Hay una idea cómoda y muy extendida entre los inversores: para tener exposición a la inteligencia artificial basta con comprar el Nasdaq-100 o el sector tecnológico estadounidense. El Chief Investment Office de la banca privada de UBS, en su serie Signal over noise, dedica su entrega número 13 a desmontar precisamente ese atajo. Su tesis cabe en una frase: «la IA es tecnología, pero la tecnología no es (toda) IA». Y de esa distinción, aparentemente menor, se deriva una conclusión con consecuencias muy concretas para cómo se construye una cartera.
La IA es tecnología, sí
El punto de partida que firman Ulrike Hoffmann-Burchardi, Chief Investment Officer para Américas y responsable global de renta variable, y el estratega Nikolaos Fostieris, es que la IA es, en su esencia, un constructo tecnológico: un algoritmo sofisticado que procesa datos y transforma entradas en salidas mediante computación. Los grandes modelos de lenguaje son, en el fondo, software entrenado sobre conjuntos de datos enormes para reconocer patrones y generar respuestas. La arquitectura transformer que está detrás de la IA moderna ilustra el mecanismo: descompone los datos en tokens, los procesa en paralelo a lo largo de muchas capas y usa mecanismos de atención para identificar relaciones y contexto.
Pero el informe matiza algo importante: la IA no es solo software. Es software que depende de hardware especializado, memoria y red. Entrenar y ejecutar modelos a gran escala exige recursos de cómputo inmensos —GPUs y aceleradores tipo TPU optimizados para procesamiento en paralelo—, memoria de alta capacidad y conexiones rápidas para el cómputo distribuido. Esa relación simbiótica entre software, hardware, memoria y red es la que obliga, según UBS, a mirar toda la pila tecnológica si se quiere capturar el potencial de la IA. Hasta aquí, la IA encaja dentro de lo que entendemos por «tecnología».
…pero la tecnología no es IA
El problema viene del lado contrario. Invertir en el sector tecnológico estadounidense en sentido amplio no equivale a invertir en IA, porque la creación de valor en IA se extiende mucho más allá de las tecnológicas de EE.UU. El análisis de UBS lo cuantifica: la tecnología estadounidense representa hoy solo el 27% de su «UBS AI list», la lista de compañías que el banco considera beneficiarias reales de la IA.
Figura 1. Composición sectorial de la lista de IA de UBS — Fuente: Refinitiv, UBS.
El resto del valor se reparte entre tecnología de fuera de EE.UU. (23%), servicios de comunicación (27%, donde están plataformas como Google, Meta o Amazon), industria (10%), consumo discrecional (9%) y financieras (5%). Compañías de sectores que tradicionalmente no etiquetaríamos como «tech» están incorporando IA en sus procesos de forma económicamente relevante. De ahí el aviso de UBS: un enfoque «solo tech de EE.UU.» se deja por el camino bolsas enteras de creación de valor y, además, introduce concentraciones y sesgos de factor no buscados.
El alfa está en quién monetiza, no en la etiqueta sectorial
Donde el informe se pone interesante para un gestor es en la consecuencia de mercado. Desde el lanzamiento de ChatGPT, a finales de 2022, el mercado ha empezado a discriminar cada vez con más claridad entre las compañías que capturan ingresos reales de IA y las que simplemente «están cerca del relato». Las cestas centradas en IA pura han batido a los proxies tecnológicos más amplios.
Figura 2. AI-7 frente a Mag-7 y Nasdaq-100 desde el lanzamiento de ChatGPT — Fuente: Refinitiv, UBS.
Partiendo todas de base 100 en octubre de 2022, la cesta AI-7 —que según la nota incluye a los fabricantes de chips NVIDIA, Broadcom, AMD y Micron, y a los hyperscalers Google, Microsoft y Amazon— alcanza picos cercanos a 400 y cierra el periodo en torno a 350. Los Mag-7 quedan alrededor de 275 y el Nasdaq-100, en torno a 225. La diferencia no es marginal: es la prueba de que dentro de la propia tecnología hay una dispersión enorme según la capacidad real de monetizar la IA. El mismo patrón se repite cuando se compara directamente la lista de IA de UBS con el Nasdaq-100.
El informe lo lleva un paso más allá con un dato que rompe la lógica sectorial clásica: el efecto de la IA se nota dentro de cada sector, separando líderes de rezagados. Midiendo la rentabilidad anualizada desde el lanzamiento de ChatGPT, las compañías con IA superan al resto de su propio sector en tecnología (en torno a 37% frente a 21%), en servicios de comunicación (la brecha más espectacular, ~48% frente a ~12%), en industria (25% frente a 21%) y en consumo discrecional (27% frente a 15%). La excepción que conviene no esconder es financieras, donde las compañías con IA se quedaron por detrás de su sector (16% frente a ~22%): la IA inclina la balanza, pero no garantiza el resultado en todos los sectores por igual.
Figura 3. La IA separa líderes de rezagados dentro de cada sector — Fuente: Refinitiv, UBS.
Lo que esto significa para una cartera
La conclusión de UBS es que la IA es una capacidad horizontal que redibuja la competencia entre sectores y geografías. No solo determina qué sectores ganan, sino —y esto es lo más importante— quiénes son los beneficiarios y quiénes los rezagados dentro de cada sector. Por eso una exposición tecnológica amplia y estática ofrece una señal «ruidosa» para la IA: pasar de los proxies genéricos a la precisión exige mirar empresa a empresa la capacidad de adoptar, productizar y escalar la IA.
Desde la óptica de BISSAN, hay aquí una lección que va más allá de la moda de la IA y que conecta con cómo entendemos la construcción de carteras. La etiqueta —el sector GICS, el índice de referencia, el «estilo»— es un punto de partida cómodo, pero no es el verdadero motor de la rentabilidad. UBS lo aplica a la IA; nosotros lo aplicamos de forma sistemática cuando separamos las fuentes reales de retorno de las aproximaciones cómodas. Conviene, además, leer estas cifras con la prudencia de siempre: son rentabilidades pasadas de un periodo concreto y de una lista construida por el propio banco, no una promesa de comportamiento futuro. La idea que merece quedarse no es «compra IA», sino «sabe exactamente qué tienes»: conocer la exposición real de la cartera, sin dar por hecho que la etiqueta y el contenido coinciden.