Puntos claves
- La inversión necesaria para desarrollar la IA podría alcanzar los 1.000 dólares por habitante del planeta de aquí a 2030, lo que supone 7,9 billones de dólares según las estimaciones más optimistas de McKinsey.
- En Estados Unidos, este esfuerzo podría representar el 3,2 % del PIB cada año hasta 2032, es decir, tres veces más que durante el auge de las telecomunicaciones de la década de 1990 y seis veces más que durante la electrificación de principios del siglo XX.
- Según la Reserva Federal, los centros de datos estadounidenses han contraído una deuda de 680.000 millones de dólares durante los primeros diez meses de 2026, lo que supone más de 2.000 millones de dólares al día.
- Sin estas inversiones en centros de datos, el crecimiento estadounidense probablemente sería un punto porcentual inferior y se situaría más o menos al mismo nivel que el de la zona del euro.
- Más de la mitad de las inversiones recibidas por las empresas de IA entre 2021 y 2025 procedían de otras empresas de IA, según el Banco de Pagos Internacionales.
Prueba el Grand Continent. Ideas y análisis que no se encuentran en ningún otro sitio. Pero que pronto verás por todas partes. En tu bandeja de entrada a partir de 8 euros al mes.
La magnitud del esfuerzo de inversión necesario para elevar la capacidad de cálculo a un nivel compatible con el desarrollo previsto de la IA es vertiginosa. Las estimaciones recopiladas por McKinsey oscilan entre los 3,7 y los 7,9 billones de dólares para el periodo 2025-2030. Para dar una idea más concreta del orden de magnitud, el límite superior de este rango supone un gasto de inversión de 1.000 dólares por habitante del planeta. Según estudios recientes de Stijn Van Nieuwerburgh, 1 en Estados Unidos, estas inversiones podrían alcanzar cada año el 3,2 % del PIB entre 2025 y 2032, es decir, tres veces el esfuerzo que requirió el auge de las telecomunicaciones de finales de la década de 1990 y seis veces el de la ola de electrificación de principios del siglo XX.
En un primer momento, las empresas a la vanguardia de la revolución de la IA podían financiar la casi totalidad de sus inversiones gracias a sus beneficios. Sin embargo, desde 2025, incluso los hiperescaladores, que suelen disponer de una abundante liquidez, han tenido que recurrir al endeudamiento. Según la Reserva Federal, la financiación mediante deuda de todo tipo destinada al desarrollo de centros de datos —préstamos bancarios, deuda privada y bonos corporativos— alcanzó los 680.000 millones de dólares en Estados Unidos durante los primeros diez meses de 2026. Las actividades relacionadas con las tecnologías de computación avanzada han representado casi un tercio del total de emisiones de bonos de empresas con calificación «Investment Grade» desde principios de año.
El aumento de la deuda relacionada con la IA aún no ha invertido la tendencia a la baja del endeudamiento global de las empresas estadounidenses: la deuda «ajena a la IA» está disminuyendo rápidamente en proporción al PIB, pero el descenso general se está ralentizando. La razón de deuda de las empresas no financieras estadounidenses respecto al PIB se redujo en más de un punto porcentual al año en 2023 y 2024. Esta disminución se limitó a medio punto en 2025 y, de nuevo, desde principios de 2026. Si el ritmo de inversión previsto por McKinsey y Stijn Van Nieuwerburgh se materializa, es muy probable que el endeudamiento global de las empresas vuelva a aumentar. El verano pasado defendíamos la idea de que esta nueva ola de endeudamiento privado, al chocar con unas necesidades de financiación pública ya de por sí enormes, empujaría al alza las tasas de interés a escala mundial, con el riesgo de «asfixiar» a los sectores más tradicionales.
En este artículo nos centramos en los riesgos propios de esta fiebre del endeudamiento relacionada con la IA. Aunque pueda justificarse una ralentización del despliegue de la IA en la vanguardia tecnológica —aunque solo sea para dar tiempo a establecer las salvaguardias normativas necesarias—, la economía mundial se ha vuelto «dependiente» del auge de la inversión en IA. Sin las inversiones en centros de datos, el crecimiento estadounidense probablemente sería un punto porcentual inferior. Más allá de las fronteras estadounidenses, numerosas empresas prosperan suministrando equipos a este ecosistema. Una fuerte caída de la valoración de los valores tecnológicos sería dolorosa para los inversores mucho más allá de Estados Unidos, incluso en Europa, donde la exposición al mercado bursátil estadounidense se ha triplicado en cinco años.
Además, la circularidad —o el carácter endogámico— del ecosistema de la IA, en el que las relaciones financieras entre un número bastante reducido de actores se entremezclan con los vínculos comerciales, así como las complejas estructuras de financiación de varios niveles de numerosos proyectos relacionados con la IA, hacen que todo el sector dependa del destino de un puñado de actores. La complejidad de las estructuras financieras acaba ocultando la base de la sostenibilidad de este crecimiento. También hay que tener en cuenta la demanda final de servicios de IA procedente de clientes ajenos al sector tecnológico y su capacidad para generar los ingresos necesarios para cubrir el coste de la deuda. La demanda generada por la innovación tecnológica puede seguir una progresión geométrica en lugar de lineal, pero pequeños errores iniciales de valoración sobre el ritmo de dicha progresión pueden traducirse, al cabo de unos años, en desviaciones considerables.
CoreWeave: un caso práctico
Justo antes de que la salida de Jensen Huang de Nvidia desencadenara una nueva ola de ventas en el sector tecnológico, la confianza del mercado respecto a la IA había mejorado inicialmente, gracias a los resultados trimestrales y las previsiones de CoreWeave, que superaron las expectativas. Tomamos esta empresa como punto de partida para analizar, a través de un caso concreto, algunos de los retos a los que se enfrenta hoy en día todo el ecosistema de la IA.
CoreWeave es un «neocloud». En pocas palabras, esta empresa explota y comercializa capacidad de cálculo. No es propietaria directa de los centros de datos: una vez que el propietario ha proporcionado el edificio, las conexiones eléctricas y el sistema de refrigeración, CoreWeave aporta los servidores equipados con procesadores gráficos, o GPU —que adquiere, por ejemplo, a Nvidia—, gestiona el centro, administra el acceso a la nube y vende servicios de computación a sus clientes.
Este modelo económico sitúa a CoreWeave en el centro de la cadena de la IA. La empresa prospera si consigue que sus clientes se comprometan a realizar pagos a largo plazo que cubran sus costos operativos y, sobre todo, el costo de la deuda necesaria para desarrollar su capacidad de cálculo. Los flujos de caja contractuales y el valor de los equipos sirven como garantías para sus préstamos. Si las GPU siguen siendo utilizables al vencimiento del compromiso del cliente y la deuda se ha amortizado, CoreWeave dispondrá entonces de un capital libre de cargas, cuyo uso podrá volver a comercializar con otro cliente.
La empresa aún está muy lejos de esa situación ideal. Por el momento, su deuda neta, sin contar los contratos de arrendamiento operativo, representa siete veces su EBITDA de los últimos doce meses. Una empresa como CoreWeave está expuesta a riesgos importantes. Más allá del riesgo de crédito habitual —la posibilidad de que un cliente no cumpla con sus compromisos de pago—, las fluctuaciones de las tasas de interés pueden debilitarla, dado su nivel de endeudamiento. Pero también asume un riesgo tecnológico. Si las GPU adquiridas quedan obsoletas antes de lo previsto, su reserva de capital futuro —y, por tanto, la base de su rentabilidad futura— se reduce, y sus clientes pueden recurrir, al vencimiento de sus compromisos, a operadores más a la vanguardia tecnológica.
La facturación y el EBITDA ajustado de CoreWeave se dispararon en el tercer trimestre, aunque su pérdida neta se agravó considerablemente y el costo del servicio de su deuda aumentó de forma significativa. Sobre todo, la empresa ha anunciado que espera recibir unos 9.000 millones de dólares en pagos anticipados y depósitos de sus clientes durante los próximos tres meses. Estos ingresos anticipados resultan útiles, ya que reducen la necesidad de endeudarse. El hecho de que los clientes acepten pagar por adelantado para asegurarse capacidades de computación futuras también ha tranquilizado a un mercado que empieza a mostrarse preocupado por la solidez de la demanda de servicios relacionados con la IA. Sin embargo, sigue planteándose una cuestión fundamental: ¿reflejan necesariamente estos pagos anticipados la solidez de la demanda final, es decir, la de las empresas ajenas al ecosistema de la IA? CoreWeave no ha especificado qué clientes han aceptado estos pagos por adelantado, pero su cartera de clientes actual está dominada en gran medida por empresas vinculadas a la IA. Esto es comprensible: un intermediario como CoreWeave centra su actividad en la venta de capacidad de cálculo a desarrolladores de modelos de IA o a hiperescaladores, como OpenAI, Anthropic o Meta, que a su vez ofrecen sus servicios a clientes ajenos al ecosistema tecnológico. CoreWeave destaca la ampliación de su clientela más allá del «núcleo de la IA». Sin embargo, por sí misma, una elevada facturación, en la medida en que refleja esencialmente una demanda interna del sector tecnológico —que a su vez puede estar alimentada por el endeudamiento—, no constituye una prueba de la viabilidad financiera del sector de la IA. Volveremos sobre este tema más adelante.
La circularidad es, hasta ahora, una de las características de la revolución de la IA. CoreWeave ilustra la naturaleza endogámica de este sector. Nvidia es su proveedor —al venderle GPU—, pero también su accionista, con una participación del 10 %. Nvidia se compromete asimismo a adquirir la capacidad de cálculo que CoreWeave no consiga vender a sus clientes, en el marco de un acuerdo con un valor inicial de 6.300 millones de dólares. En resumen, Nvidia es a la vez proveedor, cliente potencial «de última instancia» e inversor de CoreWeave.
La endogamia es un error de principiantes en la innovación tecnológica
No se trata en absoluto de un caso aislado. Según un estudio del Banco de Pagos Internacionales, 2 entre 2021 y 2025, el 55,2 % de las inversiones recibidas por las empresas de IA, en términos de valor, procedían de otras empresas de IA. Por otra parte, el 46,4 % del valor de las operaciones de inversión entre empresas de IA también iba acompañado de una relación comercial dentro de la cadena de suministro. El estudio abarcaba todo tipo de estructuras que combinaban una relación financiera con relaciones comerciales, independientemente del sentido de estas últimas: el inversor podía ser proveedor o cliente de la empresa beneficiaria, o incluso ambas cosas. La forma predominante de relación circular es la que se desarrolla «hacia abajo»: un inversor suministra productos o servicios a la empresa en la que invierte.
Estas estrategias no son realmente nada nuevo. Se pueden encontrar precedentes históricos en las grandes oleadas tecnológicas, cuando los innovadores deben estimular la demanda de sus propios productos apoyando a sus usuarios finales. El paralelismo más relevante nos parece el de la década de 1920 y la electrificación masiva. General Electric —uno de los motores del frenesí bursátil de esa década— vendía equipos eléctricos a las empresas que explotaban centrales eléctricas, pero también se había diversificado hacia los hogares al lanzarse a la fabricación de aparatos de radio. Para impulsar las ventas de receptores, GE tenía que ofrecer contenidos a los usuarios. Ese era el papel de RCA, fundada por GE, que comercializaba receptores, pero también creaba discográficas y emisoras de radio. Al difuminar las fronteras entre proveedores, clientes, competidores y socios, RCA acabó asociándose con Westinghouse —a pesar de ser competidor directo de su empresa matriz, GE— para crear la NBC, la National Broadcasting Corporation. En definitiva, la electrificación masiva del periodo de entreguerras se caracterizó por fuertes relaciones endogámicas entre sus principales actores. Se puede establecer un paralelismo entre el acuerdo que dio lugar a la creación de la NBC —dos proveedores competidores que se asociaron para satisfacer la demanda de sus clientes— y la inversión realizada en diciembre de 2023 por Nvidia y AMD en el mismo desarrollador de IA, Essential AI.
El estudio del BPI reconoce que existe una abundante bibliografía académica que justifica ciertas formas de circularidad. En particular, cuando se trata de productos innovadores y de empresas de reciente creación con un historial limitado, los clientes y los proveedores pueden comprender mejor las perspectivas de una empresa que los inversores tradicionales. La circularidad permite a las empresas consolidadas «ceder» su credibilidad financiera a los nuevos participantes y hacer que las inversiones necesarias sean viables desde el punto de vista financiero. También puede contribuir a armonizar los incentivos de los distintos actores. Dado que los proyectos de IA suelen responder a especificaciones técnicas muy precisas, los proveedores que adaptan sus productos a las particularidades de sus clientes pueden sufrir «costos irrecuperables» considerables si estos últimos acaban retirándose del proyecto: en ese caso, tendrían dificultades técnicas para ofrecer sus productos a otros clientes. No obstante, todo ello deja sin resolver la cuestión del volumen global de riesgo presente en el ecosistema, al tiempo que dificulta la identificación de quienes lo asumen en última instancia.
Anatomía del milhojas
Una de las principales características del actual auge de la inversión relacionada con la IA es el número de «niveles» de su estructura financiera. En lugar de dar prioridad a una «integración vertical», en la que los hiperescaladores o los neoclouds serían propietarios directos de los centros de datos, estos suelen estar en manos de sociedades de proyecto, o vehículos ad hoc, denominados SPV (Special Purpose Vehicle), cuyo capital inicial suele ser aportado por fondos de capital riesgo. A continuación, el SPV se endeuda combinando financiación tradicional —préstamos bancarios, bonos negociados en los mercados— y fuentes alternativas, como la deuda privada. La calidad crediticia de esta deuda se basa en los compromisos plurianuales de los hiperescaladores para alquilar el centro de datos. En su esclarecedor estudio, Stijn Van Nieuwerburgh pone como ejemplo Hyperion, un gran proyecto de centro de datos. La SPV propietaria del mismo, Beignet, aunque carece por su propia naturaleza de un historial crediticio propio, ha emitido mediante colocación privada un bono negociable por un importe de 27.000 millones de dólares. Standard & Poor’s le ha otorgado la calificación favorable de A+, solo un escalón por debajo de la de Meta, que se ha comprometido a una serie de contratos de arrendamiento que cubren toda la vida útil del bono.
El estudio de Van Nieuwerburgh también destaca el papel de las normas contables, que permiten a los hiperescaladores favorecer la constitución de las reservas de capital que necesitan sin sobrecargar su balance aparente. De hecho, los contratos de arrendamiento no deben contabilizarse inmediatamente en el balance, sino solo cuando entran en vigor, es decir, cuando el centro de datos está totalmente construido y operativo. Durante la ejecución del proyecto, los compromisos de arrendamiento en los que se basa su financiación permanecen, por tanto, «fuera de balance». Si bien esto puede llevar a subestimar la deuda total del sistema, esta norma también tiene su lógica: la incapacidad del propietario para llevar a buen término la construcción del centro liberaría al hiperescalador de sus propias obligaciones. La estructura del contrato de arrendamiento permite a las partes compartir el riesgo tecnológico. En el caso de Hyperion, los sucesivos contratos de arrendamiento de Meta incluyen una cláusula de rescisión. A intervalos de unos años, Meta puede retirarse —por ejemplo, si la tecnología queda obsoleta—, compensando al mismo tiempo la pérdida de ingresos que sufriría el propietario al revender los activos. El riesgo tecnológico puede, por tanto, repartirse entre los distintos niveles de la estructura, pero no puede eliminarse por completo.
La circularidad genera dos riesgos distintos. El primero, por supuesto, es que el destino de todo el sector pueda depender de un puñado de actores. Una de las preocupaciones surgidas tras la salida de Jensen Huang de Nvidia —más allá del futuro de la propia Nvidia— es que su sucesor reduzca el apoyo de la empresa a los demás actores del ecosistema. Esta preocupación se ha visto reforzada por información según la cual la directora financiera de Nvidia, ahora directora general en funciones, había advertido a Jensen Huang sobre ciertas operaciones circulares. El segundo riesgo es que la complejidad de las estructuras financieras acabe ocultando la base de la viabilidad de todo el auge de la IA: la demanda final de servicios de IA procedente de fuera del sector tecnológico y su capacidad para cubrir el costo de la deuda.
Para ilustrarlo, volvamos a nuestro repaso histórico sobre la electrificación de la década de 1920. Aunque GE se beneficiaba de la demanda de equipos y contenidos radiofónicos generada por RCA —y de sus repercusiones en el consumo de electricidad—, los ingresos procedían, en última instancia, del gasto de las empresas y de los hogares «normales». Los asalariados destinaban una parte de su salario a la compra de aparatos de radio, mientras que las empresas destinaban una parte cada vez mayor de su gasto publicitario a este nuevo medio. La NBC señalaba en 1935 que los ingresos publicitarios de las cadenas de radio se habían multiplicado por diez entre 1927 y 1932. Sin embargo, al inicio del auge, las previsiones probablemente apuntaban a un crecimiento geométrico aún más rápido. De media, entre 1927 y 1930, los ingresos publicitarios de la radio casi se habían duplicado cada año. Si ese ritmo se hubiera mantenido, en 1934 habrían sido ocho veces superiores a su nivel real. Aunque las cadenas de radio resistieron mejor que los medios tradicionales de la época, no pudieron escapar por completo del impacto de la Gran Depresión: la NBC atravesó dificultades financieras en 1932. La demanda generada por la innovación tecnológica suele seguir una progresión geométrica más que lineal, pero resulta especialmente difícil estimar su ritmo de antemano.
«Evaluar la inclinación de la curva, el calor de la llama»
Es probable que un lector escéptico objete que hemos elegido un ejemplo extremo. La crisis de los años treinta fue profunda y prolongada. Pero podemos analizar otro episodio, menos dramático: el auge y posterior colapso del sector de las telecomunicaciones entre 1997 y 2003. Este sector era un elemento central del discurso de la «nueva economía». Aunque el aumento del gasto en inversión fue mucho más modesto que el que observamos hoy en día en torno a la IA, la carrera por aumentar el ancho de banda para responder a la llegada de internet tuvo un efecto visible en el PIB a finales de la década de 1990 y principios de la de 2000. Mientras que la mayoría de los comentaristas de la época se centraban en las empresas emergentes relacionadas con internet y sus valoraciones insostenibles, un estudio de economistas de la Reserva Federal de Richmond publicado en 2003 3 señalaba que «el sector de las telecomunicaciones representa una parte mucho más importante de las ganancias y pérdidas de capitalización bursátil que las empresas de Internet». Según este estudio, el auge de las telecomunicaciones no se ajustaba a la definición de «burbuja» adoptada por sus autores. En una burbuja en sentido estricto, son las expectativas de precios —que no son más que la «creencia» de que los precios seguirán subiendo, sin una explicación económica plausible— las que determinan la inversión. Los autores sugieren que las inversiones se basaban en una previsión fundamentalmente acertada: la demanda de servicios de telecomunicaciones iba a aumentar de forma masiva. Pero finalmente resultaron excesivas porque el mercado era demasiado optimista respecto a los efectos de la desregulación del sector, no había tenido suficientemente en cuenta los avances tecnológicos y se equivocaba sobre la magnitud exacta de ese aumento, muy real, de la demanda.
Los avances en la transmisión óptica permitían que una misma fibra transportara en el año 2000 aproximadamente cuarenta veces más datos que en 1996. Por lo tanto, los operadores construyeron un exceso de capacidad adicional, cuando un uso más intensivo de la capacidad existente habría podido satisfacer la demanda. Fue un caso emblemático de materialización de un riesgo tecnológico. Al mismo tiempo, los operadores se vieron animados por la Ley de Telecomunicaciones de 1996, que se suponía que les permitiría combinar sus nuevas redes de fibra de larga distancia con el acceso a los hogares y locales profesionales de sus clientes, allanando así el camino para la comercialización de «ofertas combinadas». Sin embargo, los litigios y las incertidumbres en torno a las normas de acceso retrasaron el proceso y obligaron a los operadores a revisar a la baja sus previsiones de ingresos. También se equivocaron en cuanto al ritmo de crecimiento geométrico de la demanda relacionada con internet. Una previsión habitual era que el uso de internet se duplicaría cada noventa días. En la década de los noventa era difícil encontrar datos fiables al respecto, pero el estudio de la Fed de Richmond apunta a una duplicación anual, como mucho, de media. Esta discrepancia tiene, evidentemente, consecuencias considerables. Como señalan los autores: «Unas tasas de crecimiento del 100 % cada tres meses habrían supuesto que el uso de internet se multiplicara por 17 millones entre 1994 y 2000. Las previsiones basadas en estas tasas de crecimiento y en los datos de uso de internet de 1994 suponen que cada usuario de internet, en el año 2000, descargara constantemente videos en streaming».
Volvamos al presente. Las elecciones de mitad de mandato, las protestas contra los centros de datos y los casos muy sonados de «desalineación de modelos» aumentan la probabilidad de que se apruebe una normativa más estricta o, al menos, de que se refuerce el control sobre las modalidades de implantación de la IA. El riesgo tecnológico es inherente a la IA: unas soluciones menos intensivas en capital que ofrezcan la misma capacidad de cálculo pondrían en tela de juicio los planes de inversión actuales. Las estimaciones sobre la futura demanda de capacidad de cálculo procedente de fuera del sector tecnológico son, por naturaleza, frágiles. Un estudio estima 4 que el gasto total dedicado a la IA en Estados Unidos ascenderá a 280.000 millones de dólares en 2026, lo que supone un aumento del 40 % interanual, según una encuesta sobre el gasto medio por empleado. Pero la cuestión fundamental es, evidentemente, la del ritmo de crecimiento futuro. La adopción de la IA está ya muy extendida: los autores señalan que el 78 % de las empresas de siete países utilizan al menos una tecnología de IA, aunque eso no significa que haya motivos para suponer una relación lineal entre su adopción fuera del ecosistema tecnológico y la demanda de capacidad de cálculo. Las empresas podrían intensificar su uso de la IA recurriendo a modelos cada vez más sofisticados, a medida que sus empleados se familiaricen con las nuevas herramientas. Por el contrario, si las empresas ajenas al sector tecnológico optan por dedicar sus presupuestos de desarrollo de IA a modelos «antiguos», la proporción de capacidad de cálculo destinada al entrenamiento de los modelos de vanguardia podría disminuir, dejando posiblemente más margen para la inferencia, es decir, para el procesamiento de las solicitudes de los clientes finales. En ese caso, la necesidad de aumentar la capacidad sería mucho menor.
Seamos claros: el caso de las telecomunicaciones sugiere que el mercado tiene razón al examinar con atención los posibles cambios normativos, y que el progreso tecnológico puede, en última instancia, reducir las necesidades de capital en lugar de aumentarlas. Sin embargo, no afirmamos que el ecosistema de la IA esté necesariamente al borde de una corrección dolorosa. Las previsiones actuales sobre las necesidades de capacidad de cálculo pueden ser acertadas. Nuestra tesis es más modesta. Tranquilizarse observando una «demanda circular» —por ejemplo, cuando la valoración de los fabricantes de chips se ve impulsada por el anuncio de nuevos compromisos de los hiperescaladores o los neoclouds a favor de centros de datos adicionales— puede resultar engañoso. El indicador adecuado es la demanda procedente del resto de la economía, para la cual, en este momento, los datos precisos son escasos y las perspectivas difíciles de cuantificar.
Notas al pie
- Stijn Van Nieuwerburgh, «Financing the AI Buildout», Brookings Papers on Economic Activity, otoño de 2026 (de próxima publicación), documento de trabajo SSRN, versión del 23 de septiembre de 2026, revisada el 13 de octubre de 2026, 32 págs., DOI: 10.2139/ssrn.6444363.
- Jon Frost, Rudraksh Kansal, Kumar Rishabh, Vatsala Shreeti y Leanne Si Ying Zhang, «Circular relationships among AI firms», Boletín del BPI, n.º 137, Banco de Pagos Internacionales, 1 de octubre de 2026, 8 págs.
- Elise A. Couper, John P. Hejkal y Alexander L. Wolman, «Boom and Bust in Telecommunications», Economic Quarterly, Banco de la Reserva Federal de Richmond, vol. 89, n.º 4, otoño de 2003, págs. 1-24.
- Ivan Yotzov, José María Barrero, Nicholas Bloom, Philip Bunn, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete y Gregory Thwaites, «The concentration of AI spending», VoxEU.org, CEPR, 7 de noviembre de 2026.