Reading · MDBBolsa’s Newsletter

Buenas a todos!

Bienvenidos a este post en el que actualizaremos la situación y os compartiré todo lo que he ido aprendiendo desde que publiqué la tesis de S&P Global, allá por noviembre del año pasado.

Una tesis tiene que estar en un proceso constante de aprendizaje y actualización, y son este tipo de posts, en los que nos adentramos en información y pensamientos bastante más avanzados, los que pienso que tienen mucho valor.

Los resultados anuales ya los cubrimos por aquí. Estaba casi todo en abierto, lo de hoy será todo contenido nuevo:

Hoy venimos a actualizar un montón de cosas, pues ahora tenemos mucha más información que hace 9 meses.

Es difícil contar cosas nuevas de compañías tan seguidas… pero hace un tiempo que lo llevamos consiguiendo y, personalmente, creo que son los posts más originales y valiosos.

Durante los últimos meses, el mercado ha empezado a hacerse una pregunta bastante incómoda sobre S&P Global.

¿Qué ocurre con una compañía que cobra miles de millones por vender información cuando una inteligencia artificial puede analizar, resumir y procesar esa información en cuestión de segundos?

A primera vista, la respuesta no parece demasiado favorable.

Si un analista puede preguntarle directamente a Claude o ChatGPT por una compañía, generar un modelo financiero, analizar una transcripción o encontrar en segundos algo que antes requería horas navegando por Capital IQ, parece razonable pensar que una parte del valor de S&P Global está destinada a desaparecer.

Y, de hecho, ese miedo explica buena parte de las dudas que han rodeado a la compañía durante los últimos meses.

Pero creo que estamos empezando a descubrir que la pregunta estaba mal planteada. Porque un modelo de lenguaje puede ser extraordinariamente bueno interpretando información. Lo que no puede hacer es inventar el dato que necesita interpretar.

No puede fabricar el precio de referencia del Brent. No puede crear una calificación crediticia aceptada por el mercado. No puede decidir qué compañías forman parte del S&P 500. Y, cuando un banco utiliza IA para tomar decisiones sobre miles de millones de dólares, tampoco puede permitirse que la respuesta sea simplemente “probablemente correcta”.

Necesita saber de dónde viene el dato. Necesita poder verificarlo. Y, sobre todo, necesita confiar en él. Ahí es donde la historia empieza a ponerse interesante.

Porque mientras los modelos de lenguaje se vuelven cada vez mejores y potencialmente más intercambiables, el activo que alimenta esos modelos puede estar volviéndose más valioso.

Y S&P Global lleva décadas acumulándolo.

De hecho, ya estamos empezando a ver algunas consecuencias bastante contraintuitivas: clientes consumiendo más datos, llamadas a sus APIs disparándose, bancos pagando primas por datasets preparados específicamente para IA y una compañía que, al mismo tiempo, está utilizando esa misma tecnología para reducir el coste de producirlos.

Así que este artículo parte de una pregunta muy sencilla:

¿Y si la IA no estuviera erosionando el moat de S&P Global, sino haciéndonos descubrir dónde estaba realmente?

Hoy toca averiguarlo.

Café para cafeteros…

El chaleco antibalas de SPGI
¿Cómo de irreplicables son los datos? Y la importancia de la distribución
La IA por la parte de Ingresos
Kensho
La IA por la parte de Costes
Catalizadores y vientos de cola
Review de los resultados del Q2
Valoración

🔨 Modelo Completo | 💎 Empresas Quality Growth |🚀 Empresas Growth |

🧠 Artículos de Inversión 1⃣ 4⃣

🟠 Artículos SA 1⃣0⃣0⃣

✍️ MDB Journal 3⃣6⃣

Actualización Tesis S&P Global

Comments