Los inversores de capital de riesgo vuelven a Ridley porque la IA hace exactamente lo que él predijo
Hay 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.
El 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.
Alexis 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.
El argumento de Ridley como arquitectura de inversión
La 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.
Ridley 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.
Lo 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.
La 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.
El desplazamiento laboral como dividendo de especialización
Uno 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.
El 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.
Aplicado 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.
Lo 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.
La condición que el optimismo necesita para cumplirse
Ridley 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.
La 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.
Para 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.
Ese 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.
Lo que el optimismo racional no puede hacer por los fundadores
Para 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.
El 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.
El 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.
Lo 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.
El 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.
