La inteligencia artificial suele presentarse como una revolución impulsada por modelos como ChatGPT, Gemini o Claude. Sin embargo, detrás de cada conversación con un asistente virtual existe una cadena industrial extraordinariamente compleja y costosa que comienza mucho antes del software y termina en enormes centros de datos que consumen cantidades crecientes de electricidad.
La IA no es únicamente una revolución del software. Es, probablemente, el mayor ciclo de inversión en infraestructura tecnológica desde la expansión de Internet. Nunca antes las grandes compañías tecnológicas habían comprometido simultáneamente cientos de miles de millones de dólares en centros de datos, redes eléctricas, chips, fibra óptica, y capacidad de computación.
Como ocurre en toda revolución industrial, la cuestión ya no es cuánto capital puede invertirse, sino cuándo esas inversiones comenzarán a generar retornos suficientes para justificar el enorme esfuerzo financiero realizado.
Ese es, precisamente, el gran debate que empieza a plantearse el mercado.
Una cadena de valor donde cada eslabón depende del anterior
La economía de la inteligencia artificial puede entenderse como una pirámide formada por cuatro grandes niveles. Ninguno funciona de manera independiente; cada uno necesita del anterior para crear valor.
1. Infraestructura: los nuevos ferrocarriles de la economía digital
En la base de la pirámide se encuentra la infraestructura física.
Los centros de datos se han convertido en las nuevas fábricas de la economía digital. Microsoft, Amazon Web Services (AWS), Google Cloud, Oracle Cloud, e IBM Cloud están destinando decenas de miles de millones de dólares a construir instalaciones capaces de albergar cientos de miles de servidores, con sofisticados sistemas de refrigeración, suministro eléctrico redundante, y conexiones de fibra óptica de muy alta capacidad.
A ellos se suman operadores especializados como Equinix, Digital Realty, y CoreWeave, cuya expansión ha sido espectacular impulsada por la demanda de computación para inteligencia artificial.
Pero la infraestructura no termina en los edificios. También depende de compañías eléctricas, redes de transmisión, fabricantes de equipos de refrigeración, cableado, transformadores, y operadores de telecomunicaciones. Cada nuevo centro de datos representa una inversión multimillonaria cuya rentabilidad dependerá de mantener elevados niveles de utilización durante muchos años.
2. Hardware: la guerra por la capacidad de cálculo
El segundo escalón corresponde al hardware.
NVIDIA continúa liderando ampliamente el mercado gracias a sus GPU H100 y Blackwell, convertidas en el estándar para entrenar modelos fundacionales. AMD intenta ganar cuota con la familia MI300, mientras Intel busca recuperar protagonismo con sus aceleradores Gaudi.
Detrás de ellos aparece otra cadena industrial crítica.
TSMC fabrica la inmensa mayoría de los chips más avanzados del mundo; Samsung participa en la fabricación de semiconductores de última generación; y ASML suministra las máquinas de litografía EUV, probablemente la tecnología industrial más sofisticada existente en la actualidad.
Al mismo tiempo, Broadcom y Marvell desarrollan chips personalizados para grandes clientes cloud, mientras Google (TPU), Amazon (Trainium e Inferentia), Microsoft (Maia) y Meta diseñan procesadores propios para reducir su dependencia de NVIDIA.
Nunca la industria de semiconductores había requerido semejante intensidad de capital.
3. Software: donde realmente nace la inteligencia
Sobre esta infraestructura se desarrollan los grandes modelos fundacionales.
OpenAI, respaldada por Microsoft, lidera actualmente el mercado con GPT. Google desarrolla Gemini; Anthropic continúa creciendo de manera significativa con Claude; Meta apuesta por Llama; Mistral AI representa una de las principales iniciativas europeas; xAI compite con Grok; mientras Cohere mantiene un enfoque claramente empresarial.
IBM, por su parte, impulsa Watsonx como plataforma destinada a facilitar la implantación de inteligencia artificial generativa dentro de grandes organizaciones, con especial atención a la gobernanza y al cumplimiento regulatorio.
Entrenar uno de estos modelos exige inversiones que ya se cuentan por miles de millones de dólares entre capacidad computacional, datos, y talento altamente especializado.
4. Aplicaciones: donde debe aparecer la rentabilidad
La parte superior de la pirámide corresponde a las aplicaciones empresariales.
Microsoft integra Copilot en Microsoft 365; Salesforce desarrolla Agentforce; SAP incorpora IA en sus soluciones empresariales; Oracle hace lo propio en aplicaciones financieras y de recursos humanos; ServiceNow automatiza procesos corporativos; Adobe transforma el software creativo; Palantir acelera el análisis avanzado de datos; mientras Snowflake, Databricks y MongoDB, facilitan la gestión del dato sobre el que funcionan los modelos.
Es precisamente aquí donde se decidirá el éxito económico de toda la cadena.
Construir centros de datos o desarrollar modelos fundacionales es extraordinariamente costoso, pero el verdadero desafío consiste en convencer a millones de empresas para que paguen de forma recurrente por soluciones capaces de aumentar la productividad y generar un retorno económico tangible.
Una cadena donde todos dependen de todos
La inteligencia artificial funciona como un ecosistema profundamente interconectado.
- OpenAI necesita la infraestructura de Microsoft.
- Microsoft necesita las GPU de NVIDIA.
- NVIDIA depende de TSMC para fabricar sus chips.
- TSMC necesita la tecnología de ASML.
Los centros de datos requieren enormes cantidades de electricidad. Y todo el sistema depende de redes de comunicaciones, operadores de centros de datos y mercados financieros dispuestos a seguir aportando capital.
Esta integración genera importantes economías de escala, pero también introduce un riesgo sistémico considerable.
Si las empresas reducen el ritmo de adopción de soluciones de inteligencia artificial, disminuirá la demanda de servicios cloud; ello afectará a la utilización de los centros de datos; reducirá las compras de GPU; ralentizará los pedidos a fabricantes de chips y terminará repercutiendo sobre toda la industria de semiconductores, infraestructura digital, y suministro energético.
En un ecosistema tan interconectado, un problema localizado puede extenderse rápidamente al conjunto de la cadena.
El mayor riesgo ya no es tecnológico: es financiero
La mayor incógnita para los próximos años no reside en la capacidad de desarrollar modelos más potentes. El verdadero desafío consiste en monetizar las inversiones realizadas.
Los grandes hiperescaladores están ejecutando el mayor programa de inversión de la historia del sector tecnológico. Sus presupuestos de capital crecen a ritmos nunca vistos para financiar centros de datos, redes, chips, y capacidad computacional.
Aunque una parte importante de estas inversiones se financia con la elevada generación de caja de compañías como Microsoft, Alphabet, Amazon, o Meta, otra parte creciente se apoya en emisiones de deuda. El mercado ha aceptado hasta ahora ese esfuerzo inversor porque confía en que la inteligencia artificial termine generando mayores ingresos, expansión de márgenes, y un fuerte crecimiento del flujo de caja.
Sin embargo, esa confianza empieza a mostrar los primeros signos de exigencia. El mercado de crédito comienza a reflejar una mayor cautela. En los últimos meses se ha observado un incremento gradual de los credit spreads exigidos en algunas emisiones de deuda de los grandes hiperescaladores. Aunque continúan situándose en niveles históricamente bajos, ese movimiento indica que los inversores empiezan a exigir una mayor prima de riesgo para financiar un ciclo inversor de dimensiones extraordinarias.
La pregunta que empieza a hacerse el mercado ya no es cuánto pueden invertir estas compañías, sino cuándo comenzarán a obtener un retorno suficiente sobre ese capital.
IBM: la primera advertencia del mercado
Ese cambio de percepción quedó claramente reflejado en lo ocurrido ayer con IBM.
La compañía sufrió una caída del 25,5% en una sola sesión bursátil, la mayor desde 1987, después de anticipar unas perspectivas de beneficios inferiores a las esperadas por el mercado de cara a la publicación de sus resultados del 22 de Julio.
Más allá del castigo sufrido por una empresa concreta, el mensaje fue mucho más amplio.
Durante los últimos años, los inversores premiaban prácticamente cualquier anuncio relacionado con la inteligencia artificial: nuevos modelos, mayores inversiones, construcción de centros de datos, o incremento del gasto de capital. Hoy, sin embargo, el criterio comienza a cambiar. El mercado ya no compra únicamente expectativas de crecimiento. Exige monetización.
Los inversores quieren comprobar que las inversiones realizadas son capaces de transformarse en ingresos recurrentes, generación de caja, expansión de márgenes, y una rentabilidad adecuada sobre el capital invertido.
IBM representa un ejemplo de esa nueva realidad, pero el mensaje alcanza a todo el sector.
Si una gran empresa tecnológica no consigue rentabilizar sus inversiones en inteligencia artificial al ritmo esperado, es probable que modere sus planes de expansión. Ello supondría menos demanda para proveedores cloud, una ralentización en la construcción de centros de datos, menores pedidos de GPU a NVIDIA, menos actividad para TSMC y ASML, y un crecimiento inferior para operadores de infraestructura, compañías energéticas, y proveedores de equipos.
La extraordinaria interdependencia del ecosistema convierte un problema empresarial en un riesgo potencial para toda la cadena de valor.
La próxima batalla será la rentabilidad
La historia económica demuestra que las grandes revoluciones tecnológicas suelen ir acompañadas de enormes ciclos de inversión.
Ocurrió con el ferrocarril en el siglo XIX, con la electrificación, con Internet, y con el despliegue mundial de fibra óptica. En todos los casos, la infraestructura terminó transformando la economía, pero también aparecieron excesos de inversión y episodios de sobrecapacidad antes de que la demanda alcanzara su madurez.
La inteligencia artificial podría atravesar una fase similar.
La tecnología seguirá avanzando y continuará transformando industrias enteras. Sin embargo, el éxito bursátil ya no dependerá exclusivamente de desarrollar mejores modelos de IA, sino de demostrar que las inversiones multimillonarias realizadas pueden convertirse en beneficios sostenibles, generación de caja, y retornos adecuados sobre el capital empleado.
En definitiva, la inteligencia artificial no solo está redefiniendo la economía digital; también está poniendo a prueba la disciplina financiera del mayor ciclo inversor que ha vivido el sector tecnológico.
La siguiente fase de esta revolución será menos tecnológica y mucho más financiera. Los verdaderos ganadores no serán necesariamente quienes construyan los modelos más potentes o los centros de datos más grandes, sino quienes consigan monetizar antes sus inversiones, mantener una estructura financiera sólida, y generar rentabilidades sostenibles para accionistas y acreedores.
Porque, en un ecosistema donde todos dependen de todos, el éxito de cada eslabón determina la fortaleza de toda la cadena.