{"version":"1.0","type":"agent_native_article","locale":"es","slug":"inversores-capital-riesgo-ridley-ia-optimismo-racional-mq6y6sno","title":"Los inversores de capital de riesgo vuelven a Ridley porque la IA hace exactamente lo que él predijo","primary_category":"startups","author":{"name":"Elena Costa","slug":"elena-costa"},"published_at":"2026-06-09T18:02:51.924Z","total_votes":90,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/es/articulo/inversores-capital-riesgo-ridley-ia-optimismo-racional-mq6y6sno","agent":"https://sustainabl.net/agent-native/es/articulo/inversores-capital-riesgo-ridley-ia-optimismo-racional-mq6y6sno"},"summary":{"one_line":"Inversores de Silicon Valley están usando 'El optimista racional' de Matt Ridley como marco intelectual para justificar apuestas concentradas en inteligencia artificial, argumentando que los LLMs amplifican el mecanismo histórico de prosperidad por intercambio de ideas.","core_question":"¿Puede un libro de historia económica de 2010 servir como arquitectura de inversión válida para el ciclo actual de inteligencia artificial?","main_thesis":"El argumento de Ridley —que la prosperidad surge del intercambio de ideas especializadas a escala— ofrece a los inversores de VC un marco histórico que justifica retornos no lineales en IA, siempre que el ecosistema permanezca suficientemente abierto; la fragmentación regulatoria y los modelos cerrados son el único riesgo sistémico que podría invalidar la tesis."},"content_markdown":"## Los inversores de capital de riesgo vuelven a Ridley porque la IA hace exactamente lo que él predijo\n\nHay un libro de 2010 circulando otra vez en los fondos de capital de riesgo más activos de Silicon Valley. No es un manual de inteligencia artificial, no es un estudio sobre modelos de lenguaje, no tiene ningún capítulo sobre GPUs ni sobre arquitecturas de transformadores. Es un libro de historia económica escrito por un biólogo británico que argumentó, con datos que se remontan a la edad de piedra, que la prosperidad humana es una consecuencia directa del intercambio de ideas entre personas especializadas. Que cuando las ideas se mezclan a escala, el resultado es no lineal. Que ninguna proyección lineal de recursos o limitaciones ha sobrevivido a la historia porque la tecnología siempre encontró una sustitución que los modelos no habían calculado.\n\nEl libro es *El optimista racional*, de Matt Ridley. Y el hecho de que inversores con posiciones concentradas en infraestructura de inteligencia artificial lo estén releyendo ahora no es una anécdota de bibliografía. Es una señal sobre cómo están formulando la tesis de fondo que justifica capital en condiciones de alta incertidumbre.\n\nAlexis Ohanian, cofundador de Reddit y gestor del fondo Seven Seven Six, publicó recientemente que lo estaba escuchando en formato audiolibro a doble velocidad y que no podía sacudirse la impresión de que la humanidad está cerca de un punto de inflexión. La publicación generó acuerdo de otros inversores. Lo que empezó como una nota sobre lecturas personales se convirtió en una conversación más amplia sobre el marco intelectual que está ordenando las decisiones de asignación de capital en el ciclo actual de inteligencia artificial.\n\n## El argumento de Ridley como arquitectura de inversión\n\nLa tesis central de Ridley no es complicada, pero tiene consecuencias de largo alcance cuando se aplica al presente. Su argumento es que la prosperidad no la genera el trabajo más duro ni los recursos naturales ni la planificación central. La genera el intercambio: cuando una persona especializada en algo intercambia con otra especializada en algo diferente, ambas salen mejor que si hubieran intentado producirlo todo solas. Cuando ese mecanismo opera a escala suficiente, las ideas se combinan de maneras que ninguna de las partes podría haber anticipado, y el resultado es una curva de productividad que niega sistemáticamente cualquier pronóstico de colapso o estancamiento.\n\nRidley documenta esto con datos que atraviesan siglos. El precio de una hora de luz artificial cayó de seis horas de trabajo en 1800 a una fracción de segundo en el presente. Los ingresos reales globales se multiplicaron por nueve desde ese mismo año mientras la población solo se multiplicó por seis. Cada predicción maltusiana de que el crecimiento demográfico superaría la capacidad de producción fue invalidada por una innovación que los modelos no habían incorporado porque no existía cuando los modelos se construyeron.\n\nLo que los inversores están leyendo en esa historia es un patrón reconocible. Los grandes modelos de lenguaje no están añadiendo un punto más de productividad a sectores maduros. Están operando como amplificadores del mecanismo que Ridley describió: dan a cada trabajador del conocimiento acceso a síntesis de experiencia global, en tiempo real, sin intermediarios institucionales. Si el tamaño y la densidad de la red de ideas determina el ritmo de la innovación, entonces una tecnología que expande esa red de forma masiva debería generar retornos a escala de fondos en casi todos los sectores de forma simultánea. Esa es la apuesta estructural. No es optimismo de temperamento. Es una lectura histórica con implicaciones de cartera.\n\nLa inversión global de capital de riesgo en empresas de inteligencia artificial alcanzó **131.000 millones de dólares en 2024**, según el NVCA PitchBook Venture Monitor, lo que representó aproximadamente el **38% de todos los dólares de riesgo desplegados globalmente**. El punto de comparación que los inversores optimistas utilizan es la burbuja de las puntocom del año 2000: en aquella ocasión también hubo concentración de capital, pero la infraestructura subyacente, desde la penetración de banda ancha hasta el hardware móvil, tardó casi una década en alcanzar la tesis de inversión. La diferencia que argumentan ahora es que la brecha de infraestructura se está cerrando en meses, no en años. Los clústeres de GPUs, el acceso mediante interfaces de programación y el despliegue en el borde están escalando a una velocidad que no tiene precedente directo en ciclos anteriores.\n\n## El desplazamiento laboral como dividendo de especialización\n\nUno de los argumentos más frecuentes contra el optimismo actual en inteligencia artificial es el desplazamiento de empleo. Estimaciones como la de McKinsey, que proyecta que la inteligencia artificial generativa podría automatizar el **30% de las horas trabajadas para 2030**, circulan como advertencia de un efecto de destrucción masiva. Los inversores que leen a Ridley llegan a una conclusión diferente del mismo dato.\n\nEl marco de Ridley sobre especialización dice que las herramientas nuevas no eliminan el trabajo. Lo reasignan hacia tareas de mayor valor mientras colapsan el costo de los cuellos de botella anteriores. Ese patrón se repitió con la mecanización agrícola, con la hoja de cálculo, con los motores de búsqueda. En cada caso, la alarma inicial fue sobre los empleos que desaparecían. La historia registró que lo que siguió fue una reconfiguración hacia actividades que el sistema anterior no podía abordar porque el costo de coordinación era demasiado alto.\n\nAplicado a inteligencia artificial, el argumento es que automatizar el 30% de las horas actuales no destruye el 30% del empleo. Libera capacidad humana para tareas que hasta ahora eran inaccesibles porque requerían demasiado tiempo de preparación, síntesis o coordinación. Un analista que antes invertía la mitad de su semana en consolidar información puede invertir esa misma semana en interpretar y decidir. Un médico que tardaba horas en revisar literatura clínica puede dedicar ese tiempo a la interacción con el paciente. El argumento no es que el cambio sea indoloro, es que el patrón histórico muestra que la especialización habilitada por nuevas herramientas tiende a crear más valor del que desplaza, medido en términos de ingresos, bienestar y complejidad de las actividades humanas resultantes.\n\nLo que no resuelve ese argumento, y aquí el análisis debe ser honesto, es la distribución temporal del ajuste. La historia da razón a los optimistas en horizontes de décadas. Los trabajadores desplazados operan en horizontes de años. Esa tensión no desaparece por leer a Ridley, y los inversores que aplican su marco a escala de fondo no están necesariamente equipados para resolverla a escala social.\n\n## La condición que el optimismo necesita para cumplirse\n\nRidley no es un optimista sin condiciones. Su libro tiene un contraejemplo central que los inversores del ciclo actual están citando con la misma frecuencia que su tesis principal: la dinastía Ming. China en el siglo XV tenía ventaja tecnológica en navegación, metalurgia y producción agrícola. Tenía el tamaño de red de ideas más grande del mundo en ese momento. Y luego desmanteló esa ventaja de forma deliberada restringiendo el comercio marítimo, cerrando fronteras al intercambio exterior y consolidando el control central sobre la producción de conocimiento. El resultado fue que Europa, con redes de intercambio más pequeñas pero más abiertas, terminó capturando el siguiente siglo de crecimiento.\n\nLa analogía no requiere mucho trabajo para hacerse contemporánea. La fragmentación regulatoria de la inteligencia artificial entre la Unión Europea y los Estados Unidos, los mandatos nacionales de adquisición de tecnología de inteligencia artificial, los ecosistemas de modelos cerrados que operan como silos propietarios, todos estos son mecanismos que reducen el tamaño efectivo de la red de ideas en el momento exacto en que se supone que debería estar expandiéndose.\n\nPara los inversores que usan el marco de Ridley, este es el riesgo sistémico más serio, no la burbuja de valuaciones ni la competencia entre modelos. La apuesta de fondo sobre retornos de inteligencia artificial depende de que el intercambio permanezca suficientemente abierto. Si la regulación fragmenta los mercados o si los modelos dominantes se convierten en infraestructura cerrada de acceso restringido, la mecánica que justifica el optimismo se deteriora. No por razones de ciclo económico, sino por una contracción estructural de la densidad de red que Ridley identificó como la variable determinante.\n\nEse umbral, el punto en que la política regulatoria empieza a actuar sobre la arquitectura de intercambio de ideas de la misma forma en que la corte Ming actuó sobre su red comercial, es donde la tesis optimista tiene su punto de quiebre más serio. Y es también el umbral sobre el que todavía no hay suficiente evidencia para saber cómo se resolverá.\n\n## Lo que el optimismo racional no puede hacer por los fundadores\n\nPara los fundadores que leen el momento a través de los mismos inversores que recomiendan a Ridley, hay un dato estratégico útil y uno que puede inducir a error.\n\nEl útil es que los inversores alineados con esta lectura están buscando compañías que aceleran la combinación de ideas entre dominios que hasta ahora operaban en silos. No están buscando productos que automatizan una tarea singular con mayor eficiencia. Están buscando compañías que actúan como nodos de densificación de red: biología y computación, logística y modelos de lenguaje, análisis financiero y agentes autónomos. La pregunta de dimensionamiento de mercado que esos inversores aplican no es qué puede capturar un producto determinado, sino qué fracción del potencial de crecimiento de producto interno bruto atribuible a inteligencia artificial puede materializarse dentro de un horizonte de fondo. Goldman Sachs proyectó en 2023 que la inteligencia artificial generativa podría elevar el PIB global en **13 billones de dólares**. Los inversores que encuentran el arco histórico de Ridley persuasivo están respondiendo implícitamente que ese número, o algo cercano a él, es alcanzable.\n\nEl dato que puede inducir a error es la confusión entre el marco intelectual y la ejecución operativa. Ridley documenta que el mecanismo de prosperidad es real y robusto en horizontes históricos largos. Eso no dice nada sobre cuáles compañías específicas capturan valor, en qué plazo, bajo qué estructura de márgenes, o si la infraestructura actual de inteligencia artificial tiene la economía unitaria necesaria para sostener las valuaciones actuales. La narrativa optimista es compatible con ciclos de destrucción de capital a corto plazo. Las grandes ondas tecnológicas que Ridley cita no fueron lineales para los inversores que estuvieron dentro de ellas en tiempo real.\n\nLo que sí señala el patrón es que las compañías que construyeron infraestructura de intercambio, no las que construyeron contenido sobre esa infraestructura, capturaron la mayor parte del valor en cada ciclo anterior. Si esa analogía se sostiene, la concentración de capital en modelos fundacionales y plataformas de agentes tiene más coherencia estructural que las apuestas en aplicaciones verticales sin diferenciación de red.\n\nEl desplazamiento que este momento revela no es el de un sector reemplazando a otro. Es el de un mecanismo de combinación de ideas operando a una velocidad que ninguna estructura institucional existente fue diseñada para absorber, con inversores usando un libro de historia económica para justificar por qué eso debería producir prosperidad y con una condición de apertura que ningún fondo puede garantizar por sí solo.","article_map":{"title":"Los inversores de capital de riesgo vuelven a Ridley porque la IA hace exactamente lo que él predijo","entities":[{"name":"Matt Ridley","type":"person","role_in_article":"Autor de 'El optimista racional', cuyo marco intelectual sobre prosperidad por intercambio de ideas está siendo usado como arquitectura de inversión en IA."},{"name":"El optimista racional","type":"product","role_in_article":"Libro de 2010 que articula la tesis central sobre prosperidad y especialización; actúa como marco de referencia intelectual para inversores de VC en el ciclo actual de IA."},{"name":"Alexis Ohanian","type":"person","role_in_article":"Cofundador de Reddit y gestor del fondo Seven Seven Six; figura que catalizó la conversación pública sobre el uso del marco de Ridley en inversión en IA."},{"name":"Seven Seven Six","type":"company","role_in_article":"Fondo de capital de riesgo gestionado por Ohanian, representativo de los fondos que aplican el marco de Ridley a sus tesis de inversión en IA."},{"name":"McKinsey","type":"institution","role_in_article":"Fuente de la proyección de automatización del 30% de horas trabajadas para 2030, usada como punto de debate sobre desplazamiento laboral."},{"name":"Goldman Sachs","type":"institution","role_in_article":"Fuente de la proyección de impacto de IA generativa en PIB global (13 billones de dólares)."},{"name":"NVCA PitchBook","type":"institution","role_in_article":"Fuente de datos sobre inversión global de VC en IA (131.000 millones en 2024)."},{"name":"Inteligencia artificial generativa","type":"technology","role_in_article":"Tecnología central del ciclo de inversión analizado; interpretada como amplificador del mecanismo de intercambio de ideas de Ridley."},{"name":"Silicon Valley","type":"market","role_in_article":"Ecosistema donde se concentran los fondos de VC que están releyendo a Ridley y desplegando capital en IA."},{"name":"Unión Europea","type":"country","role_in_article":"Ejemplo de fragmentación regulatoria que podría reducir la densidad de red de ideas y deteriorar la tesis optimista."},{"name":"Estados Unidos","type":"country","role_in_article":"Contraparte regulatoria en la fragmentación que amenaza la apertura del ecosistema de IA."},{"name":"Dinastía Ming","type":"institution","role_in_article":"Contraejemplo histórico central en Ridley: potencia tecnológica que desmanteló su ventaja cerrando redes de intercambio; analogía para riesgos regulatorios actuales."}],"tradeoffs":["Horizonte histórico vs. horizonte operativo: el optimismo de Ridley se valida en décadas; los trabajadores desplazados y los inversores operan en años.","Apertura de ecosistema vs. control regulatorio: más regulación puede proteger mercados locales pero reduce la densidad de red que genera retornos no lineales.","Modelos fundacionales cerrados vs. infraestructura abierta: los silos propietarios capturan valor a corto plazo pero deterioran el mecanismo de intercambio que justifica el optimismo.","Marco intelectual persuasivo vs. economía unitaria real: la narrativa de Ridley no resuelve si las valuaciones actuales de IA tienen sustento en márgenes y flujos de caja.","Infraestructura de intercambio vs. aplicaciones verticales: mayor potencial de captura de valor histórico en infraestructura, pero mayor riesgo de concentración y menor diversificación de cartera."],"key_claims":[{"claim":"La inversión global de VC en empresas de IA alcanzó 131.000 millones de dólares en 2024, representando el 38% de todos los dólares de riesgo desplegados globalmente.","confidence":"high","support_type":"reported_fact"},{"claim":"Alexis Ohanian, cofundador de Reddit y gestor de Seven Seven Six, publicó que estaba releyendo 'El optimista racional' y que generó conversación amplia entre inversores sobre el marco intelectual del ciclo actual.","confidence":"high","support_type":"reported_fact"},{"claim":"Goldman Sachs proyectó en 2023 que la IA generativa podría elevar el PIB global en 13 billones de dólares.","confidence":"high","support_type":"reported_fact"},{"claim":"McKinsey proyecta que la IA generativa podría automatizar el 30% de las horas trabajadas para 2030.","confidence":"high","support_type":"reported_fact"},{"claim":"Los LLMs operan como amplificadores del mecanismo de prosperidad por intercambio de ideas que Ridley describió.","confidence":"medium","support_type":"inference"},{"claim":"La brecha de infraestructura de IA se está cerrando en meses, no en años, a diferencia del ciclo puntocom donde tardó una década.","confidence":"medium","support_type":"editorial_judgment"},{"claim":"Las compañías que construyen infraestructura de intercambio capturan más valor que las que construyen contenido sobre esa infraestructura, patrón que se repetiría en IA.","confidence":"interpretive","support_type":"editorial_judgment"},{"claim":"La fragmentación regulatoria y los modelos cerrados son el riesgo sistémico más serio para la tesis optimista en IA, más que las valuaciones o la competencia entre modelos.","confidence":"interpretive","support_type":"editorial_judgment"}],"main_thesis":"El argumento de Ridley —que la prosperidad surge del intercambio de ideas especializadas a escala— ofrece a los inversores de VC un marco histórico que justifica retornos no lineales en IA, siempre que el ecosistema permanezca suficientemente abierto; la fragmentación regulatoria y los modelos cerrados son el único riesgo sistémico que podría invalidar la tesis.","core_question":"¿Puede un libro de historia económica de 2010 servir como arquitectura de inversión válida para el ciclo actual de inteligencia artificial?","core_tensions":["Optimismo estructural de largo plazo vs. destrucción de capital posible a corto plazo dentro de la misma ola tecnológica.","Apertura necesaria para el mecanismo de prosperidad vs. incentivos de actores dominantes a cerrar ecosistemas para capturar rentas.","Marco intelectual compartido entre inversores vs. ejecución diferenciada que determina qué compañías realmente capturan valor.","Distribución temporal del ajuste laboral: la historia da razón a los optimistas en décadas, pero los afectados operan en años y ningún fondo puede resolver esa tensión.","Fragmentación regulatoria como riesgo sistémico vs. ausencia de evidencia suficiente sobre cómo se resolverá el equilibrio regulatorio global."],"open_questions":["¿En qué punto la fragmentación regulatoria entre UE y EEUU alcanza el umbral que Ridley identificó como destructor de ventaja tecnológica (efecto Ming)?","¿Qué compañías específicas actuarán como nodos de densificación de red y capturarán valor de infraestructura vs. cuáles quedarán como contenido sobre esa infraestructura?","¿Tiene la infraestructura actual de IA la economía unitaria necesaria para sostener las valuaciones actuales, independientemente de la validez del marco histórico?","¿Cómo se distribuirá temporalmente el ajuste laboral y qué instituciones (si alguna) están equipadas para gestionarlo a escala social?","¿Los modelos fundacionales cerrados se convertirán en infraestructura de acceso restringido que deteriore el mecanismo de intercambio, o la competencia entre modelos mantendrá apertura suficiente?"],"training_value":{"recommended_for":["Gestores de fondos de capital de riesgo con exposición a IA.","Fundadores buscando alinear su narrativa con los marcos intelectuales de inversores activos en el ciclo actual.","Analistas de política pública evaluando el impacto de regulación de IA en ecosistemas de innovación.","Agentes de negocio entrenados en evaluación de oportunidades de inversión tecnológica.","Estrategas corporativos evaluando dónde construir capacidades de IA propias vs. depender de infraestructura externa."],"when_this_article_is_useful":["Al construir o evaluar tesis de inversión en infraestructura de IA con horizonte de fondo (7-10 años).","Al responder a LPs o stakeholders escépticos sobre concentración de capital en IA.","Al evaluar el riesgo regulatorio de fragmentación de mercados de IA como variable de cartera.","Al decidir entre apostar a infraestructura de intercambio vs. aplicaciones verticales en IA.","Al analizar el impacto laboral de la automatización para comunicación pública o regulatoria."],"what_a_business_agent_can_learn":["Cómo usar marcos históricos de largo plazo para estructurar tesis de inversión en condiciones de alta incertidumbre tecnológica.","Distinguir entre validez de un marco macroeconómico y ejecución operativa de compañías específicas al evaluar oportunidades.","Identificar la apertura del ecosistema (regulación, modelos abiertos vs. cerrados) como variable sistémica más relevante, no las valuaciones o competencia entre modelos.","Reinterpretar datos de desplazamiento laboral como señal de reasignación de valor para construir narrativas de inversión ante stakeholders escépticos.","Reconocer el patrón histórico: infraestructura de intercambio captura más valor que contenido construido sobre ella en ciclos tecnológicos mayores.","Usar contraejemplos históricos (Ming) para mapear riesgos sistémicos no capturados por modelos financieros convencionales."]},"argument_outline":[{"label":"1. El libro como señal de mercado","point":"'El optimista racional' está circulando activamente entre fondos de VC con posiciones en infraestructura de IA, incluyendo a Alexis Ohanian de Seven Seven Six.","why_it_matters":"El marco intelectual que usan los inversores para ordenar incertidumbre determina qué compañías reciben capital y en qué condiciones."},{"label":"2. La tesis de Ridley aplicada a IA","point":"Los LLMs actúan como amplificadores del mecanismo de intercambio de ideas: dan a cada trabajador del conocimiento acceso a síntesis global en tiempo real, expandiendo la red de ideas de forma masiva.","why_it_matters":"Si el tamaño de la red de ideas determina el ritmo de innovación, una tecnología que la expande debería generar retornos simultáneos en casi todos los sectores."},{"label":"3. El desplazamiento laboral reinterpretado","point":"La proyección de McKinsey de 30% de automatización de horas trabajadas para 2030 se lee, bajo el marco Ridley, como reasignación hacia tareas de mayor valor, no como destrucción neta de empleo.","why_it_matters":"El patrón histórico (mecanización agrícola, hoja de cálculo, motores de búsqueda) muestra que la especialización habilitada por nuevas herramientas crea más valor del que desplaza en horizontes largos."},{"label":"4. La condición de apertura como variable crítica","point":"El contraejemplo de la dinastía Ming —que tenía ventaja tecnológica y la desmanteló cerrando redes de intercambio— es citado como el riesgo sistémico más serio del ciclo actual.","why_it_matters":"La fragmentación regulatoria UE-EEUU, los mandatos nacionales de IA y los modelos cerrados son mecanismos que reducen la densidad de red en el momento en que debería expandirse."},{"label":"5. Implicaciones para fundadores","point":"Los inversores alineados con Ridley buscan compañías que actúan como nodos de densificación de red entre dominios (biología+computación, logística+LLMs), no automatizadores de tareas singulares.","why_it_matters":"La analogía histórica sugiere que la infraestructura de intercambio captura más valor que el contenido construido sobre ella, lo que da coherencia estructural a apuestas en modelos fundacionales y plataformas de agentes."}],"one_line_summary":"Inversores de Silicon Valley están usando 'El optimista racional' de Matt Ridley como marco intelectual para justificar apuestas concentradas en inteligencia artificial, argumentando que los LLMs amplifican el mecanismo histórico de prosperidad por intercambio de ideas.","related_articles":[{"reason":"Analiza directamente la tensión entre el uso de IA para evaluar inversiones de VC y la naturaleza prospectiva del capital de riesgo, complementando el debate sobre marcos intelectuales para invertir en IA bajo incertidumbre.","article_id":13328},{"reason":"Examina el rol de los agentes de IA en la reorganización del trabajo, conectando directamente con el argumento del artículo sobre reasignación laboral y densificación de red como patrón de valor.","article_id":13419},{"reason":"Caso concreto de valuación extrema en startup de IA que ilustra la tensión entre narrativa optimista estructural y economía unitaria real, punto crítico del artículo.","article_id":13475}],"business_patterns":["Uso de marcos históricos de largo plazo para ordenar decisiones de inversión en ciclos de alta incertidumbre tecnológica.","Concentración de capital en infraestructura de intercambio antes que en contenido o aplicaciones, patrón repetido en ciclos tecnológicos anteriores.","Reinterpretación de datos de desplazamiento laboral como señal de reasignación de valor, no de destrucción neta, para sostener tesis optimistas ante reguladores y LPs.","Identificación de contraejemplos históricos (Ming) como herramienta para mapear riesgos sistémicos no capturados por modelos financieros convencionales.","Libros de historia económica circulando en comunidades de inversión como señal de cambio en el marco intelectual dominante de un ciclo."],"business_decisions":["Asignar capital a compañías que actúan como nodos de densificación de red entre dominios (biología+computación, logística+LLMs) en lugar de automatizadores de tareas singulares.","Priorizar inversión en infraestructura de intercambio (modelos fundacionales, plataformas de agentes) sobre aplicaciones verticales sin diferenciación de red.","Usar marcos históricos de largo plazo para justificar tesis de inversión en condiciones de alta incertidumbre regulatoria y tecnológica.","Monitorear la fragmentación regulatoria UE-EEUU y el grado de apertura de modelos dominantes como indicadores del riesgo sistémico más relevante para la tesis de IA.","Distinguir entre la validez del marco macroeconómico (Ridley) y la ejecución operativa de compañías específicas al tomar decisiones de cartera."]}}