¿Por qué caen las Big Tech si ganan más que nunca? El castigo del mercado a la IA

Los beneficios no han fallado. Ha fallado el relato. En la noche del 30 de abril de 2026, las grandes tecnológicas superaron estimaciones… y aun así cayeron con fuerza en el after hours. Meta llegó a ceder un 6,16% y Microsoft más de un 8% en cuestión de minutos. El diagnóstico es incómodo: el mercado ya no paga promesas. Ahora exige pruebas contables de que la IA no es solo gasto, sino margen.

Beneficios récord, reacción fría

La tertulia dejó una idea central: las “Siete Magníficas” siguen presentando cifras de manual, pero cotizan en un entorno donde la valoración es más exigente que el propio crecimiento. David Galán (Bolsa General) lo resumió con una frase que explica el movimiento: “cualquier pequeña desviación” frente a lo esperado basta para activar ventas. No es que los resultados sean malos; es que, tras un rally que viene “comandando la tecnología desde 2009”, el mercado ha convertido cada trimestre en un examen de selectividad.

La consecuencia es clara: el foco se desplaza del titular de ingresos al detalle incómodo —una guía algo más débil, un margen que no sorprende, un comentario sobre inversiones—. Amazon, por ejemplo, pudo “batir en todo” y, aun así, dejar un punto vulnerable en la guía de beneficio. En una plaza donde el S&P 500 y el Nasdaq 100 se mueven cerca de máximos, la tolerancia al matiz se vuelve mínima.

El CAPEX de la IA cambia las reglas

Lo más grave no es la volatilidad; es el giro estructural. Galán puso el dedo en la llaga: compañías acostumbradas a modelos de “activos ligeros” se están pareciendo cada vez más a negocios que necesitan invertir a ritmo industrial para sostener su ventaja. La IA no es solo software: es capacidad de cómputo, centros de datos, chips y energía. Y eso se paga hoy.

En el debate se intuye el tamaño de la apuesta: el mercado asume un CAPEX agregado de más de 150.000 millones de dólares al año entre las grandes plataformas, con picos en infraestructuras ligadas a modelos de lenguaje y nube. El mensaje implícito es sencillo: invertir está bien, pero no a cualquier precio. Si el gasto se acelera y la monetización llega tarde, el margen operativo se estrecha y la narrativa de “crecimiento eficiente” se rompe. La IA ha pasado de promesa a línea de costes, y Wall Street mira esa línea con lupa.

Expectativas imposibles y guías bajo sospecha

Joaquín Danvila (IEB) lo planteó en términos casi clínicos: el mercado está comprando “expectativas” y, en los próximos 12 meses, exigirá ver si esa inversión “empieza a monetizarse”. El castigo, por tanto, tiene menos que ver con el trimestre cerrado y más con el futuro inmediato. En estas compañías, el consenso ya descuenta que la IA hará a las tecnológicas “más rentables y más eficientes”. Ese “ya” es el problema.

“A día de hoy todavía estamos con expectativas… y dentro de nada estaremos expectantes a ver qué es lo que ocurre con los resultados de toda esta grandísima inversión en IA”, vino a advertir Danvila. Traducido a mercado: si la guía no eleva el listón con contundencia, se interpreta como señal de que la conversión de gasto en beneficio será más lenta. Y en valores que cotizan a múltiplos elevados —PER en la zona de 25-30 veces en los ganadores más claros— el tiempo se paga caro.

Google, la “gallina” y la canibalización controlada

Alphabet aparece como el caso más delicado por un motivo que no es contable, sino de modelo de negocio. Danvila habló del “termómetro” clave: la IA aplicada a la búsqueda puede convertirse en un competidor interno del propio buscador tradicional. Si Gemini cambia la forma de buscar, cambia la forma de poner anuncios. Y si cambia el inventario publicitario, cambian los márgenes que han sostenido el imperio de Google durante dos décadas.

Galán lo describió con la metáfora exacta: la “gallina de los huevos de oro”. El mercado está observando si Alphabet logra un “viraje suave y fuerte” hacia la IA sin destruir su máquina de caja. Aquí está el riesgo asimétrico: una transición exitosa puede abrir nuevas vías —publicidad en búsquedas conversacionales, suscripciones, herramientas empresariales—, pero una mala ejecución implica que el negocio principal se erosione antes de que el nuevo sea grande. No se castiga la IA; se castiga la incertidumbre sobre quién cobra y quién pierde.

La lectura técnica amplifica el susto

Roberto Moro insistió en que el post-mercado es “una lotería” y que muchas veces “poco tiene que ver con lo que suceda mañana”. Sin embargo, la técnica ayuda a entender por qué el golpe se ve tan dramático: con índices en “ida libre”, cualquier corrección se percibe como una amenaza al relato alcista, aunque sea ruido. La reacción se vuelve más violenta porque hay posiciones muy cargadas y expectativas muy altas.

Moro llegó a citar niveles concretos —el 0,38 de Fibonacci en Microsoft— para subrayar que la caída puede ser una simple pausa dentro de una tendencia que, por ahora, sigue intacta. El contraste es revelador: mientras Microsoft y Meta sufrían en after hours, otros nombres mostraban movimientos inesperados. Intel, por ejemplo, aparecía con un rebote hacia 94,75 desde cierres por debajo de 85. Lectura: el dinero no sale del sector; rota, se reequilibra, ajusta el precio del “sueño IA” al coste real de financiarlo.

El mercado solo pide una cosa: caja y disciplina

La exigencia de Wall Street se resume en un mandato: que la IA se traduzca en ingresos recurrentes y, sobre todo, en márgenes. Danvila señaló el ejemplo de Microsoft, que ya “vende, monetiza y factura” con Copilot; aun así, el mercado castiga si el listón era aún más alto. Ahí está la paradoja: cuanto más creíble es una compañía, más caro le sale no sorprender.

El escenario inmediato queda marcado por tres vectores: disciplina de CAPEX, señales de monetización y un telón geopolítico que, según Moro, es el gran condicionante de fondo. Mientras tanto, el mercado seguirá aplicando su lógica más antigua: pagar caro solo aquello que puede medir. Y la IA, en 2026, aún está pasando del laboratorio a la cuenta de resultados, con demasiados millones por delante y muy poco margen para el error.