Márgenes comprimidos y crecimiento acelerado: la paradoja de las empresas de IA en bolsa
Cerebras Systems reportó ingresos de 193 millones de dólares en el primer trimestre, un incremento del 94% respecto al año anterior, y redujo su pérdida neta de 23.9 a 14 millones de dólares. A pesar de estos resultados, sus acciones cayeron cerca del 20% en una sola sesión, una reacción que ilustra una tensión estructural cada vez más frecuente en empresas de infraestructura de inteligencia artificial: el mercado penaliza la compresión de márgenes incluso cuando el crecimiento de ingresos es robusto.
El detonante fue la guía de margen bruto anual proyectado: entre 38% y 41%, frente al 47% registrado en el trimestre. El CEO Andrew Feldman aclaró que la contracción responde a una decisión operativa deliberada: arrendar temporalmente parte de su propio equipo a un cliente estratégico mientras construye y despliega su propia infraestructura de centros de datos. En otras palabras, la empresa está sacrificando rentabilidad de corto plazo para escalar capacidad sin depender exclusivamente de capital propio. Este tipo de decisiones —comunes en fases de expansión acelerada— suelen ser malinterpretadas por mercados que priorizan métricas trimestrales sobre estrategia de largo plazo.
Para estrategas corporativos e inversores en México y América Latina, el caso ofrece una señal relevante: la valoración de empresas de IA en etapa de escala no puede leerse únicamente con los parámetros tradicionales de margen y utilidad. Según el informe de McKinsey 'The State of AI' (2024), las organizaciones que invierten en infraestructura propia de IA reportan ventajas competitivas sostenibles a partir del tercer año, aunque con presión sobre márgenes en los primeros ciclos de despliegue. La capacidad de comunicar esa estrategia con claridad al mercado —y de que el mercado la comprenda— se convierte en una competencia crítica para los equipos directivos de cualquier empresa tecnológica que cotice en bolsa o busque financiamiento institucional.
