Una parte considerable de mi trabajo consiste en leer, hacer preguntas y hablar con personas de distintos sectores. Disfruto de ese intercambio. La investigación ofrece una perspectiva; una conversación con alguien que se enfrenta a las realidades prácticas de un negocio ofrece otra. Combinar ambas cosas me ayuda a entender no solo qué está cambiando, sino por qué algunos avances merecen más atención que otros.

Gran parte de lo que extraigo de esas conversaciones permanece en mis notas. Sin embargo, en ocasiones, un conjunto de observaciones parece merecer una conversación más amplia en lugar de quedarse solo conmigo. Las respuestas a mi artículo reciente, «Confirmado: la IA se ha vuelto inflacionaria», me animaron a hacerlo aquí. He estado considerando qué sectores pueden beneficiarse del desarrollo de la IA y de la economía que se está formando a su alrededor. Varios han captado mi atención, por diferentes motivos. Pensé que esos motivos también podrían resultarte interesantes.

Lo que sigue es mi visión de nueve de ellos, considerados en función de su lugar en la economía de la IA y no de sus perspectivas en la economía en general. Comparto esto no como asesoramiento financiero ni como una predicción de los precios de las acciones, sino como una invitación a analizar estos sectores conmigo, considerar el razonamiento y extraer tus propias conclusiones.

IDEA CENTRAL: Las estrellas indican hasta qué punto creo que cada sector puede conservar un valor económico duradero derivado de la IA hasta 2030. No califican las perspectivas generales del sector ni la cantidad de inversión que este pueda atraer. La escala va de una a tres estrellas, y los sectores analizados abarcan todo ese rango. La calificación es solo un resumen; lo importante es el razonamiento que hay detrás.

Ciberseguridad | ★★★

La ciberseguridad es mi convicción más firme porque la oportunidad se extiende mucho más allá de las empresas que desarrollan IA. Como sostuve en «Confirmado: la IA se ha vuelto inflacionaria», los agentes autónomos interactuarán cada vez más con sistemas cuyos propietarios quizá nunca hayan elegido adoptarlos. Algunas de esas interacciones serán legítimas; otras serán maliciosas, como han demostrado repetidamente informes recientes. Por tanto, las grandes empresas, las pequeñas empresas y los particulares tendrán que preparar sistemas a menudo obsoletos, tanto para procesar de forma segura las solicitudes generadas por agentes como para resistir ataques habilitados por la IA. Espero que la demanda de capacidades de seguridad se extienda por todo el panorama empresarial y de consumo, en lugar de quedar confinada a la industria de la IA.

Veo oportunidades no solo para los proveedores de seguridad consolidados, sino también para las empresas que ayudan a sus clientes a gestionar sistemas autónomos de forma segura. A medida que las empresas deleguen más acciones en la IA agéntica, necesitarán permisos, supervisión, controles de identidad y mecanismos de contención más sólidos. Mientras tanto, las organizaciones y los particulares que normalmente se encuentran fuera del ámbito de la IA tendrán que invertir en ciberseguridad a medida que los agentes se vuelvan más sociales: iniciando conversaciones, realizando solicitudes e intentando llevar a cabo transacciones en sistemas que no les pertenecen. El reto consistirá en permitir interacciones legítimas sin abrir la puerta a la manipulación, el fraude o la intrusión.

Desarrollo de hardware | ★★½

El desarrollo de hardware presenta un caso distinto. El mercado sigue fascinado por la innovación en silicio, pero mi convicción aquí se basa en una dinámica más básica: la escasez física y no la novedad tecnológica. Los líderes del hardware, como NVIDIA y AMD, pueden beneficiarse de productos excepcionales, pero la oportunidad más amplia reside en la mecánica de la expansión. Para construir infraestructuras informáticas a una escala histórica se necesitan chips, encapsulado avanzado, memoria, sistemas de refrigeración y equipos eléctricos, pero su suministro no puede crecer a la velocidad del software.

El software puede distribuirse casi al instante. La infraestructura física no. Las plantas de semiconductores, las subestaciones eléctricas y las cadenas de suministro tardan años en ampliarse. Mientras la demanda crezca más rápido que esta capacidad, la oferta limitada sostendrá los precios y mantendrá fuerte el mercado del hardware. No espero que la escasez dure para siempre: la inversión en nueva capacidad acabará reduciendo estas limitaciones.

Medicina | ★★

La medicina ofrece una propuesta de valor diferente. La IA puede acelerar significativamente el descubrimiento científico, mejorar las imágenes y la documentación, y aprovechar mejor la escasa capacidad clínica. Pero el rendimiento técnico por sí solo no basta. Antes de llegar al mercado, debe producir resultados clínicamente validados, obtener la aprobación regulatoria y ganarse la confianza de los profesionales médicos y los pacientes. Por tanto, los obstáculos que ralentizan la adopción también pueden proteger de la competencia a las soluciones validadas.

Banca de inversión | ★★

Lo que me interesa de la banca de inversión no es principalmente su uso de la IA, sino su papel en la financiación del desarrollo de la IA. Los centros de datos, la producción de chips, las redes eléctricas, la nueva capacidad de generación y la consolidación del sector requieren deuda, capital, financiación de proyectos y servicios de asesoramiento. Por tanto, los bancos pueden beneficiarse de la expansión sin poseer la infraestructura subyacente. La calificación de dos estrellas refleja esa oportunidad, pero también su naturaleza cíclica: si el gasto en infraestructuras se ralentiza, la actividad de financiación y asesoramiento lo hará con él.

Energía nuclear | ★½

¿Puede la energía nuclear pasar de los megaproyectos hechos a medida a convertirse en un producto estándar? Esa es la cuestión que me interesa.

Mi interés se centra en los reactores modulares pequeños (SMR, por sus siglas en inglés) y en su potencial para cambiar la economía de la energía nuclear. En lugar de depender exclusivamente de megaproyectos hechos a medida, los desarrolladores podrían fabricar unidades más pequeñas y estandarizadas, y añadir capacidad a medida que crezca la demanda. Los planes de X-Energy para emplazamientos industriales y centros de datos ilustran el modelo: reactores situados junto a grandes instalaciones, con módulos adicionales instalados cuando sea necesario. El atractivo no reside simplemente en construir un reactor más pequeño, sino en convertir la generación nuclear en un producto industrial reproducible.

China ofrece otra prueba para ese modelo. Reuters informó en diciembre de 2025 de que el SMR Linglong One, en Hainan, tenía como objetivo iniciar sus operaciones comerciales en la primera mitad de 2026. Aun así, el caso comercial sigue sin estar demostrado. Los permisos, la financiación, los costes de construcción y los precios de la electricidad determinarán si los SMR pueden competir a gran escala. «Estándar» describe una posible dirección, no un mercado consolidado. La calificación de una estrella y media reconoce el valor de los activos nucleares existentes y el potencial de los SMR, al tiempo que admite que este nuevo modelo comercial aún tiene que demostrar su viabilidad.

Modelos fundacionales | ★½

Los modelos fundacionales seguirán siendo esenciales para la economía de la IA, pero eso no convierte al sector en una opción ampliamente atractiva. Desarrollar modelos de vanguardia requiere una inversión enorme y continua. Al mismo tiempo, los modelos más pequeños, las alternativas abiertas y la posibilidad de cambiar de proveedor ofrecen a los clientes más opciones y limitan el poder de fijación de precios. El riesgo no es simplemente que un modelo se quede atrás, sino que los modelos competidores lleguen a ser lo bastante buenos como para hacerlo intercambiable. Un pequeño número de proveedores aún puede construir negocios excepcionales gracias a la escala, la distribución y unas relaciones profundas con los clientes. Mi cautela se aplica al sector en su conjunto: las capacidades pueden seguir mejorando, mientras que los propios modelos se vuelven más difíciles de diferenciar y monetizar.

Entretenimiento | ★½

En el entretenimiento, unos costes de producción más bajos no generarán automáticamente mayores beneficios. La IA puede hacer que la producción, la localización y los efectos visuales sean más rápidos y baratos, pero también facilita que más creadores entren en el mercado. Por tanto, la oferta de contenidos puede crecer mucho más rápido que la capacidad de la audiencia para consumirlos, aumentando la competencia por la atención. Es probable que esta dinámica favorezca a las empresas que ya controlan propiedad intelectual valiosa, distribución o relaciones de confianza con las audiencias, mientras presiona a los productores no diferenciados. Las franquicias sólidas pueden beneficiarse, pero su ventaja no debe confundirse con una economía atractiva para el sector en su conjunto.

Academia y educación | ★½

La IA podría crear un valor enorme en la educación al ampliar el acceso a la tutoría, mejorar los comentarios, apoyar la investigación y ayudar a las personas con diferentes necesidades de aprendizaje. Mi cautela es comercial, no educativa. Las escuelas y universidades suelen tener presupuestos limitados, procesos de adquisición lentos y requisitos estrictos en materia de gobernanza e integridad de las evaluaciones. Estas limitaciones pueden retrasar la adopción y limitar lo que las instituciones están dispuestas a pagar, incluso cuando la tecnología ofrece beneficios claros. Por tanto, la educación puede generar un valor social sustancial a partir de la IA sin producir rendimientos financieros igualmente sólidos para los proveedores. Esa distinción explica la calificación de una estrella y media.

Banca comercial | ★

La IA tiene usos claros en la banca comercial, desde la detección del fraude y el cumplimiento normativo hasta el servicio al cliente, el procesamiento de documentos y la evaluación crediticia. Mi cautela se refiere a cuánto de ese potencial se traducirá en mayores beneficios. Los ahorros previstos por la automatización suelen parecer convincentes al principio, pero disminuyen cuando los bancos tienen en cuenta la integración con sistemas heredados, la seguridad, la validación y la gestión de excepciones. Entonces, la competencia puede obligar a los bancos a trasladar gran parte de lo que queda a los clientes mediante precios más bajos o un mejor servicio. Por tanto, la IA puede volverse esencial para seguir siendo competitivos sin mejorar sustancialmente los márgenes.

Una invitación a comparar notas

La cuestión central no es si la IA creará valor, sino quién podrá conservarlo. En estos sectores, las posiciones más sólidas están protegidas de distintas maneras: por una capacidad física escasa, la aprobación regulatoria, una distribución de confianza, una propiedad intelectual valiosa o relaciones directas con los clientes. Ninguna es permanente. La nueva oferta, una ejecución fallida, una competencia más fuerte o los cambios en el comportamiento de los clientes pueden erosionar cada ventaja. Lo importante es si esa ventaja seguirá siendo defendible a medida que la IA esté más ampliamente disponible.

Por tanto, estas calificaciones son puntos de partida, no conclusiones que espere que nadie adopte. Te invito a contrastarlas con tu propia investigación y experiencia, especialmente en los sectores que mejor conoces. ¿Dónde se sostiene el razonamiento y dónde falla? Escuchar cómo responden otros a esas preguntas es la razón por la que comparto estas observaciones.

¿Te sería útil una nueva perspectiva sobre tu estrategia de IA?

Ponte en contacto. Tanto si estás aclarando tus prioridades como cuestionando tus supuestos, estaré encantado de conversar.

Referencias seleccionadas y notas metodológicas

Este informe es una síntesis estratégica y no una recomendación sobre valores. Combina investigaciones publicadas con mi evaluación de la capacidad de cada sector para conservar el valor económico derivado de la IA hasta 2030. Las clasificaciones son juicios comparativos basados en el marco descrito en la nota de lectura, mientras que las interpretaciones y puntuaciones sectoriales reflejan mi evaluación personal. Las previsiones son inherentemente inciertas, y las afirmaciones cuantitativas se presentan como estimaciones o escenarios comunicados, no como garantías. Los recursos seleccionados a continuación representan algunas de las principales fuentes utilizadas en la investigación.