El billonario riesgo de la IA: cuando el gasto en centros de datos no garantiza retorno

Las cuatro grandes tecnológicas que dominan la nube —Google, Amazon, Microsoft y Meta— se preparan para desembolsar más de un billón de dólares en un solo año para ampliar su infraestructura de inteligencia artificial. La cifra es tan descomunal que equivale a más de una quinta parte del PIB de Francia, a casi una vez y media el presupuesto de ese Estado y a todo lo que la economía francesa completa produce en un periodo considerable. La magnitud de la apuesta no tiene precedentes, y su racionalidad depende de una sola premisa: que la IA genere, al final, más valor del que cuesta construirla.

La pregunta no es académica. Jessica Wachter, profesora de finanzas en la Wharton School de la Universidad de Pensilvania, decidió estudiar el fenómeno y se topó con una lista interminable de incertidumbres. Para acotar el análisis partió de un hecho indiscutible: los llamados hiperescaladores están invirtiendo enormes cantidades de dinero en centros de datos. Ese gasto no se discute. Lo que sí se discute es si alguna vez tendrá retorno.

Un estudio del MIT publicado a mediados de 2025 arroja un dato inquietante: el 95% de las empresas que habían implementado herramientas de IA generativa aún no observaban ningún retorno medible. Es decir, casi todas las organizaciones que probaron la tecnología están gastando dinero sin poder demostrar que esa adopción mejore sus resultados. Este tipo de evidencia alimenta la principal advertencia que circula entre los economistas: si no aparece un «auge de productividad» real, el desarrollo actual de infraestructura se convertirá en la mayor asignación errónea de capital de la historia. No se requiere superinteligencia para verlo, advierten.

La lógica detrás de este gasto es conocida. Los hyperscalers necesitan llenar sus nuevas plantas de cómputo con clientes que paguen. Pero esos clientes, con el tiempo —y esto podría estar ocurriendo ya—, necesitarán justificar sus desembolsos ante sus propios directorios. Para que la ecuación cierre, la IA debe cumplir su promesa de hacer más productivos a los trabajadores y más rentables a las empresas. El problema es que se necesitan tres apuestas simultáneas: que los hiperescaladores generen ingresos masivos, que la IA impulse un crecimiento económico generalizado y que ambas cosas ocurran mientras se sostienen los niveles de gasto. Lo que la hace tan compleja es que cada apuesta depende de las otras dos, pero plantea riesgos propios e independientes.

En este escenario, las empresas latinoamericanas tienen un papel que suele ignorarse. Son clientes de esa misma infraestructura. La región depende de los hiperescaladores para ejecutar sus cargas de trabajo en la nube, entrenar modelos y operar aplicaciones de IA. Si el actual nivel de inversión no se rentabiliza, las consecuencias no quedarán encerradas en los balances de las tecnológicas: habrá presión para subir precios, recortar servicios o ralentizar la expansión de centros de datos en mercados emergentes. Los equipos de tecnología en América Latina que hoy migran a la nube y adoptan herramientas de IA deberían preguntarse si su proveedor tiene un modelo de negocio sostenible o si está financiando una apuesta que podría estallar a mediano plazo.

Hay un matiz adicional que las empresas de la región deberían observar con atención. Parte del crecimiento del gasto en IA se ha sostenido con el efectivo acumulado por las propias tecnológicas durante años, pero cada vez más se financia con deuda. Eso amplifica el riesgo: si la burbuja se pincha, no se trata de una corrección bursátil cualquiera, sino de un problema de solvencia que golpearía a toda la economía que depende de esos servicios. La salud financiera de los gigantes de la IA es, también, un riesgo sistémico para sus clientes en todo el mundo.

No todo es negativo. El ritmo de progreso también implica que los modelos se vuelven más eficientes y menos dependientes de la potencia computacional bruta. Es posible que la tecnología se abarate antes de que la burbuja explote. Pero confiar en eso es una apuesta, no una estrategia. Para un ejecutivo latinoamericano, la lección concreta es no confundir adopción de IA con productividad. Invertir en herramientas de IA sin métricas claras de retorno replicará, a menor escala, el mismo error que hoy preocupa a los economistas.

La pregunta que cada director de tecnología en la región debería tener en su próxima reunión de presupuesto es sencilla: si los hiperescaladores están dispuestos a arriesgar un billón de dólares anuales en esta apuesta, ¿qué evidencia exige mi empresa antes de comprometer los siguientes pesos de inversión? El que no pueda responderla probablemente esté financiando, sin saberlo, el mayor experimento económico de la década y cargando con su factura.