La reciente Carta Encíclica Papal del santo padre León XIV (Magnifica Humanitas), fechada en Roma el día 15 de mayo de 2026 y titulada “La custodia de la persona humana en la era de la inteligencia artificial”, sirve como puntapié para traer a debate en Argentina un tema de máxima actualidad a nivel mundial: la mirada de un país frente a la inteligencia artificial como tecnología transformadora dentro de una economía digital en la que, la persona humana, ocupa múltiples y antagónicos roles (de proveedor de tecnología versus usuario de tecnología).

La Encíclica grafica –de manera bíblica– cómo el desarrollo tecnológico podría traer progreso, o por el contrario, daño a la humanidad. Y para ello, sitúa del lado de la imagen de la torre de Babel a la deshumanización, y del lado de la reconstrucción de Jerusalén a la humanización. No propicia la elección entre un ‘sí’ o un ‘no’ respecto del uso de la tecnología sino, por el contrario, plantea la discusión entre construir Babel o Jerusalén al momento de discernir sobre cómo vivir con responsabilidad en la era de la inteligencia artificial (IA).

Las inquietudes más relevantes que creo plantea la encíclica sobre la inteligencia artificial son: a) la IA está más “cultivada” que “construida”; b) la IA no debe equipararse a la “inteligencia humana” ya que no vive una experiencia, ni percibe dolor ni tampoco siente alegría; c) la IA no tiene una conciencia moral; d) la IA nunca es un hecho puramente técnico; e) la IA no es moralmente neutra; f) es necesario delimitar la responsabilidad de quienes intervienen en todas las etapas; y g) es preciso identificar quién debe “rendir cuentas” de las decisiones, así como motivarlas, controlarlas y cuestionarlas, y remediar los daños que deriven de ellas.

Ahora bien, uno de los retos que desde el punto de vista regulatorio plantea la encíclica es la necesidad de adoptar instrumentos normativos adecuados capaces de salvaguardar la justicia y que permitan contener los efectos distorsionadores del poder tecnológico. En este punto surge el interrogante sobre qué postura podría la Argentina adoptar, en función de la recomendación papal, ya que actualmente estamos ante un vacío legal en materia regulatoria por no existir una ley nacional sobre Inteligencia Artificial (más allá de la existencia de la Disposición n.º 2/2023 de la Subsecretaría de Tecnologías de la Información de la Jefatura de Gabinete de Ministros denominada “Recomendaciones para una Inteligencia Artificial Fiable”, la que tiene carácter de soft law).

Ahora bien, limitar el debate a la mera necesidad de sancionar una ley nacional sería quedarnos en la superficie de la advertencia papal. El desafío de construir “Jerusalén” en lugar de “Babel” exige ir un paso más allá de la técnica jurídica y plantear una pregunta que cala hondo en la organización misma del Estado: ¿puede la estructura institucional actual afrontar los desafíos que plantea la IA?

En sintonía con las inquietudes de la encíclica, la Unión Europea adoptó un marco jurídico uniforme para sus Estados miembros: el Reglamento de Inteligencia Artificial (UE) 2024/1689. Su premisa rectora es promover la adopción de sistemas de inteligencia artificial que se centren prioritariamente en el ser humano, que resulten fiables y que, por sobre todas las cosas, garanticen la protección de la salud, la seguridad y los derechos fundamentales. Para lograrlo, el Reglamento estructura las obligaciones en función de cuatro niveles de riesgo —inaceptable, alto, limitado y mínimo—, de modo que las exigencias legales se endurecen a medida que aumenta el peligro potencial del sistema.

Ahora bien, cabe preguntarse: ¿es realmente eficaz regular la Inteligencia Artificial basándose en una categorización estática del riesgo? Para abordar este interrogante resulta sumamente ilustrativo recurrir a Friedrich Hayek. El Premio Nobel de Economía revolucionó la teoría institucional al advertir sobre el problema del “conocimiento disperso”: los legisladores no poseen, ni pueden concentrar, la infinidad de información y variables que se generan dinámicamente en la sociedad como para realizar un cálculo ético y regulatorio eficiente sobre lo que está bien y lo que está mal.

Si extrapolamos este postulado a la complejidad de la Inteligencia Artificial, la limitación del Estado se hace aún más evidente. La realidad es que ningún organismo centralizado puede asegurar que una etiqueta estática como “alto riesgo” se condiga de manera invariable con la amenaza real del sistema, la cual muta según el contexto específico en el que se aplique.

Sin lugar a dudas, el foco del Reglamento está basado en la Carta de los Derechos Fundamentales de la UE, un enfoque que se alinea en definitiva con las recomendaciones humanistas de la encíclica. Sin embargo, surgen dilemas operativos insoslayables: ¿cómo garantizar el cumplimiento simultáneo de todos los derechos de la Carta en cada sistema de IA? ¿Cómo ponderar o hacer un cálculo ético, por ejemplo, entre el derecho a la vida y la protección de datos personales? Estas complejas encrucijadas son las que configuran el núcleo de lo que hoy conocemos como la ética de la IA.

La recomendación papal de adoptar instrumentos normativos adecuados junto con las premisas europeas, podrían resultar sumamente orientativas –en materia de adopción regulatoria para Argentina– a efectos de hacer efectiva la protección de la dignidad humana frente a la revolución de las infraestructuras digitales. En concreto, una de las medidas preventivas papales que se propone, sería la clara asignación de las responsabilidades que tendrá cada uno de los actores que intervienen en todo el proceso de desarrollo de un sistema de IA, lo que se traduce en: lograr identificar quiénes deberán rendir cuentas, y quiénes tendrán que remediar un daño cuando el mismo se ha producido por distintos factores (por ejemplo, cuando existe un error en el funcionamiento del sistema lo que provoca un output equivocado, defectos en el diseño del algoritmo, sesgos discriminatorios, comportamientos autónomos no previstos combinado con el uso de cajas negras, brindar información falsa, uso incorrecto del operador, delegación total en el sistema, fallas de ciberseguridad, etc.).

Identificar a los responsables y reparar los daños causados por estas tecnologías exige, sin embargo, desentrañar una complejidad técnica que desafía las capacidades del derecho tradicional. Dentro del campo de la IA, en una relación de género a especie, encontramos el aprendizaje automático o Machine Learning (ML) —con sus métodos supervisados, no supervisados y por refuerzo— y, en su núcleo más complejo, el aprendizaje profundo o Deep Learning (DL). Este último utiliza redes neuronales profundas que operan bajo el fenómeno de las “cajas negras” (Cfr. Alfonso Delgado de Molina Rius).

Como sostiene calificada doctrina local, comprender la distinción entre ML y DL es crucial, ya que la naturaleza de las cajas negras dinamita la posibilidad de dar una trazabilidad absoluta al proceso que genera un resultado, volviendo la tarea de “rendir cuentas” un verdadero laberinto técnico (Cfr. Corvalán, Nanclares, Díaz Dávila, Simari). Esta opacidad algorítmica nos devuelve inevitablemente a la advertencia de Hayek: si los operadores y diseñadores se enfrentan a un proceso que no pueden auditar enteramente en tiempo real, el legislador centralizado queda completamente a ciegas, desprovisto del conocimiento necesario para dictar una regulación estática y eficaz.

Sin lugar a dudas, el desafío que enfrenta la Argentina para garantizar un uso ético de la IA radica en no caer en la trampa de los catálogos estáticos de riesgo que ya criticamos, sino en combinar de forma armónica dos pilares esenciales: por un lado, el compromiso de diseñar marcos jurídicos adaptables y dinámicos y, por el otro, el compromiso indeclinable de una supervisión humana y profesional continua desde el diseño inicial del sistema hasta su puesta en marcha.

Para ello, calificada doctrina extranjera (Elen Irazabal Arana) advierte la necesidad de contar con equipos multidisciplinarios de profesionales (tales como Head of Data, Data Scientists, Data Engineers, Data Architects, Data Visualization Specialists y Lawyers). Esta aproximación es, fundamentalmente, la respuesta institucional y práctica a la tesis de Friedrich Hayek en su célebre ensayo “The Use of Knowledge in Society” (El uso del conocimiento en la sociedad). Si el regulador centralizado es incapaz de encasillar el riesgo real de un algoritmo debido a la opacidad de las cajas negras, la solución no es una etiqueta legislativa fija, sino el aprovechamiento del conocimiento disperso y especializado de estos expertos, quienes deben intervenir tanto en la fase de desarrollo del plan y creación del modelo, como en el seguimiento continuo del proyecto.

El desarrollo de la IA no tiene por qué enfrentar la regulación con la innovación. En el escenario global contemporáneo, las reglas claras, la previsibilidad y los marcos jurídicos competitivos no ahuyentan el capital; al contrario, atraen la inversión de calidad. La seguridad jurídica genera una doble ventaja: protege a la persona frente a la incertidumbre de un sistema tecnológico que el propio Estado no puede predecir y, simultáneamente, le ofrece al inversor el terreno firme que toda decisión de largo plazo necesita. Un marco enfocado en la gobernanza dinámica y la responsabilidad profesional no es, entonces, un freno al progreso, sino la única vía para poner la innovación al servicio de la dignidad humana. Es, en definitiva, la herramienta institucional para asegurar que el desarrollo tecnológico en nuestro país sea el andamiaje de nuestra propia Jerusalén, y nunca los cimientos de una nueva Babel.

El autor es abogado, LLM –Master of Laws– y especialista en Derecho Empresario, Nuevas Tecnologías y Finanzas

La economía muestra señales de recuperación en el agregado: según estimaciones preliminares del Indec, el Producto Bruto Interno (PBI) creció 2,3% interanual en el primer trimestre de 2026. Sin embargo, este repunte coexiste con un consumo masivo y ventas minoristas que continúan debilitados, lo que genera una recuperación “en K” o heterogénea.

La inversión privada bruta (medida a través de la formación bruta de capital fijo) cayó un 11,6% interanual en el mismo período, según el mismo organismo, mientras la mora en el crédito a familias se mantuvo en niveles elevados.

Los datos privados de consultoras especializadas confirman el contraste. Según la consultora Scentia, el consumo masivo acumuló una caída del 3,3% en el primer cuatrimestre de 2026. En abril, la contracción fue del 3,8% interanual (y del 4,7% mensual), con los supermercados liderando las bajas (4,5% interanual y un acumulado de 5,2% en el cuatrimestre). Canales como autoservicios independientes y mayoristas también registraron retrocesos. Otros indicadores, como el Índice de Consumo Privado de la Universidad de Palermo (ICP-UP), mostraron una baja interanual del 2,2% en mayo y un acumulado negativo del 1,8% en lo que va del año.

Esta debilidad del consumo de bienes básicos contrasta con un consumo privado agregado que, según las cuentas nacionales, mostró mayor resiliencia, impulsado por bienes durables, importados y financiados con crédito.

La explicación central radica en la caída de la inversión: la formación bruta de capital fijo representa un motor clave del empleo y los ingresos permanentes. Su contracción del 11,6% en el primer trimestre limitó la generación de puestos de trabajo de calidad y la expansión de la capacidad productiva, lo que afectó directamente el poder de compra de los hogares de ingresos medios y bajos.

A esto se suma la elevada mora crediticia. Según el Informe de Bancos del BCRA, la morosidad en los créditos a personas físicas alcanzó niveles récord en los primeros meses de 2026 y llegó a 11,5% (casi triplicó el registro de un año atrás, que rondaba el 3%). Los préstamos personales y las tarjetas de crédito concentraron los mayores incumplimientos. Esta situación restringió el acceso al financiamiento para el consumo y la inversión de las familias, lo que perpetuó un círculo vicioso de bajo gasto y cautela.

El panorama no es enteramente negativo. La inflación continuó su tendencia a la baja. En mayo de 2026, el IPC registró un alza mensual del 2,1%, con un acumulado del año del 14,7% y una variación interanual del 33,2%, según el Indec. Las expectativas de mercado (Relevamiento de Expectativas de Mercado del BCRA) apuntaron a una continuidad de la desaceleración, y con la posibilidad de perforar el umbral del 2% mensual.

En simultáneo, los salarios nominales mostraron incrementos significativos. El índice de salarios del Indec registró subas mensuales del orden del 3,4-3,7% en los primeros meses de 2026 y variaciones interanuales superiores al 36%. Con la inflación desacelerándose, los salarios reales comenzaron a mostrar señales de recuperación, o al menos de menor erosión, en los últimos períodos. Eso sentó las bases para un repunte gradual del poder adquisitivo si esta tendencia se consolida.

Para que el crecimiento del PBI se traduzca en un consumo masivo más dinámico y sostenido, se requieren acciones en varios frentes interrelacionados:

1. Consolidación de la desinflación y recuperación real de los salarios: la baja de la inflación es condición necesaria, pero no suficiente. Se necesita que los ingresos laborales (especialmente en sectores formales y de menor calificación) ganen terreno de manera sostenida frente a los precios. Esto implica mantener la disciplina fiscal y monetaria para anclar expectativas y evitar reversiones.
2. Reactivación de la inversión privada como motor de empleo e ingresos: la caída de la formación bruta de capital fijo es el principal lastre. Para revertirla se requieren incentivos claros: reducción de la carga impositiva (especialmente distorsiva), desregulación de trámites y sectores clave, y estabilidad macroeconómica (equilibrio fiscal primario sostenido, política monetaria creíble y tipo de cambio predecible). La inversión genera empleo directo e indirecto, eleva la productividad y expande la base de ingresos permanentes que sustentan el consumo.
3. Normalización del crédito al consumo: la alta mora (récord en más de 20 años para las familias) limita el apalancamiento sano del gasto. Una combinación de crecimiento económico, mayor confianza institucional y eventuales mecanismos de reestructuración ordenada podría reducir los niveles de irregularidad, lo que liberaría capacidad de endeudamiento productivo sin generar burbujas.
4. Reducción de la incertidumbre electoral y construcción de consensos institucionales: Argentina enfrenta un período de transición de aproximadamente 18 meses hasta las próximas elecciones presidenciales. Esta ventana genera cautela en decisiones de inversión y consumo de mediano plazo. El desafío central es transformar este “puente” en una oportunidad para consolidar reglas de juego estables que trasciendan a un solo gobierno.

El objetivo deseable es escapar del péndulo histórico de cambios abruptos de signo político que erosionan la confianza. Esto requiere consensos básicos transversales sobre:

• Orden fiscal (superávit primario estructural y deuda sostenible)
• Estabilidad monetaria y cambiaria (con reglas claras que minimicen la volatilidad)
• Reducción sostenida de impuestos y regulaciones excesivas que desalientan la formalidad y la inversión
• Incentivos explícitos a la inversión privada (seguridad jurídica, protección de derechos de propiedad y apertura selectiva)

Estos pilares permitirían atraer capitales de largo plazo, elevar la productividad y generar un círculo virtuoso en el que el crecimiento se distribuya más ampliamente hacia el consumo masivo. Sin ellos, el riesgo es que la recuperación siga siendo parcial, concentrada en sectores específicos y vulnerable a shocks.

En síntesis, el consumo doméstico necesita más que una baja de la inflación: requiere inversión que genere empleos de calidad, crédito accesible y, fundamentalmente, un marco institucional que reduzca la incertidumbre y privilegie la continuidad de políticas de Estado básicas.

Los próximos meses serán clave para avanzar en reformas que transformen el actual crecimiento macro en bienestar microeconómico tangible para la mayoría de los hogares. La evidencia histórica y comparada muestra que los países que lograron escapes sostenidos de ciclos de inestabilidad combinaron estabilización macro con instituciones creíbles y consensos mínimos que perduran más allá de los ciclos electorales.

Argentina tiene la oportunidad de construir ese puente hacia una senda de mayor previsibilidad y desarrollo inclusivo.

El autor es Analista Económico y director de la Consultora Focus Market

Las empresas que componen los principales índices bursátiles suelen ser como una foto de la economía.

En 1985, entre las principales empresas que componían el S&P500 estaban Standard Oil, Exxon, IBM, General Motors y AT&T. Por entonces, las empresas que extraían petróleo, fabricaban automóviles y tendían cables de cobre representaban alrededor del 20% del índice.

Hoy, las mayores empresas del índice explican el 38% del S&P500 y son, casi en su totalidad, tecnológicas. La foto está tomada antes de que SpaceX, OpenAI y Anthropic ingresen a los índices.

El índice capta los cambios en la estructura de la economía americana. Estados Unidos es líder indiscutido en empresas tecnológicas, y el índice S&P500 lo refleja con su creciente ponderación. Pero para el inversor esto implica un riesgo: el índice pierde atractivo como herramienta de diversificación y concentra el riesgo en un sector.

Otro aspecto a seguir por el inversor es la evolución de la relación precio-beneficio (P/E o PER) del S&P500, actualmente en 20, muy cerca de su máximo. Esto significa que el mercado está pagando USD 20 por cada dólar de ganancia annual que generan las empresas del índice. Dicho de otra forma, el flujo de dividendos del S&P500 está cerca de su mínimo histórico, actualmente en 1,6% anual.

Ambos fenómenos (menor diversificación y menor flujo de dividendos) en los principales índices del mercado americano se explican por el ingreso de empresas tecnológicas que generan más expectativas que dividendos, al menos en el corto plazo. Este rasgo se potenciará con el ingreso de SpaceX y, en breve, OpenAI y Anthropic.

Tras su salida a Bolsa días atrás, la capitalización de SpaceX ya supera los USD 2,4 billones, y se posiciona como la sexta empresa más valiosa del mundo, por debajo de Microsoft y Amazon.

Pero el mecanismo por el cual SpaceX entra a los índices también afecta su valuación.

Días antes de que SpaceX cotice en bolsa, Nasdaq aprobó nuevas reglas de entrada rápida: cualquier empresa entre las 40 más grandes por capitalización puede ingresar al Nasdaq-100 en apenas 15 días hábiles, sin requisito mínimo de free float.

Con un float público del 3-5% y una capitalización de USD 2,4 billones, SpaceX en breve entraría al Nasdaq-100 con un peso estimado de entre 1,8% y 2,6 por ciento.

S&P500

El S&P 500 resistió la presión: mantuvo sus requisitos de 12 meses de cotización y cuatro trimestres de ganancias GAAP positivas. SpaceX, con pérdidas de $4.940 millones en 2025, no califica.

El abrupto ingreso de SpaceX a los índices crea un flujo de compra “forzada” en dos actos: el primero inmediato (Nasdaq-100 y Russell), el segundo diferido a 2027 (S&P 500).

El riesgo para el inversor es que el precio de SpaceX no necesariamente refleje las expectativas del mercado sobre la empresa, sino la necesidad de compras masivas solo para replicar el índice.

El resultado es que el inversor que tiene un ETF del QQQ (Nasdaq) en breve se convertirá en comprador de una empresa que cotiza a 70 veces ingresos futuros y cuyo modelo de negocio central -Starship, datacenters orbitales, Grok- aún no genera un dólar de revenue comercial.

SpaceX cotiza a 156 veces su Ebitda de 2025 y a 70 veces sus ingresos proyectados para 2026. El sector aeroespacial y de defensa cotiza, en promedio, a 13,8 veces.

La diferencia -más de USD 1,2 billones de capitalización adicional- es el precio que el mercado le asignó a tres promesas sin revenue comercial demostrado: Starship como plataforma de lanzamiento masivo de bajo costo, datacenters orbitales alimentados por energía solar en órbita baja y Grok de xAI como modelo de IA competitivo.

El propio S-1 de SpaceX lo reconoce con inusual franqueza: el fracaso en escalar Starship ‘retrasaría o impediría nuestra capacidad de lograr otros objetivos comerciales’.

El mercado tiene todo el derecho de creer en Elon Musk. Su historial lo avala: los cohetes reutilizables que la industria descartaba, los autos eléctricos que Detroit ignoró, la internet satelital que parecía ciencia ficción.

Es un disruptor genuino, de la estirpe más rara, y el primer trillonario de la historia no llegó a esa cifra por azar. Pero el respeto por el constructor no puede sustituir al análisis del activo ni al escrutinio del sistema que ese activo transforma.

No está en discusión que todo negocio tiene sus tiempos de maduración. SpaceX todavía no genera ganancias, pero el mercado apuesta a que las generará. Lo mismo sucede con las principales empresas de IA que en breve desembarcan en bolsa y piden espacio en los índices.

Esto genera una segunda capa de riesgo: la concentración de empresas no solo del mismo sector, sino -además- interdependientes entre sí, lo que eleva el riesgo del índice por falta de diversificación.

El ecosistema de empresas que hoy dominan la IA tiene una compleja red de participaciones accionarias cruzadas y acuerdos comerciales entre ellas. Eso hace que un shock en cualquier nodo del negocio se propague a todas con suma facilidad. Dicho de manera simple: se hace difícil diversificar incluso dentro del sector tecnológico. Pero existe una capa de riesgo adicional.

El inversor que anticipó el colapso subprime en 2008, Michael Burry, advirtió que las empresas del Magnificent 7 están “subestimando la depreciación” de su infraestructura de IA para proteger sus ganancias reportadas, y extienden artificialmente la vida útil de chips y servidores.

Burry estima que si se usara un ciclo de depreciación más exigente, la rentabilidad reportada desaparecería en varias de las empresas. El mismo ecosistema que se financia entre sí, se vende chips entre sí y se compra cloud entre sí también reporta las ganancias de esas transacciones circulares con criterios contables artificialmente optimistas. La consecuencia directa es que la “diversificación” que promete un índice como el S&P 500 o el Nasdaq-100 es, en este contexto, una ilusión.

Si Nvidia sufre un shock competitivo -un chip chino más barato, una restricción de exportación más severa, una desaceleración del capex en IA-, el impacto no se limita a Nvidia: se propaga a OpenAI y Anthropic (sus clientes de chips), a Microsoft y Amazon (que venden esos chips vía cloud), a todos los que tienen participaciones cruzadas en esas empresas y, a través de ellos, al índice entero.

Un shock que antes habría afectado a un sector hoy afecta al 40-45% del S&P 500 simultáneamente, y pone en evidencia la magnitud del riesgo sistémico.

Lo que este análisis revela es un riesgo sistémico de tres capas:

1. Concentración histórica en índices, con el 38% del S&P 500 en diez empresas relacionadas con IA, camino al 42-46% cuando ingresen SpaceX, OpenAI y Anthropic.
2. Interconexión entre esas mismas empresas mediante participaciones cruzadas, contratos circulares de chips y cloud, y acuerdos de inversión que hacen que un shock en cualquier nodo se propague al resto y, por extensión, al índice entero.
3. El más oscuro: las ganancias contables que muchas de estas empresas proyectan a futuro. Michael Burry estima que desaparecen con solo aplicar una depreciación del capital más acelerada.

En definitiva, el mecanismo de transmisión al ahorrista en índices es concreto e inevitable: cuando SpaceX entre al Nasdaq-100 en julio de 2026 y al S&P 500 en 2027, los fondos indexados estarán obligados a comprar. No porque hayan analizado el S-1, no porque crean en Starship, no porque hayan decidido asumir ese riesgo: solo porque la mecánica del índice lo exige.

¿Qué ocurre si la carrera de modelos de IA converge hacia un único superviviente y no es Grok? ¿Qué ocurre si China desarrolla un chip que desplaza el monopolio de Nvidia? ¿Qué ocurre si los reguladores exigen a estas empresas depreciar su infraestructura a mayor velocidad? ¿Qué ocurre si de los cuatro motores de IA solo sobrevive uno?

Cada una de esas preguntas, que antes era un riesgo idiosincrático de un sector, hoy es un riesgo sistémico de mercado. El índice que tiempo atrás lograba proteger al ahorrista a través de la diversificación fue perdiendo esa cualidad ante la nueva estructura de la economía de EEUU, con notable protagonismo de las empresas tecnológicas, muchas de ellas ligadas entre sí.

No hay duda de que la IA ya está aumentando la productividad de toda la economía de Estados Unidos. Nadie niega lo disruptivo de esta nueva tecnología. El punto es el riesgo sistémico que acarrea para el inversor una apuesta casi unidireccional, llena de desafíos tecnológicos que aún no conocemos.

El autor es CEO Pampa Capital / Profesor MFIN – UTDT