A finales de los años noventa, en pleno auge de Internet, una escena se repetía con frecuencia en presentaciones a inversores: bastaba con añadir el sufijo “.com” al nombre de una empresa para que el mercado asumiera, casi de forma automática, que su futuro crecimiento justificaría cualquier nivel de inversión. Muchas de aquellas compañías no carecían de tecnología ni de usuarios; lo que faltaba era un modelo claro para convertir esa adopción en beneficios sostenibles. Cuando el capital empezó a exigir resultados tangibles, la corrección fue rápida y profunda.
Dos décadas después, la situación no es idéntica, pero el eco resulta familiar. La inteligencia artificial (IA) ha pasado en poco tiempo de ser una promesa tecnológica a convertirse en el eje de estrategias empresariales y discursos corporativos en sectores muy distintos. Hoy, sin embargo, el mercado vuelve a formular la misma pregunta esencial que entonces: quién paga la inversión, quién captura el valor y en qué plazos. La anécdota de la burbuja de Internet no sirve como advertencia apocalíptica, sino como recordatorio de que toda revolución tecnológica acaba enfrentándose, tarde o temprano, a la misma prueba: la de los retornos reales.
En las últimas semanas, el mercado ha comenzado a enviar señales claras de que el ciclo de entusiasmo en torno a la inteligencia artificial ha entrado en una fase distinta. Las fuertes correcciones en los valores tecnológicos estadounidenses no responden a un colapso de resultados ni a un cambio abrupto en la adopción de la IA, sino a un cuestionamiento más profundo y estructural: la capacidad real de convertir inversiones masivas en retornos sostenibles. Incluso compañías con balances sólidos, crecimiento robusto y posiciones dominantes están siendo sometidas a un escrutinio inédito sobre márgenes, flujos de caja y eficiencia del capital invertido.
Este giro de percepción no se limita al núcleo del sector tecnológico. A medida que el mercado revisa las expectativas sobre la IA, el impacto se extiende a industrias que habían situado esta tecnología como parte central de su narrativa estratégica, entre ellas las telecomunicaciones europeas. Operadores con problemas estructurales de rentabilidad, elevada intensidad de capital y escaso crecimiento han visto en la IA una vía para recuperar relevancia, eficiencia y atractivo inversor, en un contexto dominado por el software y los datos.
El ajuste actual obliga, sin embargo, a separar promesas de realidades. El debate ya no gira en torno a si la IA transformará la economía, sino quién capturará el valor económico de esa transformación, en qué plazos y con qué impacto sobre los balances. En ese cruce de expectativas, disciplina financiera y reposicionamiento estratégico se sitúa el análisis que sigue: una reflexión sobre la tormenta de los retornos de la IA, su paralelismo con ciclos anteriores y las implicaciones concretas para el sector de las telecomunicaciones —y para Telefónica en particular— en un momento decisivo del mercado.
Llevamos viendo como estas últimas semanas los mercados bursátiles estadounidenses han registrado una caída significativa en los principales índices tecnológicos, marcada por la corrección de valores tradicionalmente sólidos y por una creciente inquietud inversora en torno a la capacidad de las grandes tecnológicas para convertir sus inversiones en inteligencia artificial (IA) en beneficios reales y sostenibles https://bit.ly/4kpUwMW
Según datos compilados por varios medios financieros, las empresas del sector de software y servicios tecnológicos han sufrido una de las peores caídas de los últimos años, con indicadores amplios mostrando descensos bruscos en valoración: el ETF iShares Expanded Tech-Software Sector (IGV) llegó a caer cerca de un 19 % en apenas ocho sesiones y el sector de software se ha depreciado más de 25 % desde sus máximos recientes.
En términos de valor de mercado, la agencia Reuters documentó que las compañías de software y servicios del S&P 500 han perdido aproximadamente 1 billón de dólares de capitalización bursátil desde el 28 de enero, en un episodio que algunos analistas han denominado “software-mageddon”.
Índices y cotizaciones clave
La presión vendedora ha golpeado con fuerza a los principales índices estadounidenses. Según las últimas sesiones:
- El Nasdaq Composite, índice intensamente sesgado hacia las tecnológicas, llegó a ceder cerca de 1,6 % en una sesión concreta y ha arrastrado al índice a terreno negativo año tras año, borrando las ganancias acumuladas en enero.
- El S&P 500 retrocedió aproximadamente 1,2 % en una jornada reciente, reflejo de la caída concentrada en el sector tecnológico.
- Bitcoin y metales preciosos como oro y plata también sufrieron presión de venta vinculada al nerviosismo en activos de riesgo.
Empresas concretas han experimentado retrocesos aún más llamativos: Advanced Micro Devices (AMD) cayó más de 17 % tras resultados y previsiones consideradas insuficientes, mientras que firmas como Palantir y Micron registraron caídas de doble dígito.
Incluso gigantes tradicionalmente considerados defensivos dentro del sector tecnológico, como Oracle, sufrieron pérdidas sustanciales: su acción encadenó su peor racha bajista en más de dos décadas, con descensos en torno al 25 % en pocos días, alimentados por preocupaciones sobre su estrategia de deuda e inversiones en IA.
Uno de los detonantes más comentados por los analistas fue el anuncio de una herramienta de IA desarrollada por la start-up Anthropic, que automatiza procesos como la revisión de documentación legal. Esta iniciativa ha sido interpretada por muchos inversores como una señal de que la IA podría reemplazar partes sustanciales de la industria del software tradicional, lo que profundizó las ventas en ese segmento.
El impacto se ha reflejado en la métrica de capitalización: se ha estimado que más de 400.000 millones de dólares de valor bursátil se han borrado en una sola semana atribuida principalmente a estas preocupaciones sobre la disrupción de la IA.
Analistas de casas de inversión como Morningstar han señalado que el descenso del sector software puede estar sobre-reaccionando al miedo más que reflejando un deterioro real de los fundamentales, señalando que muchas empresas siguen creciendo y que las ventas impulsadas por la IA apenas representan una fracción—alrededor del 2 % de los ingresos totales para la mayoría—, aunque el sentimiento del mercado está pesando más que estos datos.
Paralelamente a este castigo bursátil, las grandes tecnológicas han anunciado planes de inversión nunca antes vistos en IA, que según varios analistas superan los 650.000 millones de dólares en conjunto este año, una cifra muy superior al gasto total de capital (capex) de 110.000 millones que estas mismas compañías movieron en 2020. Empresas como Alphabet (Google) han anunciado revisiones al alza de sus presupuestos de IA y capex, extendiéndolos hasta cifras de al menos 185.000 millones de dólares en 2026, un factor que ha sido interpretado por los mercados como señal de riesgo para la rentabilidad futura de la empresa.
Esta oleada de gasto también ha impulsado la rotación de inversores: muchos han reducido exposición en tecnológicas y han reorientado capital hacia sectores considerados más defensivos o vinculados al ciclo económico tradicional, como por ejemplo las compañías de telecomunicaciones, reduciendo la concentración en tecnología que había dominado el mercado global en los últimos años.
Entre los estrategas financieros persiste un amplio debate: algunos sostienen que la corrección es una manifestación de “miedo” y de una reevaluación técnica de valoraciones excesivas, comparándola con episodios previos como la caída provocada por la irrupción de DeepSeek en el año 2025, que también causó fuertes descensos temporales sin cambios fundamentales sustanciales en las cuentas de las empresas. Otros, sin embargo, apuntan que la magnitud del gasto en IA y la incertidumbre sobre retorno de inversiones, unido a valoraciones históricamente elevadas para las tecnológicas, están obligando al mercado a aplicar una disciplina más rigurosa en la valoración de futuras ganancias.
La Cronología del ajuste en el sector tecnológico (enero–febrero de 2026) ha sido la siguiente:
Finales de enero de 2026: primeras señales de tensión
En la última semana de enero comenzaron a detectarse movimientos de rotación sectorial en los mercados estadounidenses. El Nasdaq Composite empezó a mostrar un comportamiento relativo peor que el S&P 500, pese a que no se habían producido revisiones negativas generalizadas de beneficios.
En este periodo, varios analistas destacaron que las valoraciones del sector tecnológico se encontraban en múltiplos exigentes, con ratios precio/beneficio adelantados muy por encima de su media histórica, especialmente en software y semiconductores.
28–31 de enero: inicio del castigo al software
Entre el 28 y el 31 de enero, el sector de software y servicios tecnológicos del S&P 500 inició una corrección acelerada. En apenas cuatro sesiones:
- El índice sectorial perdió entre un 8 % y un 10 %.
- La capitalización conjunta del sector se redujo en más de 500.000 millones de dólares.
- El ETF sectorial de referencia acumuló su peor racha desde 2022.
Este movimiento se produjo sin un deterioro paralelo de resultados, ya que la mayoría de las compañías había superado previsiones de ingresos.
1–2 de febrero: anuncio de Anthropic y ampliación de la venta
A comienzos de febrero se conoció el lanzamiento de una herramienta de automatización legal basada en IA por parte de Anthropic, fundada en 2021 por exmiembros de OpenAI.
El mercado interpretó que esta tecnología podía reducir la necesidad de software especializado tradicional, especialmente en sectores intensivos en servicios profesionales. En las siguientes sesiones:
- El sector software amplió las pérdidas hasta casi un 15 % desde máximos.
- Se estimó que el valor destruido en el segmento superaba ya los 850.000 millones de dólares.
- La caída se extendió a empresas no directamente competidoras, reflejando una venta indiscriminada.
3–4 de febrero: resultados empresariales y foco en el capex
Durante estos días se publicaron resultados de grandes tecnológicas. Aunque las cifras operativas fueron sólidas, el mercado reaccionó negativamente a los planes de inversión en IA:
- Microsoft llegó a ceder cerca de un 10 % tras presentar resultados, pese a crecer a doble dígito en ingresos.
- Alphabet confirmó un plan de inversión acumulada en IA y centros de datos de hasta 185.000 millones de dólares, lo que presionó su cotización.
- Amazon comunicó un compromiso de gasto de 200.000 millones de dólares en infraestructura de IA, provocando una caída bursátil del 5,5 % en una sola sesión.
A estas alturas, el gasto comprometido conjunto de Microsoft, Alphabet, Amazon y Meta rozaba los 650.000 millones de dólares, frente a los 110.000 millones que las grandes tecnológicas invirtieron en total en 2020.
5–6 de febrero: semiconductores amplifican la volatilidad
El foco se desplazó entonces hacia los fabricantes de chips:
- AMD cayó un 17,3 % en una sesión, su mayor desplome desde 2017, tras publicar previsiones consideradas insuficientes.
- Qualcomm retrocedió un 8,5 % tras anunciar ingresos por debajo de lo esperado.
- Broadcom perdió alrededor de un 7 % en dos sesiones.
El efecto contagio alcanzó incluso a Nvidia, que acumuló un retroceso cercano al 10 % en el arranque de febrero, pese a no haber publicado aún resultados.
Impacto agregado a mediados de febrero
Con la temporada de resultados aún en marcha, el balance provisional mostraba:
- Los llamados “siete magníficos” habían perdido más de un billón de dólares en capitalización bursátil desde finales de enero.
- El Nasdaq entró en terreno negativo en el año, arrastrado por su elevada concentración en tecnología.
- En paralelo, sectores como consumo básico registraron un avance cercano al 12 % en el arranque del año, su mejor inicio desde 1997.
- Walmart superó por primera vez el billón de dólares de capitalización, simbolizando la rotación hacia valores defensivos.
Crédito privado y centros de datos
La tensión no se limitó a la renta variable. En el mercado de crédito:
- Blue Owl Capital, con cerca del 8 % de su patrimonio expuesto a centros de datos, sufrió reembolsos equivalentes al 15 % del patrimonio de uno de sus fondos en un solo mes.
- El episodio fue interpretado como una señal de mayor aversión al riesgo en activos ligados a la financiación de infraestructuras de IA.
A la espera de los resultados de Nvidia y de mayor visibilidad sobre la rentabilidad del gasto en IA, los analistas coinciden en que el mercado ha entrado en una fase distinta:
- Mayor exigencia sobre retornos del capital invertido.
- Menor tolerancia a planes de crecimiento basados únicamente en expectativas.
- Evaluación más selectiva entre empresas capaces —o no— de traducir la IA en ingresos y beneficios recurrentes.
La corrección reciente del sector tecnológico no puede entenderse únicamente como una reacción a resultados empresariales concretos o a una herramienta puntual de la inteligencia artificial (IA). Lo que subyace es un cuestionamiento más profundo de las expectativas de retorno asociadas a la IA, especialmente en lo que respecta a los hiperescaladores —las grandes plataformas tecnológicas que concentran la mayor parte de la inversión en infraestructuras, datos y capacidad de cómputo—. Este replanteamiento recuerda, en varios aspectos estructurales, a lo ocurrido tras el estallido de la burbuja de internet a finales de los años noventa, aunque con diferencias relevantes en el punto de partida.
Durante los últimos dos años, la narrativa dominante en los mercados ha sido que la IA generativa representaba una tecnología de propósito general, capaz de transformar múltiples sectores y justificar inversiones masivas por adelantado. Sobre esa premisa, compañías como Microsoft, Alphabet, Amazon y Meta han comprometido cientos de miles de millones de dólares en centros de datos, chips especializados, redes eléctricas y talento. El mercado asumió, durante gran parte de 2024 y 2025, que esos desembolsos se traducirían de forma relativamente directa en nuevas fuentes de ingresos, mayor productividad y ventajas competitivas duraderas.
Sin embargo, a medida que se ha acumulado información, esa relación entre inversión y retorno ha empezado a percibirse como menos inmediata y más incierta. Los resultados empresariales publicados muestran que el crecimiento sigue siendo sólido, pero también que los ingresos directamente atribuibles a la IA todavía representan una fracción limitada del negocio total. Al mismo tiempo, los costes asociados —amortización de infraestructuras, consumo energético, adquisición de chips avanzados y gastos operativos— son inmediatos y cuantificables, lo que presiona márgenes y flujo de caja en el corto y medio plazo.
Este desajuste temporal entre gasto presente y beneficios futuros es uno de los elementos que conecta la situación actual con la burbuja tecnológica de finales de los noventa. En aquel episodio, muchas empresas de internet prometían retornos extraordinarios basados en el crecimiento del tráfico y la adopción futura, mientras los ingresos reales eran insuficientes para sostener las valoraciones. Cuando el mercado empezó a exigir pruebas de rentabilidad, el ajuste fue abrupto. En el caso actual, la diferencia fundamental es que los grandes actores de la IA sí son empresas altamente rentables, con balances sólidos y negocios diversificados. No obstante, el paralelismo reside en la exigencia de justificar valoraciones que descuentan beneficios muy elevados en el futuro.
El foco de la inquietud se sitúa especialmente en los hiperescaladores porque son ellos quienes asumen la mayor parte del riesgo económico inicial. La construcción de grandes centros de datos y la compra masiva de aceleradores de IA generan barreras de entrada, pero también concentran el capital invertido en activos con retornos que dependen de una adopción sostenida y de precios que aún no están claramente establecidos. Además, la creciente competencia —tanto entre proveedores de modelos como entre fabricantes de hardware— introduce el riesgo de que los márgenes se compriman antes de que las inversiones hayan sido plenamente amortizadas.
Otro elemento que ha contribuido al cambio de percepción es la aparición de herramientas de IA capaces de automatizar tareas que hasta ahora sustentaban modelos de negocio de software tradicionales. Este fenómeno ha llevado a algunos inversores a plantearse si la IA, además de generar oportunidades, puede redistribuir valor dentro del propio sector tecnológico, reduciendo el poder de fijación de precios de determinadas aplicaciones y servicios. En ese contexto, incluso las empresas más expuestas a la IA pueden verse afectadas por una erosión de ingresos en otras líneas de negocio.
El resultado no es un rechazo a la inteligencia artificial como tecnología, sino una revisión de las expectativas de retorno. El mercado está pasando de una fase dominada por el entusiasmo ante el tamaño de la oportunidad a otra en la que se evalúa con mayor rigor la eficiencia del capital invertido, los plazos de recuperación y la sostenibilidad de los márgenes. Este cambio explica por qué las caídas recientes han sido amplias y, en muchos casos, poco discriminatorias: reflejan una ruptura de confianza más que un deterioro inmediato de los fundamentales.
En síntesis, lo que está ocurriendo con la IA no es tanto una negación de su potencial transformador como una normalización de las expectativas financieras. Al igual que tras el estallido de la burbuja de internet, el mercado parece exigir ahora evidencias más claras de que la adopción tecnológica se traducirá en beneficios tangibles y recurrentes. La diferencia clave es que, esta vez, la transición se produce sobre un sector con empresas consolidadas y flujos de caja significativos, lo que sugiere un ajuste selectivo y prolongado más que un colapso sistémico.
La situación de revisión de expectativas en torno a la inteligencia artificial también alcanza de lleno a las grandes compañías europeas de telecomunicaciones, que habían incorporado la IA a su discurso estratégico como una vía para recomponer balances, mejorar eficiencia y recuperar relevancia económica en un ecosistema dominado por el software y los datos. En este contexto, casos como Telefónica, Orange y Deutsche Telekom ilustran bien tanto las oportunidades como las limitaciones a las que se enfrenta el sector.
Durante los últimos años, estas operadoras han presentado la IA como un elemento clave para cambiar la narrativa de un negocio caracterizado por bajo crecimiento, elevada intensidad de capital y retornos inferiores al coste del capital. A diferencia de los hiperescaladores, su apuesta por la IA no se ha centrado en el desarrollo de grandes modelos o plataformas de software, sino en tres ejes principales: automatización interna, optimización de redes y servicios avanzados para empresas. Sin embargo, la actual tormenta en los mercados pone de relieve que estos usos, aunque relevantes, tienen un impacto financiero muy distinto al que se había llegado a insinuar en algunos planes estratégicos.
En el caso de Telefónica, la IA ha sido presentada como una palanca para reducir costes operativos, mejorar la gestión de redes y monetizar datos a través de servicios digitales y de ciberseguridad. La compañía ha avanzado en la virtualización de su red, en el uso de IA para mantenimiento predictivo y en plataformas orientadas al cliente empresarial. No obstante, en un contexto de balances tensionados y necesidad de desapalancamiento, el mercado observa que estos avances se traducen principalmente en ahorros graduales y eficiencia, no en un cambio estructural de la capacidad de generación de ingresos. La revisión global de expectativas sobre la IA refuerza la percepción de que, para Telefónica, la inteligencia artificial es un instrumento defensivo, útil para proteger márgenes más que para impulsar crecimiento.
Orange presenta un perfil similar. La operadora francesa ha integrado la IA en su estrategia de redes, atención al cliente y servicios B2B, especialmente en áreas como cloud, edge computing y soluciones para empresas. Sin embargo, su exposición al mercado europeo —más regulado y con menor capacidad de fijación de precios— limita la velocidad a la que estas iniciativas pueden traducirse en retornos financieros significativos. La actual cautela del mercado hacia proyectos de IA con retornos inciertos puede afectar a la valoración de estas inversiones, al tiempo que reduce la tolerancia a incrementos de capex en un sector donde los flujos de caja ya están comprometidos por el despliegue de fibra y 5G.
El caso de Deutsche Telekom introduce un matiz relevante. Gracias a su fuerte presencia en Estados Unidos a través de T-Mobile US, el grupo alemán ha disfrutado de mejor crecimiento y mayor generación de caja que muchos de sus homólogos europeos. Esto le ha permitido abordar la IA desde una posición financiera más sólida, tanto para mejorar operaciones como para explorar servicios avanzados vinculados a datos y empresas. Aun así, incluso en este caso, la revisión de expectativas sobre la IA pone de manifiesto que el valor capturado sigue estando muy por debajo del generado por las grandes plataformas tecnológicas, y que la ventaja competitiva de la operadora se mantiene en la conectividad, no en el software o los modelos.
La tormenta actual puede afectar a estas compañías en varios ámbitos. En primer lugar, en el financiero, al elevar el escepticismo sobre planes de inversión que no muestran retornos claros y presionar las valoraciones de empresas ya penalizadas por su bajo crecimiento. En segundo lugar, en el estratégico, al evidenciar que la participación de las telecos en el ecosistema de la IA seguirá siendo principalmente habilitadora (agregador de terceros), no central, lo que limita su capacidad de capturar una parte significativa del valor económico generado. Y, en tercer lugar, en el operativo, al reforzar un uso de la IA orientado a la eficiencia interna más que a la creación de nuevos negocios de alto margen.
En conjunto, la revisión de expectativas sobre la IA no supone un golpe inmediato para Telefónica, Orange o Deutsche Telekom, pero sí desnuda una realidad estructural: la inteligencia artificial no altera por sí sola la posición de las telecos en la cadena de valor digital. En un mercado que ahora exige disciplina, retornos medibles y visibilidad financiera, la IA deja de ser una promesa transformadora para estas compañías y se consolida como lo que probablemente siempre fue: una herramienta necesaria para sobrevivir y optimizar, pero insuficiente para revertir, por sí sola, años de pérdida de protagonismo frente a los gigantes del software y los datos.
Ante la atonía prolongada del sector europeo de telecomunicaciones y la reciente revisión de expectativas en torno a la inteligencia artificial, el debate sobre qué caminos reales existen para salir de esta situación ha vuelto al primer plano. Durante años, la respuesta del sector de las telecos con directivos como Marc Murtra o Christel Heydemann, ha sido la consolidación del sector a escala europea como solución estructural a la fragmentación, la baja rentabilidad y la incapacidad para competir con los grandes actores de Estados Unidos y China. Sin embargo, esta vía ha sido cuestionada de forma explícita en los Informes recientes sobre Competitividad y Mercado Interior elaborados por Mario Draghi y Enrico Letta, que plantean una reflexión más profunda sobre el modelo industrial europeo.
La consolidación —entendida como fusiones transfronterizas entre grandes operadoras— parte de un diagnóstico ampliamente compartido: Europa cuenta con demasiados operadores, mercados nacionales fragmentados, marcos regulatorios heterogéneos y retornos del capital persistentemente bajos. Frente a ello, Estados Unidos y China operan con estructuras más concentradas, mayor escala y capacidad de inversión. Sin embargo, tanto Draghi como Letta subrayan que la consolidación, por sí sola, no garantiza competitividad ni creación de valor si no va acompañada de un cambio en el modelo industrial y regulatorio.
Uno de los principales límites de la consolidación es que no altera la posición de las telecos en la cadena de valor digital. Incluso con menos operadores y mayor tamaño, el negocio seguiría centrado en la conectividad, un servicio esencial pero cada vez más estandarizado. Las grandes plataformas tecnológicas continuarían capturando la mayor parte del valor asociado al software, los datos y los servicios digitales avanzados. En este sentido, los informes advierten de que fusionar empresas sin redefinir su función estratégica puede derivar simplemente en estructuras más grandes, pero no necesariamente más rentables o innovadoras.
Frente a este enfoque, Draghi y Letta ponen el acento en modelos de cooperación industrial más ambiciosos, inspirados en experiencias exitosas del pasado europeo. El ejemplo más citado es Airbus, concebido no como una fusión total de empresas nacionales, sino como un consorcio industrial capaz de concentrar recursos, compartir riesgos y desarrollar tecnología crítica a escala continental. Este modelo permitió a Europa competir de tú a tú con gigantes estadounidenses en un sector intensivo en capital, altamente regulado y estratégico, sin eliminar por completo la identidad ni la base industrial de los actores participantes.
Aplicado a las telecomunicaciones, este enfoque sugiere un camino distinto: avanzar hacia consorcios europeos en ámbitos clave como infraestructuras de red, despliegue de 6G, edge computing, ciberseguridad, plataformas de datos o incluso tecnologías de inteligencia artificial aplicadas a redes. En lugar de competir entre sí en cada mercado nacional, las operadoras podrían coordinar inversiones, estandarizar tecnologías y compartir capacidades críticas, reduciendo duplicidades y aumentando la escala efectiva sin necesidad de fusiones plenas que chocan con barreras regulatorias y políticas.
Este planteamiento también responde a una de las debilidades estructurales de Europa: la incapacidad para sostener grandes apuestas tecnológicas de largo plazo frente a competidores respaldados por mercados de capitales más profundos o por el apoyo directo del Estado. Los consorcios permitirían repartir el riesgo financiero, facilitar el acceso a financiación y crear plataformas comunes capaces de atraer talento y desarrollar innovación de forma sostenida. Además, encajan mejor con la lógica del mercado interior europeo, al evitar concentraciones excesivas a nivel nacional y favorecer una integración funcional en lugar de puramente corporativa.
Otro eje señalado en estos análisis es la necesidad de alinear regulación, política industrial y objetivos estratégicos. La consolidación ha fracasado en parte porque se ha planteado sin una revisión paralela del marco regulatorio, que sigue priorizando la competencia a corto plazo sobre la inversión y la autonomía estratégica. Un modelo basado en consorcios exigiría un enfoque distinto: reglas claras para la cooperación, incentivos a la inversión conjunta y una visión de largo plazo sobre infraestructuras críticas, similar a la aplicada en sectores como el aeroespacial o la energía.
En este contexto, la salida de la atonía para las telecomunicaciones europeas no pasa únicamente por ser más grandes, sino por ser más relevantes. La tormenta actual —marcada por la revisión de expectativas sobre la IA y la presión sobre los retornos— refuerza la idea de que el sector necesita redefinir su papel. La conectividad seguirá siendo esencial, pero su valor económico dependerá de cómo se integre en un ecosistema más amplio de servicios, tecnología e industria.
En suma, los informes de Draghi y Letta apuntan a que el futuro del sector no reside tanto en la consolidación clásica como en la construcción de capacidades europeas compartidas, capaces de competir globalmente sin replicar modelos ajenos. El ejemplo de Airbus no ofrece una solución inmediata, pero sí una hoja de ruta creíble: cooperación estructurada, escala continental, foco en tecnología estratégica y una visión industrial que vaya más allá de la lógica defensiva. En un entorno de creciente exigencia financiera y tecnológica, ese enfoque aparece como una de las pocas vías realistas para que las telecomunicaciones europeas salgan de la tormenta sin limitarse a resistirla.
Hay un aspecto adicional relevante que completa el análisis del sector de las telecomunicaciones frente a la tormenta de los retornos de la IA, y que resulta especialmente significativo en el caso de Telefónica: el riesgo de desalineación entre el ritmo tecnológico y el ciclo financiero de las operadoras.
Uno de los elementos menos visibles del debate sobre la IA es que su desarrollo y monetización siguen un ciclo radicalmente distinto al de las telecomunicaciones. La IA evoluciona en ventanas temporales cortas, con iteraciones rápidas, modelos que se reemplazan en meses y ventajas competitivas que pueden erosionarse con rapidez. En contraste, las telecos operan bajo ciclos de inversión largos y rígidos, con activos que deben amortizarse durante décadas —redes de fibra, espectro, infraestructuras físicas— y con retornos que dependen de estabilidad regulatoria y demanda predecible. Esta asimetría introduce un riesgo estructural: incluso si la IA genera valor económico, no necesariamente lo hace en plazos compatibles con la estructura financiera de las telecos.
En el caso de Telefónica, esta tensión es particularmente evidente. La compañía ha realizado un esfuerzo sostenido por modernizar su red, reducir deuda, simplificar su perímetro geográfico y reforzar su enfoque en eficiencia operativa. La IA encaja en esa estrategia como una herramienta para exprimir mejor los activos existentes, no como un vector de expansión agresiva. Sin embargo, la narrativa de la IA como motor de crecimiento ha elevado expectativas que chocan con la realidad de un grupo que sigue priorizando desapalancamiento, disciplina de capital y estabilidad de flujos de caja. En un entorno en el que los mercados penalizan la falta de visibilidad sobre retornos, esta disonancia narrativa puede jugar en contra.
Otro aspecto relevante es la posición de las telecos en la gobernanza de los datos, un elemento central para la IA. Aunque las operadoras gestionan enormes volúmenes de tráfico, no controlan el contenido ni los datos de alto valor semántico que alimentan los modelos de IA más rentables. En el caso de Telefónica, los intentos de monetizar datos se han visto limitados por restricciones regulatorias, exigencias de privacidad y una percepción pública que dificulta su explotación comercial a gran escala. Esto refuerza una realidad incómoda: las telecos son infraestructura crítica, pero no custodios privilegiados del activo más valioso de la IA.
Además, la actual tormenta de expectativas introduce un efecto indirecto pero relevante: el endurecimiento de los criterios de inversión por parte de los propios socios tecnológicos. Si los hiperescaladores revisan sus planes de gasto o priorizan retornos a corto plazo, las telecos pueden perder tracción como socios estratégicos en proyectos de edge computing, redes privadas o soluciones empresariales avanzadas. Para Telefónica, que ha buscado posicionarse como facilitador de servicios digitales para empresas y administraciones, esto puede traducirse en menor velocidad de adopción y en acuerdos más desequilibrados en términos de reparto de valor con los hiperescaladores.
Por último, hay un elemento de percepción de mercado que no debe subestimarse. En un contexto en el que la IA pasa de promesa a examen, los inversores tienden a penalizar especialmente a los sectores que combinan bajo crecimiento estructural con discursos tecnológicos ambiciosos. Para Telefónica, el riesgo no es tanto operativo como reputacional ante el mercado: que la IA sea percibida como una narrativa defensiva más que como un catalizador real de valor, lo que refuerza el descuento histórico al que cotiza el sector.
En conjunto, este aspecto adicional subraya que la tormenta de los retornos de la IA no afecta a las telecomunicaciones solo por lo que invierten o dejan de invertir, sino por cómo encaja la IA en su modelo económico y temporal. En el caso de Telefónica, la inteligencia artificial puede ser una herramienta poderosa para sostener el negocio, ganar eficiencia y mejorar resiliencia, pero difícilmente un vector que altere de forma sustancial su perfil de crecimiento o valoración. En un mercado bursátil que ahora exige coherencia entre promesas, capital invertido y retornos medibles, esa realidad —más que la tecnología en sí— es la que condiciona su posición en la tormenta actual.
Las declaraciones de Marc Murtra situando a la inteligencia artificial en el centro de la estrategia de Telefónica han generado sorpresa porque entran en tensión con la posición real de la compañía en la cadena de valor de la IA. El contraste no es tanto tecnológico como económico y estructural: Telefónica actúa, por naturaleza, como agregador e integrador de capacidades ajenas, no como desarrollador de modelos, plataformas o software propietario a gran escala. Ese desajuste explica las contradicciones del planteamiento y los riesgos que puede acarrear.
La primera contradicción reside en el lugar que Telefónica ocupa en el ecosistema de la IA. El valor económico de esta tecnología se concentra en tres capas: modelos y software, datos de alto valor semántico y plataformas de distribución digital. Telefónica no controla ninguna de ellas de forma decisiva. Su fortaleza histórica está en la conectividad, la gestión de redes y la operación de infraestructuras críticas, ámbitos donde la IA es un habilitador de eficiencia, no una fuente primaria de ingresos. Presentar la IA como eje estratégico de crecimiento sitúa a la compañía en un terreno donde no tiene ventajas comparativas claras frente a hiperescaladores y grandes proveedores de software.
Una segunda contradicción aparece en la relación entre ambición tecnológica y capacidad financiera. Desarrollar IA con impacto económico relevante exige inversiones continuas, ciclos de innovación rápidos y tolerancia a retornos inciertos. Telefónica, en cambio, opera con restricciones financieras estructurales: alto endeudamiento histórico, necesidad de preservar flujo de caja, exigencias regulatorias y un negocio principal de bajo crecimiento. En este contexto, una narrativa de liderazgo en IA choca con la realidad de una empresa cuyo margen de maniobra está orientado a disciplina de capital y reducción de riesgo, no a apuestas tecnológicas intensivas.
La tercera contradicción afecta al modelo de monetización. Como agregador, Telefónica puede integrar soluciones de IA de terceros para clientes empresariales, automatizar procesos internos o mejorar la experiencia de usuario. Sin embargo, en ese rol el valor capturado es limitado y fácilmente erosionable, porque el proveedor de la tecnología conserva el poder de fijación de precios. Si la estrategia se presenta como transformación profunda basada en IA, pero los ingresos dependen de revender o integrar soluciones ajenas, el resultado puede ser una brecha persistente entre expectativas y resultados, que el mercado penalizará con rapidez y contundencia.
Existe además una tensión evidente con la gobernanza de los datos, un pilar central de la IA. Aunque Telefónica gestiona enormes volúmenes de tráfico, no posee el control sobre los datos que alimentan los modelos más rentables. Las restricciones regulatorias, de privacidad y reputacionales limitan su capacidad para explotar esos datos con fines comerciales. Esto reduce de forma estructural su capacidad para escalar soluciones propias de IA y refuerza su dependencia de actores externos, lo que vuelve incoherente un discurso de protagonismo tecnológico que proclama Murtra.
Otro punto crítico es el desfase temporal entre la IA y el negocio de telecomunicaciones. La IA avanza en ciclos cortos y competitivos; las redes se amortizan en décadas. Una estrategia centrada en IA puede obligar a priorizar inversiones con retornos inciertos en plazos que no encajan con la estructura financiera de la compañía. Si el mercado percibe que la IA se convierte en un argumento estratégico sin traducción clara en márgenes o caja, el riesgo es una pérdida adicional de credibilidad ante inversores ya escépticos con el sector.
Todo ello puede poner a Telefónica en un aprieto concreto: quedar atrapada entre dos narrativas incompatibles. Por un lado, la de operador disciplinado, enfocado en eficiencia, reducción de deuda y estabilidad. Por otro, la de actor relevante en IA, asociado a innovación, crecimiento y transformación. Si no se clarifica que la IA es principalmente una herramienta operativa y de apoyo, y no un motor de creación de valor comparable al software o a los modelos, la compañía corre el riesgo de ser evaluada con criterios que no puede cumplir.
En síntesis, la contradicción no está en utilizar IA —algo necesario e inevitable—, sino en sobredimensionar su papel estratégico en una empresa cuyo rol es el de habilitador y agregador. En el contexto actual, donde los mercados cuestionan los retornos de la IA incluso en las grandes tecnológicas, ese desajuste puede situar a Telefónica en una posición delicada: ni suficientemente protagonista para capturar valor significativo, ni lo bastante conservadora en el discurso para proteger su credibilidad financiera.
Hay un último elemento relevante que puede servir para cerrar este análisis al dar profundidad a la situación actual y que conecta directamente con la tormenta de los retornos de la IA, la posición de Telefónica y la reacción del mercado: el riesgo de quedar atrapada en una “zona gris estratégica”.
Más allá de las contradicciones ya señaladas, el mayor peligro para Telefónica no es tanto equivocarse en una apuesta concreta por la IA, sino no definir con suficiente precisión qué no es. En el entorno actual, los mercados están empezando a penalizar de forma especialmente severa a las compañías que no encajan con claridad en ninguna de las dos categorías que hoy concentran el capital:
· Ni son plataformas tecnológicas capaces de escalar software y datos con altos márgenes
· Ni son activos defensivos puros, con flujos de caja previsibles, bajo riesgo y narrativas de estabilidad.
Al situar la IA en el centro del discurso estratégico, Telefónica corre el riesgo de desdibujar su perfil precisamente en un momento en el que los inversores buscan definiciones claras. Si se presenta como actor de transformación tecnológica, se la compara —implícitamente— con compañías cuyo modelo de negocio, estructura de costes y capacidad de captura de valor son radicalmente distintos. Pero si, al mismo tiempo, su realidad financiera sigue siendo la de una teleco madura, intensiva en capital y regulada, el resultado es una disonancia que dificulta su correcta valoración.
Este fenómeno ya se observó en ciclos anteriores del sector: cuando las telecomunicaciones intentaron competir narrativamente con el mundo digital sin poder replicar sus retornos, el mercado respondió ampliando el descuento aplicado a sus múltiplos. En la actual tormenta de la IA, ese riesgo se amplifica porque incluso las grandes tecnológicas están siendo sometidas a un escrutinio severo sobre retornos, disciplina de capital y generación de caja. En ese contexto, el margen de tolerancia para discursos ambiguos es mínimo.
Además, esta zona gris estratégica puede tener consecuencias internas. Una narrativa de centralidad de la IA puede tensionar la asignación de capital, desviar foco directivo y generar expectativas internas difíciles de cumplir, cuando la prioridad real sigue siendo la eficiencia operativa, la calidad del servicio, la reducción de deuda y la estabilidad financiera. El riesgo no es solo externo —cómo percibe el mercado a la compañía—, sino interno: cómo se ordenan las decisiones estratégicas en un entorno de recursos limitados.
Por todo ello, el cierre natural del análisis es claro: en la tormenta actual de los retornos de la IA, Telefónica no está amenazada por quedarse atrás tecnológicamente, sino por no acotar con suficiente precisión el papel que la IA juega en su modelo de negocio. La inteligencia artificial puede y debe ser un vector de eficiencia, resiliencia y mejora operativa. Pero cuanto más se la eleva a motor central de creación de valor, mayor es el riesgo de que el mercado exija retornos, escalabilidad y márgenes que no están al alcance de una operadora de telecomunicaciones tradicional.
En un momento en el que los inversores han pasado del entusiasmo a la disciplina, cerrar esa brecha entre narrativa y realidad no es un matiz comunicativo: es una condición necesaria para preservar credibilidad, estabilidad bursátil y margen de maniobra estratégico. Ese, más que cualquier otra variable tecnológica, es el verdadero desafío de Telefónica en la fase actual del ciclo.
Para terminar el post quiero manifestar que el debate en torno a la inteligencia artificial ha puesto de manifiesto, con una claridad incómoda, las debilidades estratégicas de las telecomunicaciones europeas. Durante años, el sector ha intentado compensar su pérdida de protagonismo económico adoptando narrativas tecnológicas cada vez más ambiciosas, sin haber resuelto antes su posición real en la cadena de valor digital. La IA no ha hecho sino amplificar esa contradicción.
A finales de los años noventa, bastaba con añadir el sufijo “.com” al nombre de una empresa para que el mercado asumiera que el futuro justificaría cualquier inversión. Muchas de aquellas compañías no carecían de tecnología ni de usuarios; lo que faltaba era un modelo claro para convertir adopción en rentabilidad. Cuando el capital empezó a exigir pruebas, la corrección fue inmediata. Hoy, salvando las distancias, el paralelismo no es tecnológico, sino financiero: el mercado vuelve a preguntar quién captura el valor, quién asume el coste y en qué plazos.
Las telecos europeas no son motores de la inteligencia artificial. No desarrollan modelos fundacionales, no controlan plataformas de software a escala global ni poseen los datos de mayor valor económico. Su papel es el de habilitadores y agregadores, esenciales para que el ecosistema funcione, pero estructuralmente alejados de los puntos donde se concentra la rentabilidad. Presentar la IA como eje estratégico de crecimiento no cambia esa realidad; solo la disfraza temporalmente bajo una narrativa que el mercado, cada vez más exigente, ya no acepta sin evidencias.
La dureza del ajuste actual en las expectativas de retorno de la IA ha expuesto el límite de esta estrategia. Mientras incluso los hiperescaladores ven cuestionada su capacidad para monetizar inversiones colosales, las telecos se enfrentan a una paradoja aún mayor: adoptan el discurso de la disrupción sin disponer de los instrumentos para capturar sus beneficios. El resultado es una promesa implícita que no puede cumplirse y que erosiona credibilidad, tanto ante los inversores como ante reguladores y socios industriales.
Más grave aún es que esta huida hacia adelante distrae al sector de su verdadero problema. Las telecomunicaciones europeas no sufren por falta de tecnología, sino por falta de poder económico en el ecosistema digital, por marcos regulatorios que penalizan la inversión y por un modelo de negocio que ha quedado reducido a infraestructura básica. La IA no corrige ninguna de esas debilidades estructurales. Utilizada como herramienta operativa, puede mejorar eficiencia y resiliencia; elevada a salvación estratégica, se convierte en una ilusión costosa.
El riesgo final es quedar atrapados en una estrategia de imitación: hablar como plataformas sin serlo, invertir como tecnológicas sin sus retornos y competir en un terreno donde otros fijan las reglas y capturan el valor. En un momento en el que el mercado exige disciplina, claridad y coherencia, esa ambigüedad no es neutral; es penalizada.
Si algo deja claro la tormenta actual de la IA es que las telecomunicaciones europeas deben elegir. O aceptan su papel como infraestructura crítica y estable, y construyen desde ahí un modelo sostenible y creíble, o seguirán persiguiendo una centralidad tecnológica que no les pertenece. La inteligencia artificial no es el problema. El problema, en compañías como Telefónica bajo la dirección de Marc Murtra, es pretender que una tecnología —por transformadora que sea— puede, por sí sola, corregir años de decisiones estratégicas equivocadas y una pérdida progresiva de relevancia en la economía digital global.
Ya lo dijo Clayton M. Christensen: “La tecnología no crea valor por sí sola; solo lo revela allí donde el modelo de negocio es capaz de capturarlo.”
No hay comentarios:
Publicar un comentario