Mientras las empresas comienzan a reducir costos en la potencia de cómputo, Goldman Sachs advierte que los 5,3 billones de dólares en gastos de capital para IA están acercándose a la saturación crediticia.

La ola de inversiones en infraestructura de IA está remodelando el panorama de los mercados de capitales globales, y el riesgo de deuda que se esconde detrás no debe ser ignorado.

La última previsión de Goldman Sachs muestra que entre 2025 y 2030, las empresas de computación en la nube a gran escala tendrán un gasto de capital acumulado de 5,3 billones de dólares en IA y centros de datos, creando un ciclo super de gasto de capital sin precedentes.

Goldman Sachs estima que las empresas a gran escala necesitarán obtener financiamiento de diversos mercados, ya que podrían enfrentar limitaciones por saturación en los mercados de crédito líquido.

Gary Marcus, profesor honorario de la Universidad de Nueva York, al compartir el análisis, calificó la afirmación de Goldman Sachs como "una frase aterradora", y comentó:

Para mí, la pregunta ya no es si el modelo a gran escala colapsará, sino qué tan graves serán los daños colaterales.

Gary Marcus advirtió además:

Los proveedores de servicios en la nube a gran escala no podrán recuperar su inversión de 5,3 billones de dólares, a menos que lo hagan mediante subsidios gubernamentales masivos, extrayendo el dinero de los contribuyentes. Eso es exactamente lo que pretenden hacer.

Al mismo tiempo, Morgan Stanley estima que solo para la construcción de centros de datos globales, el gasto de capital hasta 2028 se acercará a los 2,9 billones de dólares, y una proporción significativa depende del financiamiento por deuda. Esto implica que si el mercado ajusta, las pérdidas no se limitarán a los accionistas, sino que podrían expandirse a toda la sociedad a través del mercado de crédito.

El otro lado de este banquete de inversiones es el endurecimiento creciente de la billetera corporativa. Uber, Amazon, Walmart y otros primeros adoptantes de IA a gran escala han comenzado a establecer límites en el uso de IA por parte de empleados o a impulsar medidas de reducción de gastos.

Después de que Anthropic cambiara el modelo de facturación a cobro por token, Carter Busse, CIO de la empresa de software Workato, vio cómo el gasto diario se disparó siete veces y exclamó:

Hemos creado un monstruo.

Según los analistas de Goldman Sachs, el gasto de capital en IA sigue aumentando a una velocidad superior a la construcción real de centros de datos, lo que implica que los cuellos de botella futuros podrían trasladarse del lado de la demanda de modelos a la capacidad de financiamiento, el suministro eléctrico y la ejecución de proyectos.

La estimación de Morgan Stanley es aún más específica. Calcula que, para 2028, la composición del financiamiento para el gasto de capital de 2,9 billones de dólares en la construcción de centros de datos globales será la siguiente:

• Empresas de nube a gran escala, flujo de caja propio de unos 1,4 billones de dólares;
• Deuda corporativa de unos 200 mil millones de dólares;
• Financiamiento por securitización de activos de unos 150 mil millones de dólares;
• Crédito privado, financiamiento con garantía de activos y deuda de joint venture de unos 800 mil millones de dólares;
• Otros capitales de unos 350 mil millones de dólares.

Esta estructura revela que las inversiones en infraestructura de IA dependen en gran medida del crédito.

Rohan Paul, creador de contenidos sobre IA, señaló en la plataforma X que debido a que unas pocas empresas de nube a gran escala no pueden emitir deuda en el mercado abierto de manera ilimitada, los inversionistas han comenzado a preocuparse por el riesgo de concentración de emisores.

La complejidad del financiamiento de los centros de datos agrava aún más el problema.

No se trata de un solo activo, sino de la integración de tierra, acceso eléctrico, enlaces de red, construcción, sistemas de refrigeración y servidores de IA, por lo que el financiamiento se extiende naturalmente a fondos de infraestructura, fondos inmobiliarios, crédito privado y deuda corporativa, entre otros mercados.

Si hay un ajuste sistémico de mercado, la cadena de transmisión de pérdidas será mucho más compleja que durante la burbuja de Internet.

Del lado de la demanda, el elevado coste operativo de IA está obligando a las empresas a reevaluar el valor de cada consulta y flujo de trabajo automatizado.

Uber es el caso más representativo. Wallstreet CN mencionó que este gigante de transporte gastó todo su presupuesto anual de IA para 2026 en un solo trimestre.

Después de que se agotó en abril, Uber anunció un límite mensual de 1.500 dólares en gastos de tokens para el uso de una única herramienta de IA por empleado. Andrew Macdonald, presidente y director de operaciones de Uber, admitió:

Hoy en día es cada vez más difícil justificar el gasto en tokens de IA y trazar una clara relación causal entre los datos de gasto y la mejora real de las funciones del producto.

Walmart también estableció un límite en el uso de tokens de su asistente de IA interno. Suresh Kumar, CTO Global de Walmart, comentó que el uso de su plataforma de programación Code Puppy "se disparó drásticamente" y que ahora es momento de "retroceder y reevaluar".

El trasfondo de esta tendencia es el cambio estructural en el modelo de facturación. Anthropic, OpenAI y otros laboratorios principales de IA han cambiado parte de sus servicios de suscripción fija a facturación por token, haciendo que las empresas sean más sensibles al coste de cada prompt y flujo automatizado.

Costi Perricos, líder global de IA generativa en Deloitte, expresó:

El coste de computación ya ha entrado en la agenda de los CFO y los directorios. Consumidores y empresas siempre han escuchado que la IA es barata o gratis, pero la realidad dista mucho de eso.

Sam Altman, CEO de OpenAI, admitió este mes que el coste se ha convertido en un "problema importante" para los clientes este año, tema que prácticamente no se discutía el año pasado.

La reducción de costos a nivel empresarial también está impactando notablemente a los eslabones superiores de la cadena industrial de IA.

Anthropic y OpenAI planean salir a bolsa este año, con valuaciones cercanas al billón de dólares. Sin embargo, la tendencia de reducción de gastos de IA por parte de empresas está presionando potencialmente las expectativas de crecimiento de ingresos para ambas compañías.

Las principales plataformas de IA ya están tomando medidas, guiando a los usuarios hacia modelos no vanguardistas y más económicos para mantener la tasa de adopción.

Kyle Daigle, COO de GitHub, indicó que Microsoft ya ha comunicado a los clientes los cambios de precios, analizando "adaptabilidad y escenarios de uso", enfatizando que "no todas las tareas requieren modelos vanguardistas".

Microsoft, Amazon y Google han lanzado herramientas que enrutan automáticamente las solicitudes de usuarios al modelo de adaptación más rentable.

Algunas empresas están optando por modelos open source, ejecutándolos en servidores locales o dispositivos personales para reducir los pagos a laboratorios de IA y proveedores de servicios en la nube.

Patel, de Cisco, describió la situación de muchas empresas:

Nuestros ingenieros quieren más tokens, y nosotros debemos encontrar cómo pagar por ellos.

Esta frase refleja la situación de toda la industria, el valor estratégico de la IA ha sido ampliamente aceptado, pero la lógica comercial de pagar de manera sostenida aún debe ser comprobada por el mercado.