La inteligencia artificial no solo compite en laboratorios y productos. También lo hace en bolsa, en la red eléctrica y en los balances de las grandes tecnológicas, donde ya circulan cifras que empiezan a recordar a los grandes programas estatales del siglo XX.
Capital Group sitúa el foco en un riesgo muy concreto. Si el retorno de esa inversión no llega a medio plazo, el castigo puede ser severo para los mercados bursátiles, justo cuando el gasto en infraestructura sigue acelerándose.
Cuesta más que el Apolo y aún no ha probado cuánto rinde
Este año, Amazon, Google, Meta y Microsoft superarán juntos los 500.000 millones de dólares en gasto de capital, un 60% más que en 2025. La comparación sirve para tomar altura porque el Proyecto Manhattan costó 30.000 millones y el Programa Apolo, 250.000 millones.
La magnitud impresiona, pero la pregunta decisiva es otra. Cuánto de ese dinero acabará convirtiéndose en ingresos sostenidos y cuánto quedará como una carrera de gasto adelantado, con centros de datos levantados antes de que exista una monetización suficiente.
John Lamb, especialista en Inversión de Capital Group, pone esa tensión en palabras.
"Si la rentabilidad de la inversión no empieza a hacerse realidad hasta dentro de varios años, existe el peligro real de que las empresas estén gastando en exceso y de que acabemos asistiendo a una dolorosa corrección" - John Lamb, especialista en Inversión de Capital Group
Nvidia ofrece una pista de esa expectativa condensada en una sola cotización. La compañía cotiza a 40 veces beneficios y a 16 veces los resultados estimados para 2027, una señal de que el mercado ya descuenta ganancias futuras con una confianza muy exigente.
Desde el lanzamiento de ChatGPT a finales de 2022, la industria ha entrado en una fase de expansión que mezcla promesa técnica, ansiedad competitiva y una necesidad constante de justificar desembolsos cada vez mayores. En ese paisaje, el recorte de recompras ya retrata cómo cambia el destino del dinero.
Los modelos ya trabajan, pero el negocio todavía debe demostrarlo
John Lamb describe un escenario menos simple de lo que sugiere el entusiasmo bursátil. Los modelos actuales, sostiene, ya resuelven con gran solvencia tareas especializadas como el desarrollo de software, la planificación financiera y el análisis en profundidad.
Esa utilidad concreta importa porque desplaza la conversación. Ya no basta con enseñar que una IA responde, resume o genera imágenes. Ahora toca probar que puede sostener aplicaciones en el mundo real y convertir ese uso en ingresos recurrentes.
Ahí encaja el paso desde la fase experimental hasta la operativa ya marca el centro del debate, no solo en las empresas que venden modelos, sino también en las que compran capacidad de cómputo esperando ahorrar tiempo, ganar productividad o abrir nuevas líneas de negocio.
La red eléctrica no sigue el ritmo de los centros de datos
Mientras el dinero corre, la infraestructura física avanza más despacio. De aquí a 2028, Estados Unidos necesitará 44 gigavatios adicionales para operar nuevos centros de datos, pero la red que entrará en funcionamiento en los próximos tres años solo podrá aportar unos 25 gigavatios.
La diferencia no es menor. Significa que una parte del crecimiento proyectado choca con un límite material muy básico, la electricidad, una restricción que ya aparecía en los problemas de despliegue energético ligados a esta nueva oleada de centros de datos.
Gartner pronostica que el 40% de los centros de datos de inteligencia artificial afrontará limitaciones operativas por la escasez de suministro eléctrico. La carrera por procesar más datos depende ahora de algo tan antiguo como enchufar más potencia.
El crédito barato ayudó al auge y su retirada puede enfriarlo
Otro factor menos visible aparece en la financiación. John Lamb recuerda que estos tres últimos años de desarrollo acelerado y fuerte aumento del gasto en IA han coincidido con ciclos de flexibilización monetaria por parte de los principales bancos centrales.
Si las condiciones monetarias y de crédito se endurecen, Capital Group advierte de que la rentabilidad de la inversión podría tardar más en materializarse. Eso afectaría a la oferta, porque financiar capacidad cuesta más, y también a la demanda, porque los clientes aplazan compras cuando el dinero deja de ser barato.
No es un detalle técnico. El auge de la IA también ha crecido al abrigo de un dinero más fácil, y esa protección puede debilitarse justo cuando las facturas de infraestructura alcanzan una escala difícil de disimular.
El mercado laboral ya entra en la discusión política
Al mismo tiempo, el debate ha dejado de ser solo empresarial. John Lamb apunta que, a medida que la tecnología pasa de lo experimental a lo operativo, algunas voces reclaman una mayor intervención de los gobiernos para frenar el impacto que la inteligencia artificial podría tener sobre el empleo.
Esa presión política aparece cuando todavía falta responder a la pregunta principal. Si cuatro hiperescaladores van a gastar más de 500.000 millones de dólares en un solo año, con una red eléctrica insuficiente y un crédito potencialmente más caro, la corrección que teme Capital Group ya no depende solo de la tecnología, sino del tiempo que tarde en demostrar que realmente gana dinero.