Nvidia no está inflando una burbuja: está fijando el precio del nuevo trabajo digital
El debate sobre una “burbuja” de gasto en IA suele partir de una intuición antigua: si demasiadas empresas compran la misma promesa a la vez, el ajuste llega rápido. Pero los resultados fiscales de Nvidia para el cuarto trimestre de su año fiscal 2026 obligan a afinar esa intuición. No por entusiasmo tecnológico, sino por aritmética.
Nvidia reportó ingresos trimestrales récord de 68.1 mil millones de dólares (periodo finalizado el 25 de enero de 2026), 20% más que el trimestre anterior y 73% interanual, por encima del consenso de 66.21 mil millones. Más importante aún, su guía para el primer trimestre del año fiscal 2027 fue 78.0 mil millones de dólares ±2%, también por encima de lo esperado (72.6 mil millones). Y en esa misma intervención post-resultados, su CEO Jensen Huang afirmó que los mercados “se equivocan” al temer que la IA desplace a firmas de software establecidas como ServiceNow, presentando a los agentes como una capa que mejora flujos de trabajo empresariales en lugar de borrarlos del mapa.
Ese matiz no es semántico. Es un mapa de poder: quién captura el valor cuando la productividad deja de depender únicamente de personas y pasa a depender de capacidad de cómputo, datos y herramientas que ejecutan trabajo en nombre de alguien.
Un trimestre que no encaja con el guion del enfriamiento
Si el gasto en IA estuviera entrando en fase de saturación, esperaría ver señales típicas: desaceleración en el segmento central, compresión de márgenes, o una guía cautelosa para amortiguar expectativas. En cambio, Nvidia exhibió lo contrario.
El motor fue, de forma abrumadora, Data Center, con 62.3 mil millones de dólares en el trimestre, 75% interanual. En paralelo, la compañía reportó margen bruto GAAP de 75.0%, subiendo 1.6 puntos trimestre contra trimestre y 2.0 puntos interanual. Este detalle es el que más incomoda a la narrativa de “commoditización rápida”: en un mercado que se vuelve commodity, el margen tiende a ceder, no a expandirse.
En resultados GAAP, Nvidia informó EPS diluido de 1.76 y utilidad neta GAAP de aproximadamente 43 mil millones de dólares, 35% más que el trimestre previo y 94% interanual. En el año fiscal completo 2026, los ingresos llegaron a 215.938 mil millones, 65% arriba del año fiscal 2025. Data Center cerró el año en 197.3 mil millones, frente a 115.2 mil millones del año previo.
Cuando una empresa alcanza esa escala y aun así acelera, el punto ya no es solo “demanda fuerte”. El punto es el tipo de demanda: no es compra exploratoria para pilotos; es capacidad adquirida para operación. El mercado, por supuesto, puede corregir valoraciones, pero aquí hay un hecho estructural: la infraestructura de IA está pasando de experimento a línea de producción.
También conviene leer los segmentos “menores” porque revelan difusión: Gaming marcó 3.7 mil millones (47% interanual, aunque -13% secuencial), con un año récord de 16.0 mil millones; y Professional Visualization subió a 1.3 mil millones, 159% interanual. Es decir, la demanda no se limita al entrenamiento de modelos en hyperscalers; la capa de inferencia, visualización y flujo de trabajo también empieza a absorber presupuesto.
“La IA no reemplaza a ServiceNow”: el giro de valor está en el flujo de trabajo, no en el chip
La frase de Huang a CNBC, citada por InvestingLive, es una intervención estratégica: “los mercados se equivocan” al temer que la IA destruya a los incumbentes de software empresarial como ServiceNow. Su tesis es que los agentes “terminan el trabajo” usando herramientas y luego devuelven la información “de una manera que podamos entender”. Ese “volver a una manera entendible” es, en realidad, el núcleo del valor corporativo.
Una organización no paga por IA para que “genere texto”. Paga por reducir ciclos: tickets que se resuelven, aprobaciones que avanzan, incidentes que se cierran, reportes que se consolidan, cumplimiento que se verifica. En ese marco, el software tipo ServiceNow no es un dinosaurio; es el sistema nervioso donde el trabajo queda registrado, auditado y gobernado. La IA, si se adopta con criterio, se convierte en músculo.
Aquí está el desplazamiento de poder que muchos subestiman: la IA no elimina automáticamente plataformas; redefine el precio del trabajo digital dentro de ellas. Si un agente puede ejecutar una cadena de tareas (consultar, clasificar, redactar, registrar, escalar), entonces el “trabajo” se vuelve una unidad computable. Y cuando el trabajo es computable, la discusión presupuestaria se mueve desde “licencias por usuario” hacia “capacidad por resultado”, con métricas de rendimiento y trazabilidad.
Nvidia, desde su rol, captura el valor de esa transición porque el cuello de botella inmediato es infraestructura: GPUs, memoria, interconexión, y un stack que permita servir esa demanda. Por eso el mercado puede estar discutiendo “burbuja”, pero Nvidia está operando como quien está poniendo peaje en una autopista recién inaugurada.
El riesgo para las empresas no es que la IA reemplace su software; es que intenten usar agentes como atajo para automatizar procesos rotos. La eficiencia sin criterio solo acelera el error. Y cuando un error viaja a velocidad de cómputo, el costo reputacional y operacional se multiplica.
El “margen del 75%” es una señal de monopolio funcional, pero no eterno
Un margen bruto GAAP de 75% en una compañía de hardware a esta escala sugiere poder de fijación de precios y una demanda que no encuentra sustitutos inmediatos. Eso es monopolio funcional: no necesariamente legal o permanente, pero sí real en la práctica cotidiana de compra.
Sin embargo, el propio briefing reconoce presiones competitivas crecientes: silicon a medida en hyperscalers como AWS, Google Cloud y Microsoft Azure. Esa presión no tiene por qué derribar a Nvidia mañana; puede hacer algo más sutil: empujar el mercado hacia segmentación. En un extremo, infraestructura “premium” para cargas de trabajo críticas y modelos frontera. En el otro, infraestructura “suficientemente buena” para inferencia y agentes de menor criticidad, donde el comprador optimiza costo total.
La guía de 78 mil millones para el siguiente trimestre sugiere que, por ahora, el premium sigue intacto. Pero para los equipos directivos, el mensaje útil no es apostar a que el premium dura para siempre. Es diseñar una arquitectura financiera y operativa que no dependa de un único proveedor ni de una sola curva de precios.
Hay una lectura adicional: Nvidia devolvió 41.1 mil millones a accionistas en el año fiscal 2026. Esa cifra, en un ciclo de expansión de capex del mercado, revela confianza en su generación de caja y, a la vez, disciplina de capital. Para los CFOs, esto es una señal: el “boom” no está obligando a Nvidia a sacrificar retorno para sostener crecimiento. Cuando eso ocurre, el proveedor se vuelve aún más influyente en la cadena de valor.
En paralelo, las líneas de producto mencionadas (DLSS 4.5, RTX PRO 5000 72GB Blackwell, expansión de DGX Spark) confirman que la compañía está empujando IA a más contextos de uso. No es solo vender más unidades; es ensanchar el perímetro de dependencia del stack.
La oportunidad C-Level: pasar de automatización ciega a inteligencia aumentada operable
El ejecutivo que mira estos resultados y solo concluye “hay que comprar más IA” está leyendo la noticia como gadget, no como infraestructura de negocio. La lectura estratégica es otra: la IA está redefiniendo cómo se produce valor, y eso exige gobernanza.
Primero, conviene separar dos compras que muchas compañías mezclan: compra de “capacidades” y compra de “resultados”. La capacidad es cómputo, modelos, integraciones. El resultado es reducción de tiempos de ciclo, mejora en calidad, menos incidentes, mayor cumplimiento. Nvidia captura la capacidad; las plataformas de flujo de trabajo capturan el resultado; y la empresa usuaria solo captura valor si traduce ambas en operación.
Segundo, los agentes vuelven inevitable una conversación sobre trazabilidad. Si un agente “termina el trabajo”, también puede terminarlo mal. Por eso el valor real no está en que el agente actúe, sino en que quede rastro: qué herramienta usó, qué datos tocó, qué política aplicó, qué escalamiento hizo. Esa trazabilidad es el puente entre productividad y riesgo.
Tercero, este mercado está entrando a una fase donde el costo marginal del trabajo digital tiende a bajar, pero no de forma homogénea. Durante un tiempo, habrá abundancia para quienes puedan pagar infraestructura premium y escasez para quienes no. El trabajo del liderazgo es impedir que esa brecha se convierta en desigualdad interna: equipos “aumentados” que avanzan y equipos “analógicos” que quedan atrapados en deuda operativa.
Finalmente, la afirmación de Huang sobre ServiceNow tiene una implicación de portafolio: los incumbentes de software con acceso a flujos de trabajo y datos transaccionales tienen una ventaja natural para “envolver” agentes con control. Eso reduce el riesgo de desintermediación total, pero incrementa la presión por rediseñar modelos comerciales. El precio ya no será por asiento; será por ejecución.
La dirección del mercado ya se ve en los números
Los resultados de Nvidia no niegan que exista exuberancia en torno a la IA. Niegan que estemos ante una adopción superficial. Cuando Data Center alcanza 62.3 mil millones trimestrales y la compañía guía 78 mil millones para el siguiente trimestre, el fenómeno se parece menos a un pico especulativo y más a un cambio de infraestructura comparable a la estandarización de la nube.
En términos de dinámica exponencial, este mercado ya pasó la fase donde la tecnología “parece juguete” y entra en una etapa de despliegue industrial: el costo por unidad de trabajo digital comienza a comprimirse, el hardware se vuelve una palanca productiva y el software de flujo de trabajo se convierte en el lugar donde se gobierna ese poder.
La fase dominante hoy es Disrupción avanzando hacia Desmonetización del trabajo repetitivo, con un efecto colateral inevitable de Democratización cuando el acceso a agentes y cómputo se expanda más allá de los grandes compradores. La tecnología debe estructurarse para empoderar el criterio humano y ampliar el acceso a capacidad productiva, no para automatizar errores a escala.
