La infraestructura energética seleccionada por la IA funciona de manera similar a la de PBF Energy y Profrac. ¿Podrían las apuestas en tecnologías que están sobrepreciadas en abril repetir ese resultado?

La lista de resultados obtenidos por los modelos de IA reveló un ganador claro: la infraestructura relacionada con el petróleo y el gas. Las empresas que destacaron no fueron las grandes compañías integradas, sino aquellas que tenían una mejor situación financiera y una mayor eficiencia en el uso del capital. Los retornos obtenidos fueron significativos.PBF Energy Inc (NYSE: PBF): +41.94% solo en el mes de marzo.Y también Profrac Holding Corp (NASDAQ: ACDC): +36.16% en el mes de marzo, por sí solo. Otros resultados destacables incluyen a HF Sinclair (+28.18%), Marathon Petroleum (+25.91%), y varias otras empresas que lograron ganancias del 20% o más.

Este éxito parece estar relacionado con una ventaja específica y reproducible. Los modelos identificaron estas acciones antes de que comenzara la guerra, señalando que tenían fuertes factores fundamentales que las hacían destacables en el mercado. Estos factores probablemente se debían a la resiliencia de la infraestructura energética y a la eficiencia del uso de capital. El aumento de los precios del petróleo, debido a las tensiones en Oriente Medio, sirvió como motivador macroeconómico. Pero lo que realmente permitió al sistema de IA lograr este éxito fue su capacidad para identificar de antemano las empresas que podrían beneficiarse de esta situación.

La configuración utilizada aquí es táctica, no especulativa. Se trata de un modelo que analiza sistemáticamente las empresas con alto potencial de crecimiento, basándose en una combinación de métricas financieras y proyecciones de crecimiento. Los resultados muestran que este enfoque puede ser eficaz cuando las condiciones macroeconómicas se ajustan favorablemente. Sin embargo, no se puede garantizar que este método vuelva a funcionar en el futuro. El éxito del modelo en marzo se debió a un impacto macroeconómico temporal (escalada geopolítica), que benefició de manera desproporcionada a un subsector específico. La lista siguiente, prevista para abril, indica que la IA ya está orientando su atención hacia sectores como los semiconductores y la tecnología, donde los factores que determinan el rendimiento pueden ser más relacionados con aspectos técnicos o con el sentimiento del mercado. La verdadera prueba será si el modelo puede identificar el próximo factor fundamental antes de que sea demasiado tarde.

Vista previa de la lista de abril: Metodología y riesgos

El marco de trabajo de la IA es claro: busca empresas que cuenten con una fuerte capacidad y eficiencia en términos de capital. No se centra en las empresas líderes en sus respectivos sectores. Esa fue su ventaja en marzo, cuando identificó empresas relacionadas con la infraestructura, como PBF Energy y Profrac Holding, antes del aumento en los precios del petróleo causado por la guerra. La metodología utilizada consiste en analizar más de 150 modelos financieros de calidad institucional, con el objetivo de identificar aquellas empresas con el mayor potencial de crecimiento. Se trata de un enfoque disciplinado y basado en datos, cuyo objetivo es crear un portafolio de empresas ganadoras, según criterios objetivos, y no basado en rumores o expectativas excesivas.

Pero esta fortaleza también es su principal vulnerabilidad. Los modelos dependen en gran medida de datos históricos y del reconocimiento de patrones para identificar estos factores clave que influyen en el mercado. Esto crea una laguna en la capacidad de detectar cambios repentinos en las condiciones del mercado, los cuales pueden perturbar los patrones establecidos. Un ejemplo importante es la posible expiración de las tarifas establecidas en la Sección 122 alrededor de mediados de julio de 2026. Esto podría reducir significativamente los costos de los dispositivos de inteligencia artificial. Si los modelos de inteligencia artificial se centran únicamente en aspectos financieros y en la eficiencia de capital, podrían pasar por alto los cambios fundamentales que este cambio en las tarifas podría causar en los proveedores de semiconductores y hardware. El sistema está diseñado para detectar cambios graduales en el mercado, no shocks políticos repentinos.

El riesgo es que la estrategia táctica y centrada en los aspectos técnicos de la IA pueda convertirse en un obstáculo cuando los sentimientos del mercado cambien de forma repentina. Como se vio en febrero, incluso un informe positivo sobre las resultados financieros de una empresa líder como Nvidia no logró evitar una caída en el precio de las acciones, ya que el mercado exigía pruebas de que la empresa podía generar ganancias reales. La dependencia de la IA hacia patrones históricos podría dificultar su capacidad para adaptarse a cambios rápidos en la psicología de los inversores o en los eventos geopolíticos. Su capacidad para identificar ganadores antes de que ocurran, podría convertirse en un problema cuando hay nuevos temas que requieren una reacción rápida por parte de la IA.

En resumen, se trata de un equilibrio entre consistencia y agilidad. El método utilizado por la IA proporciona una filtración rigurosa para determinar la calidad de los datos, lo cual probablemente ha contribuido a su buen rendimiento. Pero en un mercado volátil y dominado por eventos imprevistos, esa misma rigurosidad puede hacer que la IA pasen por alto los próximos factores clave del mercado, hasta que ya estén incorporados en los precios de las acciones. En la previsión de la lista de abril, los modelos se están orientando hacia sectores considerados “sobrevendidos”, como los semiconductores y el sector tecnológico. En estos casos, los factores que afectan al mercado pueden ser más técnicos. La verdadera prueba será si la IA puede adaptar su sistema de reconocimiento de patrones para detectar estas nuevas movilidades del mercado, antes de que se vuelvan evidentes.

Catalizadores y qué hay que observar

La tesis sobre la selección de acciones por parte de la IA se basa en unos pocos eventos a corto plazo que determinarán si la idea de la monetización realmente está cobrando fuerza. El punto de prueba más importante es las propias previsiones de Nvidia. La empresa ha establecido un objetivo claro:Los pedidos acumulados de las GPU de Blackwell y Vera Rubin deberían alcanzar los 1 billón de dólares para finales de 2027.Se trata de una validación a lo largo de varios años de la demanda. Los inversores deben estar atentos a las actualizaciones trimestrales que indiquen avances hacia este objetivo. Cualquier desviación en dichas cifras podría indicar un cambio fundamental en el ciclo de desarrollo del hardware relacionado con la inteligencia artificial.

Además de las empresas fabricantes de chips, la lista de acciones relacionadas con la IA también destacó a empresas relacionadas con la infraestructura.TTM Technologies (TTMI)Fastly (FSLY) también es un indicador importante para determinar si el desarrollo de la infraestructura tecnológica está generando ingresos para los proveedores. La previsión de TTM de un aumento del 66% en las ventas de centros de datos en el próximo trimestre es un indicador clave a corto plazo. De manera similar, el desempeño de Fastly como proveedor de servicios de entrega de contenidos y ciberseguridad para cargas de trabajo relacionadas con la IA será otro indicador importante para evaluar si los gastos en infraestructura están dando resultados positivos. Estas son las acciones que deberían moverse si la tesis sobre las inversiones en IA se confirma en toda la cadena de suministro.

El contexto general es uno de crecimiento explosivo y a lo largo de varios años. Se proyecta que el mercado de la inteligencia artificial aumentará de casi 350 mil millones de dólares en 2026 a 1,7 billones de dólares para el año 2031. Esto no es una moda de corto plazo; se trata de un cambio estructural. Los factores que impulsan este crecimiento son, precisamente, aquellos que permiten identificar las empresas adecuadas para beneficiarse de esta oportunidad. En el corto plazo, lo importante es ver si las empresas logran cumplir con los objetivos establecidos, como el pedido de 1 billón de dólares de Nvidia, y si sus ventas trimestrales superan las expectativas. Si esto ocurre, entonces la teoría se vuelve válida. Pero si no se logra, podría indicar que el ciclo de inversión en inteligencia artificial está enfriándose más rápido de lo esperado.