La inteligencia artificial no solo se construye con algoritmos; también se financia con deuda. Lambda, un proveedor de nube especializado en IA, obtuvo cerca de US$1.000 millones en deuda privada de corto plazo, estructurada por JP Morgan, para comprar GPUs de Nvidia que Microsoft arrendará. Esta operación se suma a un préstamo previo de US$926 millones y ocurre mientras la empresa negocia una ronda de hasta US$3.000 millones previa a una posible salida a bolsa. El patrón es claro: la capacidad de cómputo se ha convertido en un activo tan estratégico que las empresas están dispuestas a endeudarse masivamente para asegurarlo.
Según datos de Bloomberg, solo en 2026, bancos y tecnológicas han recaudado más de US$400.000 millones en deuda relacionada con IA a nivel global. Las Noticias de la IA y DiarioBitcoin coinciden en que Lambda opera como una "neocloud": compra equipos y los alquila a clientes que no pueden o no quieren invertir en su propia infraestructura.
El colateral que se deprecia rápido
El paper académico de Sang Rae Kim (Kyung Hee University) analiza este fenómeno con una mirada crítica. Titulado "Chits as Collateral", el estudio describe cómo los inversores financian hardware de IA a través de vehículos especiales que compran chips, los alquilan a empresas con restricciones de crédito y emiten notas respaldadas por los propios chips. La particularidad es que el fabricante (Nvidia) garantiza parte del valor residual. Esto crea una contradicción: la misma empresa que garantiza el colateral decide qué tan rápido se vuelve obsoleto.
Kim demuestra que el precio del arrendamiento no se basa en pérdidas esperadas, sino en la covarianza entre incumplimiento y recuperación: cuando la demanda de IA se detiene, los arrendatarios no pagan y el valor de reventa de los chips cae simultáneamente. Además, un tope de garantía moderado es más eficiente que uno grande, porque un tope excesivo nunca se alcanza en una recesión, y el seguro contra obsolescencia le da al monopolista un incentivo para innovar más lento, protegiendo su propio inventario. Enlace al paper
El riesgo oculto para América Latina
Mientras los gigantes como Microsoft y Nvidia manejan estos riesgos con equipos de finanzas sofisticados, las empresas latinoamericanas enfrentan una situación diferente. La región no tiene hiperscalers locales, pero sí una demanda creciente de IA en banca, retail, salud y gobierno. Los ejecutivos que quieran usar modelos avanzados necesitan acceso a GPUs, y las opciones son limitadas: alquilar en nubes extranjeras (con costos en dólares y dependencia de infraestructura externa) o intentar construir capacidad propia, lo que requiere inversiones millonarias que pocos balances regionales pueden sostener.
Esa tendencia de financiamiento con deuda, que en Estados Unidos permite a empresas como Lambda adquirir equipos para alquilarlos a Microsoft, no se ha replicado en la región. No existen vehículos de deuda locales que financien infraestructura de IA con chips como colateral, y los bancos latinoamericanos aún no tienen experiencia en valuar GPUs ni en estructurar leases tecnológicos. Esto deja a las empresas locales en desventaja competitiva frente a norteamericanas que pueden acceder a capacidad de cómputo masiva sin desembolsar capital de una vez.
Qué deben hacer los ejecutivos
Para un CTO o CFO en México, Brasil o Colombia, la lección es práctica. Primero, entender que el financiamiento de infraestructura de IA está evolucionando: la deuda estructurada, los vehículos de propósito especial y las garantías de fabricante son herramientas que pronto podrían estar disponibles en la región. Segundo, monitorear la depreciación de los chips: si la obsolescencia es tan rápida como plantea el paper, alquilar capacidad puede ser más eficiente que comprar equipos que perderán valor en pocos años. Tercero, considerar alianzas con proveedores de nube internacionales que ya están usando estos esquemas, como Lambda, para acceder a capacidad sin asumir el riesgo de propiedad.
Se está convirtiendo la IA en un negocio de infraestructura financiera, y América Latina no puede quedarse observando. Las decisiones de inversión en cómputo deben incluir análisis de riesgo de obsolescencia, costos de deuda y estructuras de garantía, tal como lo hacen las grandes tecnológicas. La pregunta no es si las GPUs llegarán a la región, sino quién las pagará y bajo qué condiciones.
