La bolsa de valores permite a los inversores compartir las ganancias a largo plazo generadas por empresas bien administradas. También permite a especuladores comprar boletos de lotería en nuevas empresas que pueden tener éxito, pero generalmente no lo tienen.
En 2022, Jay Ritter, profesor de finanzas de la Universidad de Florida, informó sobre cómo les fue a las ofertas públicas iniciales emitidas entre 1975 y 2018 en los tres años siguientes: el 59% tuvo retornos negativos y el 37% cayó un 50% o más. El retorno promedio a tres años fue 17.1 puntos porcentuales por debajo del retorno en la bolsa en general.
Hasta hace poco, este pobre rendimiento no había acabado con la demanda de boletos de lotería de nuevas empresas. El financiamiento de capital de riesgo alcanzó récords en Estados Unidos, Europa y Asia entre 2017 y 2021, con un récord anual establecido en 2021. Muchos fantasearon con que el auge de la economía colaborativa pondría fin a los automóviles privados y a los estacionamientos, eliminaría los bancos físicos y reemplazaría las consultas médicas en persona con visitas en línea.
Pero desde entonces, estos sueños se han desvanecido junto con los precios de las acciones de nuevas empresas que cotizan en bolsa, las valuaciones disminuyendo de nuevas empresas negociadas en privado y un número cada vez menor de ofertas públicas iniciales y SPACS.
El financiamiento global de capital de riesgo en el primer trimestre de 2023 ascendió a mil millones, un 53% menos que los $162 mil millones recaudados un año antes, según Crunchbase. Además, la cifra de 2023 incluye dos grandes compradores: una inversión de $10 mil millones en OpenAI (en gran parte de Microsoft MSFT) y .5 mil millones de la gigante de pagos Stripe.
El interés disminuyente se refleja en la proporción de demanda de capital frente a la oferta de Pitchbook, que alcanzó un máximo de 3.24 para nuevas empresas en etapa tardía en el primer trimestre de 2023. Esto significa que el monto de capital buscado por estas empresas fue 3.24 veces el monto suministrado o, visto de otra forma, las nuevas empresas solo pudieron obtener el 30% del financiamiento que buscaron.
El financiamiento de deuda para nuevas empresas también se está agotando. Según Pitchbook, el volumen de préstamos de capital de riesgo en los Estados Unidos se desplomó a $3.5 mil millones en el primer trimestre de 2023, el nivel más bajo desde 2017. Esta caída probablemente se verá exacerbada por el cierre del Banco del Silicon Valley (Silicon Valley Bank) en marzo y sus consecuencias.
Es probable que estas tres tendencias: menos financiamiento de capital de riesgo, menos ofertas públicas iniciales y menos financiamiento de deuda empeoren antes de mejorar, en parte debido a una realidad que hemos discutido antes: las pérdidas continuas de las llamadas nuevas empresas unicornio.
Alrededor del 90% de las nuevas empresas unicornio de las que se cotiza en bolsa son no rentables y muchas tienen pérdidas acumuladas asombrosas. Hasta principios de 2023, 22 nuevas empresas tenían más de $3 mil millones en pérdidas acumuladas. Uber Technologies UBRE, -3.13%, tenía $33 mil millones; WeWork WE, -0.10%, $16 mil millones; Rivian Automotive RIVN, -4.69%, $14.4 mil millones; Teladoc Health TDOC, -1.26%, $11 mil millones, Lyft LYFT, -0.39%, .3 mil millones.
Otros miembros de este club de unicornios perdedores incluyen: Robinhood Markets HOOD, 3.07%; Coinbase Global COIN, 3.20%; Palantir Technologies PLTR, -4.98%; Peloton Interactive PTON, -1.94%; Wayfair W, -0.28%; Twilio TWLO, -4.66%; Nutanix NTNX, -1.39%; DoorDash DASH, -1.46%; Ginkgo Bioworks Holdings DNA, -2.73%; Snap SNAP, -3.04%; Bloom Energy BE, 4.37%; Qualtrics International XM, -0.06%; Airbnb ABNB, -0.64%, Invitae NVTA, -4.03%; Bright Health Group BHG, 1.15%; ContextLogic WISH, 0.84%, y Faraday Future Intelligent Electric FFIE, -6.57%.
"Estamos al borde de una burbuja de inteligencia artificial que puede rivalizar con las burbujas de las puntocom y las criptomonedas".
¿Cómo podría desarrollarse esto? Pitchbook dice que las pistas de muchos startups en etapas tempranas y medias podrían expirar dentro de seis a nueve meses. Como advierte un inversionista, "si las empresas no pueden recaudar fondos, ¿a dónde van a ir?"
¿Pueden ChatGPT y otros modelos de lenguaje grande (LLMs) salvarlas?
Bill Gates dice que ChatGPT "cambiará nuestro mundo". Un profesor de Wharton proclama que las ganancias de productividad de LLM pueden ser mayores que las ganancias de la energía a vapor. Ben Miller, CEO de Fundrise, predijo que la IA "engendrará el mayor auge de productividad en la historia de Estados Unidos desde la invención de la electricidad".
No es sorprendente que las empresas financieramente limitadas estén buscando una tabla de salvación de la IA y que nuevas empresas estén promoviendo un entusiasmo artificial. Estamos al borde de una burbuja de IA que podría rivalizar con las burbujas de las punto com y criptomonedas. Muchos inversores están desesperados por no quedarse fuera y muchas empresas están dispuestas a aceptar su dinero. ¿Quién necesita detalles? Solo llámalo IA y cuenta el dinero.
Nosotros hemos sido escépticos acerca de la IA y seguimos siéndolo. Los LLM son generadores de texto de caja negra, nada más. Realizan esa tarea simple de manera asombrosa, arrojando con confianza respuestas coherentes y gramaticalmente correctas (aunque a menudo verbosas) a las solicitudes de los usuarios. Debido a que son cajas negras, incluso sus creadores a veces se sorprenden y desconciertan por su producción.
Sin embargo, a pesar de las apariencias superficiales, la realidad es que los LLM no tienen la intención y no tienen, en la práctica, ninguna manera de relacionar las palabras que generan con el mundo real. Los LLM son propensos a decir falsedades y no tienen forma de saber si sus enunciados son verdaderos o falsos.
La falta de fiabilidad de ChatGPT y otros LLMs conlleva un riesgo legal, financiero y reputacional considerable para cualquier empresa que los use para generar textos consecuentes.
Yann LeCun, científico jefe de IA de Meta AI, un entusiasta a menudo ardiente de los LLM, recientemente dio una charla en la Universidad Northeastern donde admitió que "el aprendizaje automático es horrible" en el sentido de que los sistemas de IA actuales son especializados y frágiles, cometen errores "estúpidos" y no razonan ni planifican, a diferencia de animales y humanos que pueden aprender nuevas tareas rápidamente, comprender cómo funciona el mundo y razonar y planificar.
Es posible que la burbuja de la IA siga manteniendo a flote a las nuevas empresas durante un tiempo y, ciertamente, impulsará muchas nuevas empresas, pero la rentabilidad a largo plazo requerirá algo más que la capacidad de generar prosa fácil. Hay muchas tareas definidas de manera estrecha que los sistemas de IA pueden hacer bien, ya sea solos o ayudando a los humanos, pero las afirmaciones de que las ganancias de productividad de la tecnología rivalizarán con la energía a vapor y la electricidad son una inflamación flagrante que rivaliza con la desinformación que la IA domina.
Jeffrey Lee Funk es un consultor independiente de tecnología. Gary Smith, profesor Fletcher Jones de Economía en el Pomona College, es el autor de docenas de artículos de investigación y 16 libros, el más reciente de los cuales es Distrust: Big Data, Data-Torturing, and the Assault on Science (Oxford University Press, 2023).
Más: Si inviertes en acciones de IA, cuidado con estos trucos de ingresos y ganancias.
