real (Goldman Sachs, junio de 2026). Durante dos años eso fue aceptable. En el primer trimestre de 2026 el mercado decidió que ya no lo era. Alphabet, que reportó cloud revenue de más de $20B con crecimiento del 63%, AI products con un crecimiento del 800% interanual y un backlog de $460B, vio su acción subir tras los resultados. Meta, con mejores resultados operativos pero sin una respuesta cuantificable sobre el ROI de su capex AI, cayó 6% en el mismo período (StrongMocha, 2026). Mismo trimestre, condiciones operativas comparables. Lo que separó a una de otra fue la evidencia presentada.

Cuando el índice deja de ser un refugio

Este debate tiene consecuencias que van mucho más allá de Meta o de Oracle: afectan al S&P 500 como instrumento de inversión, lo que lo convierte en un asunto relevante para cualquier portafolio que lo use como referencia. Con el índice cotizando a 21 veces las ganancias proyectadas, percentil 87 desde 1980, y con el retorno sobre el patrimonio en un récord del 22% en el primer trimestre de 2026, el margen de error es prácticamente cero (Goldman Sachs, junio de 2026).

El estratega Ben Snider, de Goldman, estima que cada punto porcentual de cambio en el ROE del S&P 500 corresponde aproximadamente a un cambio de una unidad en el múltiplo precio-ganancia (Goldman Sachs, junio de 2026). Cualquier erosión de la rentabilidad, ya sea por depreciación creciente, costo de la deuda o compresión de márgenes derivada del capex, se traduce de forma directa en ajustes del múltiplo.

La concentración del mercado amplifica ese riesgo de una manera que muchos inversores todavía no han terminado de internalizar. Desde 2022, el top 10 de acciones, mayoritariamente empresas vinculadas a AI, ha representado más del 58% del incremento en capitalización del S&P 500, y ese mismo grupo concentra cerca del 40% del valor total del índice (GWK Invest, octubre de 2025).

El capex del Magnificent 7 pasó del 10% al 30% del capex total del S&P 500 en los últimos seis años. Si las inversiones AI de ese grupo reducido no generan retornos verificables en el horizonte esperado, el impacto sobre los índices amplios sería desproporcionado. Hay además un riesgo menos visible pero potencialmente más amplio: el efecto contagio sobre las empresas de software. El IGV, el iShares Expanded Tech-Software Sector ETF, acumuló una caída del 18% en lo que va de 2026 (CNBC, marzo de 2026), presionado por el temor de que la AI que debería enriquecer sus productos termine erosionando su base de clientes si los hyperscalers integran esas capacidades directamente en sus plataformas cloud (Goldman Sachs, diciembre de 2025).

El paralelo histórico más incómodo lo traza, una vez más, Goldman Sachs: si el capex de los hyperscalers alcanza entre $1,1 y $1,4 trillones para 2027, este ciclo rivaliza en escala con los booms ferroviario y de telecomunicaciones de décadas anteriores. Ambos produjeron ganancias de productividad genuinas a largo plazo. Ambos también destruyeron capital significativo antes de que llegaran esos retornos (Goldman Sachs, citado en Investing.com, junio de 2026).

Quién muestra el dinero y quién todavía promete mostrarlo

Tabla 1. Scorecard de monetización AI — Q1 2026.

Empresa	Capex 2026E	Evidencia de retorno	Reacción del mercado	Señal de fondo
Alphabet (GOOGL)	$185B	Cloud +63% YoY; AI products +800% YoY; backlog $460B	+pos post Q1	Modelo de monetización directa y auditable. El mercado recompensó la especificidad (Q1, 2026).
Meta (META)	$135–145B	Revenue +33%, profit +61%. Sin cifras de ROI AI	–6% pese a resultados	CEO respondió ‘es una pregunta muy técnica’ al ser interrogado sobre retorno AI. Caída post-earnings (Zuckerberg, Q1 2026).
Microsoft (MSFT)	$140–150B	Azure backlog $80B; CFO Hood: GPU→Azure daría crecimiento >40%	–neg post Q1	Dilema de asignación interna. AI como habilitador de largo plazo, no flujo inmediato (Bloomberg, Q1 2026).
Amazon (AMZN)	$200B	AWS +24%; FCF cayó 71% a $11,2B	–neg, volátil	Capex domina. Inversores cuestionan timeline de retorno de Trainium y Graviton (FinancialContent, 2026).
Oracle (ORCL)	$400B data center*	Cloud rev +44% YoY; backlog $29B+; contratos OCI	+9% post Q3 (mar)	Cayó 60% desde sep peak ante riesgo de concentración en OpenAI; recuperación tras mostrar diversificación (CNBC, mar 2026). *10 años.

Fuentes: CNBC, Bloomberg, SEC filings, StrongMocha / Q1 2026 Earnings Analysis, Goldman Sachs Research, Investing.com.

El mapa de decisión para el inversor que llega hoy

El dilema AI-rentabilidad no implica que el ciclo de inversión en infraestructura esté equivocado. Implica que el mercado maduró lo suficiente como para exigirle a ese ciclo que demuestre su lógica económica en tiempos y cifras reales, y esa madurez, incómoda pero necesaria, tiene consecuencias concretas para los portafolios.

La primera es que el mercado ya no paga por el gasto: paga por el retorno verificable. Goldman Sachs identificó que los inversores rotaron hacia las empresas que demuestran un vínculo claro entre el capex y los ingresos (Goldman Sachs, diciembre de 2025). Morgan Stanley confirma que los adoptadores de AI muestran una expansión del margen de flujo de caja aproximadamente el doble del promedio global (Morgan Stanley, 2026). El universo más atractivo incluye el software empresarial con ingresos AI auditables, las plataformas cloud capaces de vincular crecimiento de workloads con crecimiento de ingresos y las empresas en industrias reguladas que documentan el impacto cuantificable de AI en costos o productividad.

Algo similar ocurre, sin que nadie lo haya anunciado formalmente, con la calidad del disclosure: ya opera como factor de valoración. El primer trimestre de 2026 fue el trimestre en que el mercado empezó a pricear el lenguaje que los ejecutivos usaban sobre AI. Las empresas con cifras específicas de ingresos atribuibles fueron recompensadas. Las que respondieron con frases del tipo “tenemos una sensación de la forma en que esto va a funcionar” fueron castigadas, en el mismo trimestre y con tipos de resultados operativos comparables (StrongMocha, 2026). La transparencia cuantitativa dejó de ser una buena práctica para convertirse en un diferenciador de precio.

Esto hace que el horizonte importe tanto como la tesis misma. J.P. Morgan Asset Management lo formula con una honestidad poco habitual: “aunque los avances en la frontera de AI parecen exponenciales, la adopción empresarial ha sido más lineal, irregular y plagada de baches organizacionales, comportamiento humano y economía unitaria” (J.P. Morgan, febrero de 2026). El período 2026-2030 es el horizonte de prueba crítico, el momento en que las inversiones de infraestructura estarán mayormente completas y la presión para monetizarlas será real (GWK Invest, 2025). Entrar hoy en AI infraestructura exige un horizonte de al menos 36 meses y una tolerancia explícita a la volatilidad de múltiplos durante el período de demostración de retornos.

Por último está la distinción que Morgan Stanley convirtió en la diferencia de retorno más importante del año: en los grandes ciclos tecnológicos, el valor en renta variable no se acumula solo en los proveedores de infraestructura, sino, con frecuencia de manera más robusta, en las empresas que aplican la tecnología con mayor efectividad (Morgan Stanley, 2026). Eso sugiere un portafolio en dos capas: exposición a los líderes de infraestructura que demuestran backlog real y base de clientes diversificada, complementada con posiciones en adoptadores empresariales que muestran expansión de márgenes atribuible a AI.

Wall Street no está rechazando la estrategia de AI. Está poniendo precio al espacio entre el costo de construirla y el momento en que las ganancias finalmente aparecen. Ese precio, medido en volatilidad, en ajuste de múltiplos y en dispersión de retornos, es el mapa que el inversor disciplinado necesita leer con claridad antes de posicionarse.

El tablero de señales

Tabla 2. Panel de señales — Dilema AI-Rentabilidad 2026.

Indicador	Nivel 2026	Umbral de alerta	Lectura
Capex / Operating Cash Flow (Big 5)	90% (Barclays, 2026)	Supera 100%	Ya roza el límite. Deuda reemplaza caja como fuente de financiamiento.
AI revenue-to-capex ratio	4% ($25B/$660B)	Necesita >10%	El gap es el riesgo central. A $660B en gasto, el retorno directo es marginal hoy.
S&P 500 ROE (record)	22% en Q1 2026	Erosión 1pp = 1x PE	Goldman: cualquier caída en ROE comprime múltiplos en 21x P/E. Margen de error cero.
Deuda emitida Big Tech 2026	$100B+ (solo Q1)	Igual a todo 2025	Pivot estructural a deuda para financiar capex. Señal de presión en balance (Allianz Trade, mar 2026).
Capex como % del Revenue	34% en 2026E	Pico telco 90s: 15%	2,3x el máximo histórico previo. El paralelo con la burbuja telecom no es hiperbólico.
S&P 500 P/E forward	21x (percentil 87 desde 1980)	Depende de ROE	El índice no tiene margen para defraudar en resultados. Valuaciones exigen ejecución perfecta.

Elaboración VenQuest Group con base en Goldman Sachs, J.P. Morgan, Barclays, Allianz Trade (junio 2026).

---

Referencias

• Allianz Trade. (2026, marzo 25). El ciclo de capex en IA se mantiene blindado, por ahora. Allianz Trade Economic Research. https://www.allianz-trade.com/en_global/news-insights/economic-insights/AI-capex-cycle-war-proof-now.html
• CNBC. (2026, marzo 11). La acción de Oracle sube 9% tras resultados del tercer trimestre que responden a las dudas de Wall Street sobre el gasto en IA. https://www.cnbc.com/2026/03/11/oracle-orcl-stock-q3-earnings-ai-data-center.html
• FinancialContent / MarketMinute. (2026, abril 2). La brecha de monetización de la IA: por qué Wall Street premia resultados y castiga promesas en 2026. https://markets.financialcontent.com/stocks/article/marketminute-2026-4-2
• Goldman Sachs. (2025, diciembre 18). Por qué las empresas de IA podrían invertir más de $500.000 millones en 2026. Goldman Sachs Insights. https://www.goldmansachs.com/insights/articles/why-ai-companies-may-invest-more-than-500-billion-in-2026
• Goldman Sachs. (2026, mayo 1). Rastreando billones: los supuestos que moldean la escala de la expansión de infraestructura de IA. Goldman Sachs Insights. https://www.goldmansachs.com/insights/articles/tracking-trillions-the-assumptions-shaping-scale-of-the-ai-build-out
• Goldman Sachs / Investing.com. (2026, junio). Goldman afirma que el boom de gasto en IA ya es un riesgo para los retornos del S&P 500. https://www.investing.com/analysis/goldman-says-the-ai-spending-boom-is-now-a-risk-to-sp-500-returns-200682129
• GWK Invest. (2025, octubre 7). ¿Cuándo empezarán a rendir las inversiones en IA? https://www.gwkinvest.com/insight/macro/when-will-ai-investments-start-paying-off/
• HeyGoTrade. (2026, abril 30). Riesgo de capex en IA: ¿por qué cayeron las acciones de infraestructura de IA? https://www.heygotrade.com/en/blog/ai-capex-risk-openai-revenue-report/
• Investing.com. (2026, febrero 6). Big Tech gastará $600.000 millones en IA en 2026: 5 acciones que cobran el cheque. https://www.investing.com/analysis/big-tech-will-spend-600b-on-ai-in-2026-5-stocks-cashing-the-checks-200674615
• Investing.com / Reuters. (2026, abril 29). Los resultados de los hyperscalers plantean una prueba clave para el mercado bursátil estadounidense impulsado por la IA. https://www.investing.com/news/stock-market-news/hyperscaler-results-pose-major-test-for-aidriven-us-stock-market-4644097
• Investing.com. (2026, marzo 10). Previa de resultados de Oracle: Wall Street observa el crecimiento de la nube y el gasto en IA. https://www.investing.com/analysis/oracle-earnings-preview-wall-street-eyes-cloud-growth-and-ai-spending-200676384
• J.P. Morgan Asset Management. (2026, febrero 27). Inteligencia artificial: guía de los mercados. https://am.jpmorgan.com/us/en/asset-management/institutional/insights/market-themes/artificial-intelligence/
• Morgan Stanley. (2026). Tendencias del mercado de IA 2026: inversión global, riesgos y expansión de infraestructura. Morgan Stanley Institute for Sustainable Investing. https://www.morganstanley.com/insights/articles/ai-market-trends-institute-2026
• NAI 500. (2026, enero 30). Duelo de resultados: Meta se adelanta a Microsoft en la carrera por monetizar la IA. https://nai500.com/blog/2026/01/earnings-showdown-meta-pulls-ahead-of-microsoft-in-ai-monetization-race/
• StrongMocha / ThorstenMeyerAI. (2026, mayo). La brecha en las earnings calls: lo que el primer trimestre de 2026 reveló sobre el retorno de la IA. https://strongmocha.com/ai-infrastructure-data-centers/the-earnings-call-gap-what-q1-2026-just-told-us-about-ai-roi/
• 247 Wall St. (2026, mayo 6). El repunte de Oracle es real y la tesis de infraestructura de IA a largo plazo se fortalece. https://247wallst.com/investing/2026/05/06/oracle-stocks-breakout-is-real-and-the-long-term-ai-infrastructure-case-is-only-getting-stronger/