- Con el crecimiento de la inteligencia artificial (IA), se presentan retos en materia energética y de infraestructura debido a los nuevos avances en materia de operabilidad y velocidad, mantener este crecimiento podría costar billones en inversión para el sector.
- Los retos, han llevado a comparar esta posible crisis, con la evidenciada entre 1997 – 2001, la burbuja “puntocom”, que debido a la masificación del internet y la cantidad de empresas que intentaron entrar en la llamada “nueva economía” quebraron.
- Centrales de riesgo han advertido de esta situación, además de señalar que el sector necesitaría generar 600 mil millones de dólares en ingresos anuales para sostener sus valoraciones, lo cual supone un nuevo reto
- El sector busca alternativas más sostenibles en el largo plazo con conceptos como “Green AI” que buscan optimizar tanto el entrenamiento como la ejecución de algoritmos más eficientes que consuman menos recursos computacionales y energéticos.
El avance de la inteligencia artificial (IA) ha desencadenado una demanda sin precedentes de infraestructura digital, generando una carrera por construir centros de datos a una escala y velocidad nunca vistas. Sin embargo, esta expansión acelerada presenta una tensión fundamental entre las proyecciones de crecimiento y las limitaciones físicas y económicas del sector, alimentando un debate sobre la posible formación de una burbuja especulativa.
Según la Agencia Internacional de Energía (AIE), el consumo eléctrico global de los centros de datos, IA y criptomonedas podría duplicarse para el año 2026, superando los 1.000 Teravatios-hora (TWh), una cifra comparable al consumo total de electricidad de Japón. Este crecimiento está impulsado mayoritariamente por las cargas de trabajo de IA, que exigen una infraestructura diferente a la de los centros de datos tradicionales. Las nuevas instalaciones deben soportar chips especializados como la Unidad de Procesamiento Gráfico (GPU), redes de alta densidad y sistemas avanzados de refrigeración líquida para gestionar el calor. La densidad energética es tal que algunos proyectos ya se planifican con capacidades que superan en varios gigavatios, una demanda energética similar a la de pequeñas ciudades.
Sostener este crecimiento requiere una inversión de capital monumental. Estimaciones de la industria proyectan que se necesitarán billones de dólares en inversión global hacia 2030, destinados principalmente a la construcción y equipamiento de infraestructura para IA. Este torrente de capital ha impulsado el valor de mercado de empresas clave del sector, como Nvidia, a superar los 4 trillones de dólares.
Sin embargo, este notable ciclo de inversión ha generado un debate sobre su sostenibilidad, estableciendo similitudes con la burbuja “puntocom” de los años de 1997 y 2001, periodos en los cuales fueron marcados por la fundación (y en muchos casos quiebra) de un nuevo grupo de compañías basadas en Internet, designadas comúnmente como empresas puntocom. Al pasar el tiempo, muchas de estas empresas quebraron o dejaron de operar.
Por otro lado, el principal indicador de riesgo es la significativa disparidad entre los niveles de inversión y la rentabilidad actual del sector. En 2023, la inversión de capital riesgo en startups de IA se aproximó a los 50 mil millones de dólares. A pesar de ello, las proyecciones de ingresos necesarios para la autosuficiencia son muy elevados. La firma de capital riesgo, Sequoia Capital, estima que se necesitaría generar 600 mil millones de dólares en ingresos anuales para sostener sus valoraciones, una cifra que contrasta con los 3,4 mil millones de dólares en ingresos anualizados reportados por OpenAI en junio de 2025. Esta brecha ha generado escepticismo institucional; Goldman Sachs, por ejemplo, publicó un informe cuestionando si el gasto en IA generativa se justifica por los beneficios obtenidos hasta ahora.
El núcleo de este desafío reside en los altos costos operativos. El desarrollo de Grandes Modelos de Lenguaje (LLM) es un proceso con una alta intensidad de capital, dependiente de data centers que consumen grandes cantidades de energía. Los costos son dobles: el alto precio del hardware y el costo recurrente de la energía necesaria para su funcionamiento. Esta realidad no solo impacta la viabilidad financiera, sino que también ha impulsado la necesidad de prácticas más sostenibles, como la “IA Verde” (Green AI) que pone el foco en reducir el impacto ambiental de los modelos de inteligencia artificial desde su desarrollo
La presión por atraer inversión ha derivado en una saturación del mercado, se ha observado una tendencia en la que muchas empresas incorporan la IA en sus presentaciones a inversionistas, aunque esta no constituya el núcleo de su modelo de negocio. En muchos casos, las startups aplican funcionalidades de IA como una estrategia sobre un servicio tradicional, resultando en una proliferación de herramientas redundantes como chatbots o sistemas de preguntas y respuestas.
Ante este panorama, algunos análisis sugieren que el sector se enfrenta a rendimientos decrecientes, donde aumentar el tamaño de los modelos ya no produce los mismos avances exponenciales del pasado. Respecto al cronograma, las predicciones varían. Se espera que en un plazo de dos años aumente la presión de los inversionistas por obtener rentabilidad, lo que podría llevar a una corrección más amplia en un horizonte de cuatro a cinco años. Otros analistas predicen que la burbuja podría estallar en 2026, a medida que disminuya el entusiasmo inicial. El catalizador será previsiblemente la demanda de los inversores por modelos de negocio sostenibles que generen beneficios reales.
La sostenibilidad del actual ciclo de crecimiento de la IA está fundamentalmente ligada a la viabilidad económica y física de su infraestructura. La discrepancia entre los altos costos operativos de los data centers y la rentabilidad demostrada de las aplicaciones de IA constituye un riesgo sistémico. Para evitar el estallido de una burbuja, el sector deberá equilibrar velocidad con sostenibilidad: impulsar la eficiencia energética, adoptar energías renovables, innovar en refrigeración y mejorar la planificación con los reguladores.
