Diario Tech & IA
La inteligencia artificial dejó de ser una historia ligera de software. Cada nuevo asistente, modelo, agente, copiloto o sistema empresarial depende de una infraestructura física cada vez más costosa: centros de datos, GPU, memoria, redes, energía, refrigeración, terrenos, subestaciones, fibra óptica y deuda. Esa realidad empieza a cambiar la forma en que Wall Street mira a las grandes tecnológicas.
Durante la primera fase del boom de IA, el mercado se concentró en la demanda. La pregunta dominante era quién podía conseguir más chips, quién podía entrenar mejores modelos y quién podía construir más capacidad de cómputo. La segunda fase será más exigente. La pregunta ahora es si esa infraestructura generará suficiente flujo de caja antes de que el hardware se deprecie, los equipos se vuelvan obsoletos y los inversionistas empiecen a pedir disciplina financiera.
Reuters, utilizando estimaciones de LSEG, publicó una señal clara: Microsoft, Alphabet, Amazon, Meta y Oracle podrían gastar en 2027 más en inversión de capital de lo que generen conjuntamente como flujo de caja libre. Entre 2025 y 2027, el flujo operativo anual combinado de estas empresas aumentaría alrededor de US$340,000 millones, pero su inversión de capital crecería aproximadamente US$534,000 millones. Es decir, por cada dólar adicional de flujo operativo, estarían invirtiendo cerca de US$1.57 adicionales en capex.
Ese dato no significa que la IA sea un fracaso. Significa algo más preciso: la IA se está convirtiendo en una industria intensiva en capital. Empresas que durante años fueron valoradas como negocios digitales de márgenes altos y escalabilidad casi infinita comienzan a parecerse, en ciertos aspectos, a compañías de infraestructura: deben invertir hoy enormes sumas para capturar ingresos futuros.
El cambio es profundo. La gran promesa del software era su capacidad de escalar con costos marginales relativamente bajos. Una vez creado el producto, distribuirlo a millones de usuarios podía resultar extraordinariamente rentable. La IA generativa rompe parte de esa lógica. Cada consulta, cada imagen, cada línea de código generada, cada agente funcionando en segundo plano consume capacidad computacional. La infraestructura no es un gasto inicial que desaparece; es un costo permanente de operación.
Por eso el flujo de caja libre se vuelve la métrica crítica. Los ingresos pueden crecer. La nube puede expandirse. Los productos de IA pueden atraer clientes. Pero si el gasto en centros de datos, chips y energía crece más rápido que el efectivo disponible después de operaciones e inversiones, el mercado empezará a cuestionar la sostenibilidad del ciclo.
Oracle es el caso más extremo. Reuters informó que la compañía gastó aproximadamente US$55,660 millones en capital durante su ejercicio fiscal 2026, por encima de su objetivo de US$50,000 millones. Ese gasto amplió su déficit de flujo de caja libre hasta US$23,700 millones, frente a un déficit de apenas US$394 millones el año anterior. La empresa también había señalado que buscaba levantar hasta US$50,000 millones mediante deuda y capital para financiar su expansión en infraestructura de IA y nube.
Oracle no está sola. Microsoft, Alphabet, Amazon y Meta también están elevando agresivamente su inversión. La diferencia es que cada una parte de una posición financiera distinta. Microsoft tiene una base empresarial muy fuerte y monetización temprana de IA en software y nube. Alphabet combina búsqueda, publicidad, nube y modelos propios. Amazon depende de AWS como motor de infraestructura, pero también debe sostener comercio, logística y otros negocios. Meta utiliza IA para mejorar publicidad, recomendación y productos sociales, mientras financia apuestas de infraestructura. Oracle se ha convertido en una de las apuestas más agresivas de capacidad de nube para IA, pero también una de las más expuestas al financiamiento.
La pregunta no es quién gasta más, sino quién convierte mejor el gasto en beneficios. Los inversionistas empezarán a diferenciar entre empresas que simplemente compran capacidad y empresas que pueden utilizarla con altos niveles de ocupación, venderla con margen, integrarla en productos y recuperar la inversión antes de que los equipos pierdan valor.
En infraestructura IA, la obsolescencia es un riesgo central. Un edificio de data center puede durar décadas, pero los aceleradores, servidores, redes y sistemas de refrigeración pueden requerir renovación en ciclos mucho más cortos. Una empresa puede invertir miles de millones en hardware de última generación y descubrir pocos años después que necesita reemplazarlo para seguir siendo competitiva. Eso convierte la depreciación en una variable estratégica.
También está el costo de la energía. Los centros de datos no consumen electricidad como una oficina tradicional. Requieren suministro constante, redundancia, refrigeración y acuerdos de largo plazo. Si el precio de la energía sube, si los gobiernos imponen obligaciones ambientales o si las comunidades resisten nuevas instalaciones, el costo real de la IA aumenta. La infraestructura no solo compite por chips; compite por redes eléctricas, agua, permisos y aceptación social.
El mercado ya está comenzando a leer estos riesgos. Reuters señala que, aunque la inversión en IA está dando señales tempranas de retorno —por ejemplo, Microsoft ha comunicado una tasa anualizada de ingresos de IA de US$37,000 millones, mientras AWS de Amazon mantiene crecimiento sólido— los inversionistas se preocupan por la sostenibilidad del gasto cuando el flujo de caja libre se comprime.
Esa es la tensión central. La IA puede generar ingresos reales y, al mismo tiempo, destruir flujo de caja en el corto plazo. Ambas cosas pueden ser ciertas. Una empresa puede crecer más rápido porque vende servicios de IA, pero necesitar gastar aún más rápido para sostener esa demanda. El resultado puede ser un negocio con fuerte narrativa, fuerte crecimiento y menor efectivo disponible para accionistas.
Esto afecta directamente a recompras de acciones, dividendos, adquisiciones y flexibilidad financiera. Durante años, Big Tech acumuló caja, recompró acciones y financió proyectos internos con holgura. Si el capex de IA absorbe una proporción creciente del efectivo, las empresas tendrán que priorizar. Podrán seguir invirtiendo, pero quizá con menor margen para devolver capital, comprar competidores o sostener proyectos secundarios.
En algunos casos, también aumentará la deuda. Financiar centros de datos mediante deuda puede ser razonable si los contratos de nube son largos, los clientes son sólidos y la ocupación está asegurada. Pero también aumenta la sensibilidad a tasas de interés, vencimientos y condiciones de mercado. Si el costo del capital sube o si la demanda se desacelera, el riesgo financiero aumenta.
La comparación con ciclos anteriores es inevitable. Las grandes infraestructuras tecnológicas suelen atravesar períodos de exceso de inversión. Ocurrió con telecomunicaciones, fibra óptica, ferrocarriles, energía y hasta con la primera expansión de internet. A largo plazo, muchas de esas infraestructuras fueron útiles y transformadoras. A corto plazo, generaron quiebras, sobrecapacidad, pérdidas y reasignación de capital. La pregunta es si la IA repetirá una versión de ese patrón.
La diferencia es que esta vez los protagonistas son algunas de las empresas más rentables del mundo. Microsoft, Alphabet, Amazon y Meta no son startups sin ingresos. Tienen negocios masivos, clientes globales, datos, talento y balances robustos. Eso reduce el riesgo de colapso inmediato. Pero no elimina el riesgo de mala asignación de capital. Incluso una empresa extraordinaria puede invertir demasiado pronto, demasiado rápido o en capacidad que no genere el retorno esperado.
La presión también puede cambiar la estructura competitiva. Las empresas con más flujo de caja podrán sostener la carrera durante más tiempo. Las más endeudadas o dependientes de financiamiento externo serán más vulnerables. Los proveedores de chips, memoria, energía, construcción y refrigeración capturan ingresos inmediatos; los operadores de modelos y nubes deben demostrar monetización sostenida.
Este punto explica por qué NVIDIA, TSMC, ASML, SK Hynix y fabricantes de infraestructura han capturado tanta atención. En una fiebre de infraestructura, quienes venden las herramientas suelen recibir caja antes que quienes intentan explotar la mina. Pero incluso esos proveedores dependen de que la demanda final no se agote. Si los hyperscalers moderan capex, la cadena completa sentirá el impacto.
El caso también obliga a revisar una idea común: que la IA reducirá costos de forma inmediata. En el largo plazo, puede mejorar productividad, automatizar tareas, acelerar investigación, optimizar operaciones y aumentar márgenes. Pero en la fase de construcción puede ser inflacionaria para el sector tecnológico: eleva salarios de especialistas, precios de chips, demanda de energía, arrendamientos de data centers y costos de financiamiento.
La IA, por tanto, tiene una paradoja financiera. Promete eficiencia futura, pero exige una inversión presente extraordinaria. Promete automatización, pero requiere una infraestructura física intensiva en capital. Promete software inteligente, pero depende de una cadena industrial pesada.
Para los inversionistas, el debate dejará de ser puramente tecnológico. Ya no bastará con preguntar qué modelo es más potente o qué empresa tiene más GPU. Habrá que preguntar:
- ¿Cuánto capex requiere cada dólar de ingreso de IA?
- ¿Qué margen bruto tienen los servicios de IA?
- ¿Cuánta capacidad está contratada frente a cuánta está ociosa?
- ¿Qué vida útil tiene el hardware?
- ¿Cuánto costará renovar los chips?
- ¿Qué proporción del gasto está respaldada por contratos firmes?
- ¿Cuánto flujo de caja libre queda después de la expansión?
- ¿La empresa financia la IA con caja propia, deuda o emisión de acciones?
- ¿Qué pasa si los precios de inferencia bajan por competencia?
Esta última pregunta es especialmente importante. Modelos de pesos abiertos, proveedores chinos de bajo costo y mejoras de eficiencia pueden presionar los precios de inferencia. Si el costo de ofrecer IA cae, la adopción puede aumentar, pero los ingresos por unidad también pueden comprimirse. Eso podría beneficiar a usuarios y desarrolladores, pero complicar la recuperación de inversiones masivas realizadas bajo supuestos de precios más altos.
La competencia también puede crear un dilema. Si una empresa reduce el gasto, puede quedar rezagada frente a rivales con más capacidad. Si lo mantiene, puede sacrificar flujo de caja. La presión estratégica empuja a gastar; la presión financiera empuja a disciplinar. El equilibrio entre ambas determinará quién sobrevivirá mejor a la segunda fase del boom.
Para América Latina, este debate tiene una lectura práctica. Muchas empresas regionales adoptarán IA como usuarias, no como constructoras de centros de datos. Eso puede ser una ventaja. Podrán beneficiarse de la competencia entre proveedores sin asumir el costo completo de infraestructura. Pero también deben evitar quedar atrapadas en plataformas caras, modelos cerrados o servicios cuyos precios cambien cuando los proveedores intenten recuperar el capital invertido.
En República Dominicana, la oportunidad no está en imitar el gasto de Big Tech. Está en utilizar IA de forma selectiva donde produzca retorno medible: facturación electrónica, cobros, inventario, atención al cliente, análisis de documentos, expedientes clínicos, soporte técnico, automatización administrativa, rutas logísticas y servicios financieros. Para una pyme dominicana, la pregunta correcta no es cuántos modelos usa, sino cuántas horas ahorra, cuántos errores reduce y cuánto efectivo recupera más rápido.
Esa misma lógica aplica a los proyectos de software. Un SaaS local no necesita vender “IA” como etiqueta genérica. Necesita demostrar retorno: menos tiempo de captura, menos errores fiscales, mejor conciliación, cobros más rápidos, reportes más claros, auditoría automática y reducción de trabajo manual. En un entorno donde incluso Big Tech está bajo presión de flujo de caja, todo proveedor de software tendrá que justificar su costo con resultados.
La lección más amplia es que la IA está entrando en su etapa contable. La etapa de asombro técnico no desaparece, pero ya no basta. Wall Street quiere ver utilización, ingresos, márgenes, depreciación, deuda y flujo de caja. La pregunta dejó de ser si la IA será importante. Probablemente lo será. La pregunta ahora es quién podrá pagar la infraestructura necesaria para convertirla en negocio rentable.
El boom de IA no se está terminando. Se está volviendo más caro, más financiero y más exigente. Y cuando una tecnología empieza a consumir más capital del que genera libremente, la narrativa deja de ser suficiente. Empieza la prueba del flujo de caja.