Inversión en IA: el riesgo de un billón de dólares sin garantía de retorno

⏱ Tiempo de lectura: 5 min

Las grandes tecnológicas invierten cifras récord en infraestructura de IA, pero enfrentan un dilema financiero sin precedentes. Según análisis de académicos de finanzas, estas empresas necesitarán incrementar su productividad 2,7 veces antes de 2030 para justificar los gastos proyectados de 1,1 billones de dólares. Si no lo logran, el sector podría enfrentar la mayor mala asignación de capital en la historia.

El cálculo del riesgo financiero en infraestructura de IA

Jessica Wachter, profesora de finanzas en la Wharton School de la Universidad de Pensilvania y ex economista jefe de la SEC, utilizó un enfoque contable directo para evaluar la viabilidad de la inversión masiva en centros de datos de IA. En lugar de predecir la utilidad de los modelos, calculó qué tan rápido deben crecer las ganancias de las hipergigantes tecnológicas para recuperar su inversión considerando costos de capital, retorno del 15% y depreciación de activos. El resultado: productividad debe multiplicarse por 2,7 antes de 2030. Ese crecimiento equivaldría al que experimentó Estados Unidos durante el boom tecnológico de los años 90, pero comprimido en apenas unos años. En el sector de IA, este timeline plantea desafíos sin precedentes.

Cifras concretas: gasto, ingresos y brecha de rentabilidad

Las hipergigantes—Alphabet, Microsoft, Amazon, Meta y Oracle—gastarán aproximadamente 750.000 millones de dólares este año en centros de datos. Las proyecciones sugieren inversiones superiores a 5 billones de dólares en los próximos cuatro años. Sin embargo, los ingresos totales de IA apenas alcanzan 150.000 a 200.000 millones de dólares anuales, según Gary Gensler, ex presidente de la SEC y actual profesor en MIT Sloan. Esta brecha entre gasto e ingresos es el principal problema. La inversión podría representar cerca del 3% del PIB estadounidense. Además, el flujo de caja libre de estas empresas pronto entrará en territorio negativo. Alphabet reportó un déficit de 5.900 millones de dólares en el último trimestre—su primer déficit desde que Google se hizo pública en 2004—debido al gasto en infraestructura de IA que consumió ingresos de casi 120.000 millones de dólares. Fuente: MIT Technology Review

El desafío de la depreciación acelerada de chips

Un factor crítico agrava el riesgo: el ritmo de progresión tecnológica en chips de GPU. El rendimiento de estos componentes—que representan el 60% de los costos de infraestructura—se duplica aproximadamente cada dos años. Aunque esto explica los avances en capacidades de IA, obliga a los operadores de centros de datos a invertir miles de millones adicionales en nuevas generaciones de chips antes de fin de década para mantener competitividad. Sin estas inversiones, advierte Mihir Kshirsagar del Centro de Política de Tecnología de la Información de Princeton, los centros de datos corren riesgo de convertirse en "cascos"—activos abandonados dispersos geográficamente.

Qué significa para los usuarios y desarrolladores

El resultado de esta apuesta define si los usuarios tendrán acceso a modelos de IA avanzados o si la industria enfrentará una contracción significativa. Los desarrolladores dependen de que estas inversiones generen retorno, pues de lo contrario se ralentizará la innovación en capacidades de modelos. La comunidad hispanohablante seguirá la evolución de esta dinámica, ya que determina la velocidad de adopción y disponibilidad de herramientas de IA en español.

Métrica	Dato
Gasto anual en infraestructura (2026)	750.000 millones de dólares
Proyección de inversión 4 años	Más de 5 billones de dólares
Gasto proyectado acumulado hasta 2027	1,1 billones de dólares
Ingresos totales de IA (2026)	150.000 a 200.000 millones de dólares
Multiplicador de productividad requerido antes 2030	2,7 veces
Retorno mínimo esperado	15%
Déficit de flujo de caja Alphabet (último trimestre)	5.900 millones de dólares (primer déficit desde 2004)
Proporción de costos en chips GPU	60% del costo total de infraestructura
Ciclo de duplicación de rendimiento de GPU	Aproximadamente cada 2 años
Posible representación en PIB estadounidense	Cercana al 3%
Empresas implicadas (hipergigantes)	Alphabet, Microsoft, Amazon, Meta, Oracle
Capacidad de cómputo requerida anual (estimación 2032)	Aproximadamente 183 gigawatts (2025-2032)
Ingresos anuales requeridos para retorno 10% (2032)	Aproximadamente 3,7 billones de dólares
Costo estimado por gigawatt de capacidad	41.000 millones de dólares

Preguntas frecuentes sobre el riesgo de inversión en infraestructura de IA

¿Qué sucede si las hipergigantes no alcanzan los objetivos de productividad?

Según el análisis de Wachter, si no se logra la multiplicación de 2,7 veces en productividad, las empresas enfrentarían incapacidad de pagar intereses sobre deuda, riesgo de quiebra y lo que los investigadores califican como "la mayor mala asignación de capital en la historia". Esto impactaría tanto a inversores como a la economía general.

¿Cuándo se espera que estas inversiones comiencen a rentabilizarse?

El análisis proyecta que antes de 2030 debe evidenciarse el crecimiento en productividad. Sin embargo, algunos modelos sugieren que las ganancias requeridas no se alcanzarían hasta 2032. No hay garantía de que estos plazos se cumplan.

¿Qué papel juega la obsolescencia tecnológica en esta ecuación?

La duplicación de rendimiento cada dos años en chips GPU obliga a reinversiones constantes. Los centros de datos construidos hoy deberán reemplazar su infraestructura de computación antes de fin de década, multiplicando aún más los costos totales del proyecto.

Qué falta por confirmar

Permanece incierto si la demanda real de computación en IA justificará las inversiones proyectadas o si los modelos se volverán más eficientes, reduciendo la dependencia de potencia bruta. También es desconocido si surgirán modelos más económicos que desplacen a los modelos de frontera actuales. El análisis es una evaluación de viabilidad financiera, no una garantía de resultado.

En Inteligencia Artificial, este análisis expone una realidad incómoda: la industria está en una carrera contrarreloj donde el éxito técnico debe sincronizarse con rentabilidad empresarial en un marco temporal comprimido. ¿Logrará la IA generar suficiente valor económico real para justificar la mayor apuesta de capital en la historia tecnológica?

Fuente: www.technologyreview.com