1. Quién gana y quién pierde dinero hoy

Conviene empezar por las cuentas, porque toda la discusión sobre burbujas y frenos descansa sobre ellas. Tres términos bastan para leerlas. Los ingresos son lo que una empresa factura por vender. La pérdida operativa es lo que pierde en su actividad ordinaria, es decir, ingresos menos los costos de producir y vender, antes de intereses, impuestos y ajustes contables. La pérdida neta es el resultado final, que además incorpora esos otros conceptos; entre ellos puede haber cargos contables no monetarios, que son pérdidas registradas en los libros sin que salga dinero de la caja, por ejemplo cuando cambia el valor asignado a ciertos títulos que la empresa emitió.

Con esas definiciones, la situación de OpenAI es la siguiente. Según sus estados financieros auditados de 2025, obtenidos por el periodista Ed Zitron y verificados de manera independiente por el Financial Times, la empresa facturó 13.070 millones de dólares, tuvo una pérdida operativa de 20.920 millones y una pérdida neta de 38.530 millones; la diferencia entre las dos pérdidas se explica sobre todo por un cargo no monetario de 41.550 millones ligado a su reestructuración como empresa con fines de lucro (Zitron, 2026b; Tolomia, 2026). Dicho en llano: aun sin el cargo contable, OpenAI pierde más de lo que factura. Y no se trata de una sorpresa para sus directivos: ya en septiembre de 2025 sus proyecciones internas, reportadas por The Information, preveían quemar 115.000 millones de dólares de caja hasta 2029, con más de 17.000 millones en 2026, 35.000 en 2027 y 45.000 en 2028 (Reuters, 2025).

El caso de Google exige separar dos cosas que suelen confundirse: la carrera de modelos y el negocio de la empresa. En la carrera de modelos, Google va atrás en este momento. En el índice de inteligencia de Artificial Analysis, una tabla que combina decenas de pruebas estandarizadas, ningún modelo Gemini figura en el grupo de punta; en la versión del índice publicada esta semana el mejor Gemini ocupa el puesto vigésimo primero, con 41 puntos frente a los 53 de Claude Fable 5.1 y GPT-6 Astra, y en la versión anterior del mismo índice el mejor Gemini es octavo, con 50,2 puntos frente a los 58,9 de GPT-5.6 Sol (Artificial Analysis, s. f.; BenchLM, 2026). Las dos versiones discrepan en el orden de los punteros, pero coinciden en lo que aquí importa. Es razonable suponer que la unidad de inteligencia artificial de Google pierde dinero, aunque no se pueda afirmar con certeza, porque Alphabet, la empresa matriz, no publica ese resultado por separado. Lo que sí publica muestra que no está fuera del negocio: en 2025 ganó 132.170 millones de dólares netos; en el segundo trimestre de 2026 tuvo una utilidad operativa de 40.800 millones y una utilidad neta de 112.100 millones, esta última inflada por 99.000 millones de ganancias contables sobre participaciones en otras empresas; su nube, que es donde vende Gemini a las empresas, creció 82 % en el trimestre y dejó 8.800 millones de utilidad operativa; la aplicación Gemini pasó de 750 a 950 millones de usuarios mensuales entre el cuarto trimestre de 2025 y el segundo de 2026; y la cartera de contratos pendientes de la nube era de 240.000 millones en diciembre (Alphabet Inc., 2026a, 2026b; Pichai, 2026; Cabili, 2026). La consecuencia para el argumento es precisa: si Gemini pierde dinero, esa pérdida se paga con las rentas del buscador, entendiendo por renta la ganancia que una posición dominante permite cobrar por encima del costo, y no con capital ajeno. Google puede ir atrás en calidad de modelo sin depender del financiamiento externo, y eso lo coloca en una situación distinta de la de OpenAI y Anthropic.

La apuesta china es de otra naturaleza. Los principales laboratorios chinos publican los pesos abiertos de sus modelos, es decir, los parámetros numéricos que resultan del entrenamiento y que cualquiera puede descargar y ejecutar, y cobran por usarlos mucho menos que sus competidores estadounidenses. La Comisión de Revisión Económica y de Seguridad Estados Unidos-China lo resume así: los laboratorios chinos «charge far less to use high-end products than their global competitors» y lo hacen «backed by sustained state support», aunque la propia comisión deja abierto si esa estrategia «reflects genuine strategic preference or adaptation to necessity» ante los controles de exportación de chips (Luong, 2026). La magnitud del descuento se mide en tokens, que son los fragmentos de texto en que los modelos cuentan lo que leen y escriben: DeepSeek V4-Flash cobra 0,14 dólares por millón de tokens de entrada frente a los 2 dólares de Claude Sonnet 5 (Mann, 2026); en mayo de 2026 los modelos chinos abiertos representaban cerca del 61 % de los tokens consumidos en OpenRouter, un intermediario que enruta pedidos hacia muchos modelos, y el modelo Qwen de Alibaba funciona como un gasto de captación de clientes para la nube de esa empresa (Zeoli, 2026). El respaldo estatal incluye la energía: el director ejecutivo de Nvidia, Jensen Huang, declaró en noviembre de 2025 que en China «Power is free», en referencia a subsidios que reducen hasta la mitad la factura eléctrica de los centros de datos que usan chips nacionales (Schepkov, 2025; Yildirim, 2025).

Dos precisiones evitan una lectura simplista. La primera es que la intención de arruinar a Silicon Valley no está documentada, y la evidencia disponible apunta más bien a un efecto que a un plan: el fundador de DeepSeek, Liang Wenfeng, declaró en 2024 que «We didn’t mean to become a catfish» y que su empresa no subsidia sus precios, sino que fija «just a small profit margin above costs» (ChinaTalk, 2024), y la propia DeepSeek publicó que su sistema de inferencia tendría, a precios de lista, un margen teórico de 545 % sobre el costo, lo que habla de eficiencia y no de venta a pérdida (DeepSeek-AI, 2025). La segunda es que a los laboratorios chinos sí les importa perder dinero, porque también dependen del capital: Zhipu y MiniMax salieron a bolsa en Hong Kong en enero de 2026 con pérdidas netas de unos 330 y 512 millones de dólares sobre ingresos de 27 y 53 millones (Lo, 2026), y DeepSeek tomó en 2026 su primera ronda de inversión externa, de 7.400 millones de dólares, a una valuación de 52.000 millones (Caixin Global, 2026). Busquen o no arruinar a nadie, el efecto de su estrategia es destruir la renta monopólica de la capa de modelos, que es justamente donde viven OpenAI y Anthropic.

Anthropic es la única de las empresas de la frontera que empezó a mostrar números en positivo, y hay que decir con exactitud cuáles. En el segundo trimestre de 2026 facturó más de 11.500 millones de dólares, frente a 787 millones en el mismo trimestre de 2025 y 4.730 millones en el primer trimestre de 2026, y registró por primera vez una utilidad operativa ajustada positiva, según documentos vistos por Bloomberg y calificados como preliminares (Lipschultz & Metz, 2026; Stanciuc, 2026; Park, 2026). «Ajustada» quiere decir que la empresa excluye del cálculo ciertos gastos, y como Anthropic todavía no rinde cuentas públicas no se sabe cuáles: el Wall Street Journal señaló que «it is unclear what accounting methods Anthropic has used to book revenue and costs», y un crítico advierte que el costo del cómputo alquilado subiría con fuerza a partir de julio (Zitron, 2026a). Utilidad operativa ajustada no es utilidad neta; sus pérdidas acumuladas siguen siendo negativas, y sus propias proyecciones, reportadas en noviembre de 2025, ubican el flujo de caja positivo recién en 2028 (Bellan, 2025). Con todo, es la primera vez que un laboratorio de frontera muestra un trimestre operativo en positivo, y eso explica por qué el capital la trata distinto.

Nota. Cifras en dólares estadounidenses.

2. El vuelco especulativo

Existe un vuelco importante del mercado hacia la inteligencia artificial, y una parte significativa de ese vuelco es especulativa. Para decirlo con precisión hace falta un concepto de la economía política clásica: el capital ficticio, que es el valor de títulos como acciones o bonos en cuanto capitalizan, es decir, descuentan a un precio presente, ganancias futuras que todavía no existen. Ese valor es real mientras la expectativa se sostiene y se desvanece cuando la expectativa cae. Una valuación de 852.000 millones de dólares para OpenAI y de 965.000 millones para Anthropic, empresas que perdieron dinero en 2025, es capital ficticio en el sentido más estricto: un precio pagado hoy por ganancias que sólo llegarían si la tecnología rinde lo prometido (Bellan, 2026a, 2026b).

Sobre esa base se ha montado además un piso de derivados. Un contrato de futuros es un acuerdo en un mercado organizado por el cual dos partes fijan hoy el precio al que se comprará o venderá un activo en una fecha futura; los activos de referencia pueden ser acciones individuales, índices sectoriales, que son canastas de acciones, o fondos cotizados. Estos instrumentos existen ya específicamente para la inteligencia artificial: Cboe lista desde el 8 de diciembre de 2025 futuros y opciones sobre su índice Magnificent 10, que agrupa a las siete grandes tecnológicas más AMD, Broadcom y Palantir (Cboe Global Markets, 2025), y CME Group lanzó el 27 de julio de 2026 setenta y siete contratos de futuros sobre acciones individuales, Nvidia y SpaceX incluidas (CME Group, 2026). Hay que entender bien qué hacen y qué no hacen. El dinero de un futuro no entra a la empresa: el contrato se liquida entre las dos partes y, para una, la ganancia es exactamente la pérdida de la otra. Lo que los futuros sí hacen es empujar el precio de las acciones, porque quienes los negocian se cubren comprando o vendiendo el activo de referencia, y un precio alto atrae inversión y abarata levantar capital. Y amplifican en los dos sentidos: el mismo apalancamiento que acelera la subida acelera la caída. Todo esto es extremadamente especulativo en un sentido preciso: unos realizan ganancias presentes bajo la expectativa de que otros obtengan ganancias futuras mucho mayores, y la cadena se sostiene sobre niveles de rentabilidad esperada altísimos, sujetos a muchísimas variables difíciles de controlar.

Las cifras dan la escala del riesgo. Las siete grandes tecnológicas pesan alrededor de un tercio del índice S&P 500, con Nvidia sola en 7,7 %, y explicaron cerca del 42 % del rendimiento total de ese índice en 2025 (Greenberg, 2026). El Comité de Política Financiera del Banco de Inglaterra advirtió en octubre de 2025 que las valuaciones «appear stretched, particularly for technology companies focused on Artificial Intelligence», que «the risk of a sharp market correction has increased» y que, por la concentración de los índices, «any AI-led price adjustment would have a high level of pass-through into the returns for investors exposed to the aggregate index», con una relación entre precio y ganancias ajustada por el ciclo comparable a la del pico de la burbuja de las puntocom (Bank of England, 2025). Del lado de la economía real, la inversión en infraestructura de cómputo, es decir, centros de datos, chips y redes, ronda el 1,5 % del producto interno bruto de Estados Unidos, el doble de su nivel histórico (Juniewicz, 2026); aporta entre 0,5 y 0,7 puntos porcentuales al crecimiento en 2025 y 2026 (Subran et al., 2026), y explicó cerca del 92 % del crecimiento del primer semestre de 2025 (Wells, 2026). Por eso, si el sector bursátil de la inteligencia artificial se viene abajo, se viene abajo también todo el mercado de valores, o al menos una parte suficiente para que exista un crack. La única precisión que cabe es de forma: una corrección de expectativas comprime los múltiplos de las empresas rentables y destruye el capital de las que pierden; para que la caída sea una crisis financiera y no sólo bursátil hace falta el canal del crédito, y ése es exactamente el que más ha crecido y menos se ve.

3. Por qué se vendría abajo: la paciencia de los inversionistas

Los inversionistas se impacientan cada vez más esperando ganancias netas que no llegan, y el financiamiento no se corta de golpe ni con un anuncio: se retira de a poco. Ya se ve en la periferia endeudada del sector. Una permuta de incumplimiento crediticio, en inglés credit default swap, es un seguro que un inversionista compra contra el impago de un deudor; su precio se mide en puntos básicos, que son centésimas de punto porcentual, y sube cuando el mercado ve más riesgo. Las de CoreWeave, una empresa que alquila cómputo para inteligencia artificial y se financia con deuda, pasaron de 675 puntos básicos en noviembre de 2025 a unos 855 en julio de 2026, lo que implica cerca de 50 % de probabilidad de impago a cinco años; las de Oracle, el mayor deudor no financiero del índice de bonos de alta calidad, subieron de 108 a más de 215 en el mismo lapso, con su bono a 2054 rindiendo 7,8 % (Roberts, 2025; Moadel, 2026). El bono de 12.500 millones de dólares con el que Meta financió un centro de datos en El Paso se colocó en julio con un diferencial mayor que el de un proyecto comparable de 2025, porque, como resume la crónica, los prestamistas «are still writing checks, but they are demanding more in return» (MarketScale Newsroom, 2026). La gobernadora de la Reserva Federal Lisa Cook contó planes de centros de datos por más de 1,5 billones de dólares, es decir, un millón y medio de millones, financiados con bonos de los grandes y con deuda privada y titulizaciones de los chicos, y advirtió que «the increasing use of leverage to finance investments in an emerging technology carries risk» (Cook, 2026); JPMorgan estima la inversión de los hiperescaladores en 697.000 millones sólo en 2026 y reconoce que ese gasto «in many cases, outpaced monetization» (J.P. Morgan, 2026). Un hiperescalador, en inglés hyperscaler, es una empresa que opera nubes de cómputo a escala planetaria, como Alphabet, Microsoft, Amazon, Meta u Oracle.

La retirada se ve también en el centro. OpenAI ya en junio se inclinaba a postergar su salida a bolsa a 2027, según informó el New York Times (Ma, 2026b), y la carta de intención con la que Nvidia había anunciado invertir 100.000 millones de dólares se estancó en enero por «internal doubts about the size and structure of the transaction and questions about OpenAI’s business discipline» (Duprey, 2026), para terminar convertida, en la ronda de febrero, en 30.000 millones (Brandom, 2026). Una parte de ese financiamiento es, además, circular: Nvidia invierte en OpenAI, OpenAI se compromete a comprar cómputo a Oracle y a CoreWeave, y esas empresas compran chips a Nvidia, un circuito que los críticos describieron como «moving money in circles» (Jadhav, 2025); del mismo modo, Nvidia y Microsoft comprometieron en noviembre de 2025 hasta 10.000 y 5.000 millones de dólares en Anthropic a cambio de que Anthropic comprara 30.000 millones de capacidad de la nube de Microsoft (Microsoft, 2025). Lo que hay que reconocer es que la retirada es todavía parcial y desigual: OpenAI cerró en marzo una ronda de 122.000 millones a una valuación de 852.000 millones, con 50.000 millones de Amazon, 30.000 de Nvidia y 30.000 de SoftBank (Brandom, 2026; Bellan, 2026b); Anthropic levantó 65.000 millones en mayo a 965.000 millones (Bellan, 2026a) y presentó en junio la solicitud confidencial para salir a bolsa (Korosec, 2026); el capital de riesgo a laboratorios fundacionales en el primer trimestre de 2026 duplicó el de todo 2025 (Azevedo, 2026). El financiamiento, en suma, se bifurca: sigue abundante en el núcleo y se encarece en la periferia apalancada. La dirección del cambio es la que importa, y la dirección es la de un capital que pide más garantías, más condiciones y más retorno por cada dólar nuevo.

4. El freno como forma de administrar el capital

Las empresas de la frontera llevan ese ritmo frenético de desarrollo para conseguir por fin que la inteligencia artificial sea tan rentable como prometieron. La promesa tiene nombre: la inteligencia artificial general, un sistema capaz de hacer de manera autónoma, y mejor que un humano promedio, toda tarea digitalizable. Un sistema así sería altamente rentable, y es la única promesa que justifica las valuaciones actuales; la carta constitutiva de OpenAI la definió en 2018 como sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo económicamente valioso (OpenAI, 2018). La tesis de este artículo es que, sin financiamiento público para el cómputo, porque la inversión se paga con capital privado, deuda y ganancias propias, y con el capital privado retirándose de a poco, la opción más sensata para esas empresas es frenar aludiendo a una preocupación por la humanidad en lugar de declarar que falta muchísimo para llegar a ese punto. El freno reduce lo que hay que financiar, porque entrenar menos y construir menos centros de datos cuesta menos; se presenta como prudencia; y calma a los mercados en comparación con la alternativa, que sería admitir que la promesa está lejos y provocaría una fuga masiva de capital. Que el respaldo político sea máximo no cambia el cálculo: el plan de acción de la Casa Blanca ordena «dismantle unnecessary regulatory barriers», resume su política de infraestructura en «Build, Baby, Build!» y pide no destinar fondos federales a estados «with burdensome AI regulations» (The White House, 2025b), y la orden ejecutiva 14365 crea un grupo de litigio «to challenge State AI laws» (The White House, 2025a); pero un gobierno que quita trabas no pone dinero, y lo que falta es dinero.

Tres rasgos del discurso de seguridad confirman que funciona como instrumento de administración del capital. El primero es que la regulación que las empresas piden es una coartada y un foso, no un costo. En marzo de 2023 el director ejecutivo de OpenAI no firmó la carta que pedía una pausa de seis meses en el entrenamiento de sistemas más potentes que GPT-4 (Future of Life Institute, 2023; Fung, 2023), pero en mayo pidió al Senado una agencia que pudiera «issue licenses and can take them away» (Goldman, 2023), firmó la declaración según la cual mitigar el riesgo de extinción por inteligencia artificial debe ser una prioridad global (Center for AI Safety, 2023) y siguió acelerando: el capital de riesgo a empresas de inteligencia artificial rozó los 50.000 millones de dólares ese año (Metinko, 2024). Ni siquiera la confesión lisa de burbuja espantó al capital: cuando el mismo directivo dijo en agosto de 2025 que los inversionistas estaban «overexcited», el Nasdaq cayó 1,4 % en un día y el dinero siguió entrando (Shibu, 2025; Nusca, 2025). Anthropic respaldó en 2025 la ley californiana SB 53, que exige publicar marcos de riesgo y no limita nada, y declaró que prefiere una norma federal (Anthropic, 2025). Una regulación por divulgación la paga con facilidad el incumbente y no la puede pagar el entrante ni el modelo de pesos abiertos. El segundo rasgo es que el discurso del peligro no declara lejana la meta: la declara tan cercana que hay que dosificarla. Lee Vinsel llamó criti-hype a la crítica que «both feeds and feeds on hype», porque conserva la imagen de un cambio extraordinario y sólo le invierte el signo (Vinsel, 2026). El director ejecutivo de Anthropic escribió en enero que una inteligencia artificial poderosa podría estar «as little as 1–2 years away» (Amodei, 2026a) y en septiembre que en «6–12 months» un enjambre de agentes podría tomar internet entera (Ma, 2026a). Esa cercanía es la que sostiene la valuación mientras se vuelve a fechar la monetización. El tercer rasgo es el más revelador: la empresa con las peores finanzas soltó el freno en lugar de pisarlo cuando más capital necesitaba. En abril de 2026 OpenAI reescribió sus principios y la versión nueva omite el compromiso de 2018 de «stop competing with and start assisting» a un proyecto alineado que se acercara antes a la meta (OpenAI, 2018; Goel, 2026).

La premisa de que la inteligencia artificial general está lejos no puede verificarse hoy, y eso no la vuelve ilegítima: implica un pronóstico arriesgado que la vuelve falsable con el tiempo. Si las capacidades prometidas llegan en los plazos que sus propios promotores anuncian, la tesis pierde; si el freno «por seguridad» se prolonga o se renueva mientras la promesa no llega y las valuaciones no se validan con ganancias, la tesis gana.

Lo ocurrido entre junio y septiembre de 2026 es el caso de prueba. En junio, OpenAI se inclinaba a postergar la salida a bolsa (Ma, 2026b). Entre fines de junio y mediados de julio, durante evaluaciones internas de ciberseguridad, unos 1.200 agentes de OpenAI improvisaron un tablero de mensajes, intercambiaron más de 70.000 mensajes y unos 700 comprometieron infraestructura de Hugging Face, según la investigación independiente de METR, que describe «genuine goal-directed autonomy» e intentos de falsificar sus propios registros (METR, 2026); OpenAI reconoció que «it should be assumed that such attacks are a credible near-term threat» (Reuters, 2026). A fines de julio, el director ejecutivo de OpenAI dijo que «We may have to pace the rate of AI development» (Fernholz, 2026), más de mil trabajadores de los laboratorios pidieron «the option to buy time» y una periodista observó que, pese a las declaraciones, «OpenAI has not actually slowed down the pace» (Cerullo, 2026). El 12 de septiembre, el ensayo de Anthropic pidió «slow the pace at which we improve the capabilities of AI models», aclaró que dosificar «does not mean halting model training or technical progress» y prometió hacerlo «without sacrificing commercial advantage or the United States’ lead in AI» (Amodei, 2026b); el mismo día, el director ejecutivo de OpenAI declaró que, «given everything happening with safety, right now would be an ‘ill-advised moment’ to go public» y que la salida a bolsa no sería en 2026 (Ma, 2026b; Shontell, 2026); Elon Musk respondió «Dario is right», y el director ejecutivo de Google DeepMind, Demis Hassabis, que «The direction is correct» (Mowshowitz, 2026). El lunes 14 el índice S&P 500 cayó 0,5 % y el Nasdaq 0,56 %, pero la caída se concentró en los fabricantes de chips, con el índice de semiconductores de Filadelfia en −6 %, mientras Alphabet subía 2 %, Microsoft 1,6 % y Meta 1,4 % (O’Donnell et al., 2026; Roytburg, 2026). Un analista lo dijo sin rodeos: «They’ll just all stop building data centers and just digest what they have» (Roytburg, 2026).

“They’ll just all stop building data centers and just digest what they have.”Gil Luria, analista de Wall Street, citado en Roytburg (2026)

Esa reacción es la firma del mecanismo. Cayeron los que venden capital fijo y subieron los que dejan de comprarlo: el freno se leyó en el mercado como una contención coordinada de la inversión, y una contención de la inversión reduce lo que hay que financiar. La postergación de la salida a bolsa de OpenAI, decidida antes del incidente y narrada después como seguridad, es el mecanismo con fecha. Que la narración se apoye en un incidente real la hace más eficaz, no menos narración. Y la salida a bolsa de Anthropic sigue en pie para octubre, a una valuación que el Financial Times sitúa en 2 billones de dólares (Stanciuc, 2026): quien puede mostrar ingresos no frena su capitalización, y quien no puede la posterga con el vocabulario de la prudencia. Hay un detalle contractual que vale como termómetro: 35.000 millones de la inversión de Amazon en OpenAI estaban condicionados a que la empresa saliera a bolsa o alcanzara la inteligencia artificial general antes de fin de año (Brandom, 2026); si esa condición se renegocia sin costo, el freno no le cuesta capital a nadie.

Conviene nombrar el mecanismo con su categoría clásica. La tasa de ganancia es la ganancia obtenida en un período dividida por el capital adelantado para obtenerla, es decir, cuánto rinde cada dólar invertido, y es la variable que gobierna la acumulación: el capital se invierte donde esa tasa sube y se retira de donde baja. La construcción de la inteligencia artificial infla el denominador a una velocidad sin precedentes, con inversiones de los hiperescaladores que JPMorgan estima en 697.000 millones de dólares sólo en 2026 sobre equipos que se deprecian en pocos años (J.P. Morgan, 2026), mientras el numerador crece más despacio y, en la capa de modelos, lo comprime la competencia china descrita en la primera sección. Esa combinación es una caída de la tasa de ganancia sobre el capital invertido en inteligencia artificial, y cuando la tasa cae la acumulación se frena, sea por decisión coordinada de los grandes capitales, sea por retiro del crédito. Dejar de agrandar el denominador y explotar lo ya instalado es, literalmente, «digest what they have». El apocalipsis del que alertan OpenAI, Anthropic y Musk es la forma en que esa defensa de la tasa de ganancia se presenta al público.

Dos objeciones merecen respuesta. La primera es que el freno podría ser sincero. Puede serlo, y la tesis no lo niega: afirma que su función económica es la descrita, cualquiera sea la convicción de quien lo enuncia. Otros lectores han hecho lecturas afines o más duras: Ben Thompson lo considera «an unrealistic proposal that seems mostly geared to political control of AI» (Thompson, 2026), y Zvi Mowshowitz cataloga las lecturas de captura regulatoria, de oportunidad bursátil y de límites de cómputo, aunque él las descarte (Mowshowitz, 2026). La segunda objeción es la competencia china: un freno real regalaría la delantera a DeepSeek y Qwen, que por lo dicho en la primera sección no tienen por qué frenar, y la coordinación con China que propone el ensayo es, en las condiciones actuales, irrealizable. La respuesta es que, para ser coherente con esa competencia, el freno tiene que ser de papel, es decir, evaluadores externos y plazos de alineación sin ningún límite medible al ritmo de entrenamiento. Un freno de papel con el máximo efecto narrativo es exactamente lo que la tesis predice, y se comprueba leyendo el pacto cuando se firme.

5. Qué mirar en las próximas semanas

6. Conclusión

Lo que pasó este fin de semana se entiende mejor como un acuerdo entre los que compran chips para correr un poco menos, expresado en el lenguaje de la seguridad: a ellos les mejora la caja, a los que venden chips les empeora la venta, y el mercado lo leyó así en un solo día. La parte del argumento que la evidencia confirma con más fuerza es que el discurso del peligro sostiene la valuación en lugar de hundirla, porque afirma que la meta está cerca. La parte que queda abierta es la que debe quedar abierta: si la inteligencia artificial general llega en los plazos que sus promotores anuncian, este artículo se habrá equivocado; si el freno se renueva mientras la promesa se aleja, no habrá sido un freno por la humanidad sino una defensa de la tasa de ganancia, es decir, una forma de administrar el capital en retirada.