La IA que estrangula el flujo de caja: Big Tech gasta más de lo que gana

El mercado acaba de recibir una señal que llevaba meses anunciándose pero que muchos preferían no ver. Por primera vez desde que comenzó la carrera por la inteligencia artificial, el gasto combinado en infraestructura de los cinco hiperescaladores más grandes del mundo —Amazon, Alphabet, Microsoft, Meta y Oracle— ha superado su capacidad de generar efectivo. El flujo de caja libre agregado del grupo tocará cero durante el tercer trimestre de 2026, según el análisis de Epoch AI sobre datos de la SEC. En palabras más simples: estas compañías están quemando cada dólar que ganan —y más— en servidores, GPUs y centros de datos.

La magnitud del desembolso es difícil de procesar. Solo en 2026, Amazon gastará aproximadamente 200 mil millones de dólares; Alphabet prevé entre 180 y 190 mil millones; Microsoft ronda los 190 mil millones; y Meta elevó su guía a entre 125 y 145 mil millones. Sumando a Oracle, la cifra combinada supera los 725 mil millones de dólares, un 77% más que los 410 mil millones de 2025. Y Wall Street ya proyecta que 2027 podría superar el billón de dólares. Pero lo que realmente preocupa a los inversores no es solo el monto, sino la velocidad a la que se expande la brecha entre lo que invierten y lo que generan: el gasto de capital crece al 70% anual, mientras que el flujo de efectivo operativo lo hace al 23%.

Cuando la contabilidad esconde la realidad

Aquí entra un mecanismo técnico que explica por qué estas empresas siguen reportando ganancias récord mientras se quedan sin efectivo: la depreciación. Cuando un hiperescalador compra 200 mil millones en servidores con GPUs, ese dinero sale de la caja de inmediato. Pero en el estado de resultados, el costo se distribuye a lo largo de cuatro a seis años. Así, una compañía puede mostrar utilidades sólidas y, al mismo tiempo, tener un flujo de caja libre negativo. El inversor que solo mira el ingreso neto está viendo una película a cámara lenta de la misma realidad.

Goldman Sachs publicó en mayo un análisis que identifica un riesgo adicional: si la vida útil de los chips de IA se acorta de cinco a tres años —algo perfectamente lógico dado que Nvidia ya lanza una nueva arquitectura cada año, de Hopper a Blackwell a Rubin—, la depreciación acumulada entre 2026 y 2031 saltaría de 3 a 4 billones de dólares. Es decir, un billón de dólares en ganancias que desaparecen solo por ajustar una suposición contable. El inversionista Michael Burry ha denunciado públicamente que los hiperescaladores están subestimando su depreciación en unos 176 mil millones de dólares entre 2026 y 2028.

El mercado ya está votando

La reacción de Wall Street ha sido inmediata. El Nasdaq Composite cayó más de 2% en una sola jornada, arrastrado por Alphabet y Tesla. Alphabet perdió cerca de 6% tras elevar su guía de gasto de capital —en lugar de celebrar el aumento de inversión, los inversores castigaron la falta de retorno visible. Amazon cayó casi 5% y Meta más de 4%. Incluso Nvidia, el gran proveedor de toda esta infraestructura, vio caer sus acciones más de 2%, mientras que fabricantes de memoria como Micron y SK Hynix subían. La señal es clara: el mercado está rotando desde las grandes tecnológicas hacia proveedores más especializados del ecosistema, y cualquier indicio de que el gasto no está generando el retorno esperado se paga caro.

El propio mercado de bonos lo refleja. Morgan Stanley calcula que las emisiones de deuda corporativa relacionadas con IA alcanzarán los 570 mil millones de dólares en 2026, cuatro veces el ritmo del año anterior. Alphabet realizó una de las colocaciones de capital más grandes de la historia corporativa, 84.750 millones de dólares, y hasta recibió 10 mil millones de Berkshire Hathaway. Una empresa que durante dos décadas generó efectivo con publicidad ahora vende acciones para pagar GPUs.

¿Y para América Latina?

Para un director de tecnología o un CFO en la región, esta dinámica tiene implicaciones directas. El costo de acceso a la nube —AWS, Google Cloud, Azure— podría no bajar al ritmo que muchos esperaban. Si los hiperescaladores necesitan demostrar retorno sobre una inversión enorme, los precios de los servicios cloud, especialmente los que dependen de inferencia de IA, probablemente se mantendrán elevados o incluso aumentarán. Las empresas latinoamericanas que están construyendo sus estrategias de IA sobre estos proveedores deben prepararse para un escenario de costos menos predecibles y negociar contratos plurianuales que congelen precios antes de que el ajuste llegue.

Además, la dependencia de deuda y emisiones de capital hace más vulnerable a estas compañías a un entorno de tasas de interés altas —como el que todavía persiste en gran parte de la región. Si el costo de financiamiento sube, los hiperescaladores podrían ralentizar la expansión de capacidad en mercados emergentes, priorizando Estados Unidos y Europa. Las startups latinoamericanas que dependen de capacidad de cómputo en la nube para correr modelos de IA deben considerar diversificar sus opciones —explorar proveedores regionales o incluso considerar inversiones en infraestructura propia si su escala lo justifica.

Lo que no aparece en el balance

Hay una lección más profunda. La contabilidad financiera tradicional, diseñada para fábricas y equipos con décadas de vida útil, choca de frente con la realidad de la tecnología que se vuelve obsoleta cada 12 meses. Los ejecutivos latinoamericanos que toman decisiones de inversión en IA deben entender que el verdadero costo no está en el estado de resultados del primer año, sino en la velocidad a la que ese hardware se deprecia en el mundo real.

Apple, por su parte, ha evitado esta trampa. Gastó solo 12.700 millones en capex en 2025 frente a los 360 mil millones combinados de sus competidores. Pero esa frugalidad tiene un precio: sus chips M2 Ultra han quedado cortos para las cargas de trabajo más exigentes, y ahora la compañía está explorando adquirir startups de chips y alquilar capacidad de Nvidia a través de Google. La lección es que no hay atajo gratuito en IA.

La pregunta que todo ejecutivo debería hacerse no es si su empresa debe invertir en IA, sino si está midiendo correctamente lo que esa inversión realmente cuesta a lo largo del tiempo. Cuando los hiperescaladores más grandes del mundo ven su flujo de caja llegar a cero, el resto del ecosistema debería prestar mucha atención.