Diario Tech & IA
La próxima gran disputa de la inteligencia artificial no será solamente por tener el mejor modelo, el chatbot más popular o la aplicación más vistosa. Será por asegurar, financiar y negociar la capacidad física que permite que esos modelos existan. Detrás de cada respuesta generada por IA hay una cadena de infraestructura cada vez más costosa: GPUs, centros de datos, energía eléctrica, refrigeración, fibra óptica, contratos de nube, financiamiento privado y acceso preferencial a capacidad computacional. Esa infraestructura, que hasta hace poco parecía un asunto técnico reservado a ingenieros y proveedores cloud, empieza a entrar en el lenguaje de Wall Street.
La señal más reciente es Ornn, una startup respaldada por Andreessen Horowitz que levantó US$33 millones para construir un mercado de cómputo de IA. La idea es ambiciosa: permitir que la capacidad computacional pueda comprarse, venderse, financiarse y eventualmente cubrirse con instrumentos de mercado, de forma parecida a como ocurre con materias primas como el petróleo, el gas o la electricidad. Axios lo resumió de manera directa: Wall Street quiere negociar compute de IA como si fuera petróleo.
La comparación con el petróleo no es perfecta, pero revela hacia dónde se mueve el mercado. El petróleo es una materia prima relativamente estandarizada: se extrae, se transporta, se almacena, se refina y se negocia con referencias de precio conocidas. El compute, en cambio, es más complejo. No toda GPU tiene el mismo valor. No es igual una capacidad disponible hoy que una comprometida para dentro de seis meses. No vale lo mismo un clúster con baja latencia y acceso energético estable que otro con restricciones de red, ubicación o refrigeración. Tampoco es igual capacidad para entrenamiento de modelos fundacionales que capacidad para inferencia, simulación, video generativo, agentes empresariales o cargas científicas.
Precisamente por eso el movimiento es importante. Los mercados financieros suelen aparecer cuando un recurso se vuelve escaso, caro, estratégico y difícil de planificar. Eso es lo que está ocurriendo con la infraestructura de IA. Las grandes tecnológicas, los laboratorios de modelos, las empresas industriales y los proveedores cloud compiten por chips, energía, espacio en data centers y contratos de suministro a largo plazo. La IA dejó de ser solamente una carrera de software; se convirtió en una carrera de capital físico.
Goldman Sachs estima que el gasto anual en infraestructura de IA podría pasar de US$765 mil millones en 2026 a US$1.6 billones anuales en 2031, dentro de un ciclo de inversión masivo en cómputo, energía y centros de datos. Otros reportes sobre ese mismo análisis sitúan la inversión acumulada global entre 2026 y 2031 en torno a US$7.6 billones, una cifra que coloca la construcción de la economía de IA al nivel de las grandes transformaciones industriales de la historia reciente.
Ese número cambia la conversación. Ya no estamos hablando únicamente de startups que lanzan productos o de empresas que integran IA en sus procesos. Estamos hablando de una economía que necesita construir una nueva base física: plantas eléctricas, subestaciones, redes de transmisión, centros de datos, cadenas de suministro de semiconductores, deuda para infraestructura, contratos de capacidad y posiblemente mercados secundarios donde esa capacidad pueda ser valorada y negociada.
La financiarización del compute podría tener varias consecuencias. La primera es que permitiría crear referencias de precio más claras. Hoy, el costo real de usar infraestructura de IA depende de contratos privados, disponibilidad, proveedor, ubicación, tipo de chip, volumen y duración del compromiso. Un mercado más líquido podría ayudar a empresas, inversionistas y financiadores a entender cuánto vale realmente una unidad de capacidad computacional bajo ciertas condiciones.
La segunda consecuencia es la cobertura de riesgo. Si una empresa sabe que necesitará capacidad GPU durante los próximos doce o veinticuatro meses, pero teme que los precios suban o que la disponibilidad se reduzca, podría intentar asegurar capacidad por adelantado. En mercados más maduros, esto podría derivar en contratos parecidos a futuros, forwards o acuerdos de suministro indexados. No sería extraño que bancos, fondos de infraestructura, aseguradoras y empresas industriales empiecen a mirar el compute como una exposición estratégica que debe gestionarse financieramente.
La tercera consecuencia es el nacimiento de una nueva clase de activos alrededor de la infraestructura de IA. No se trataría solo de invertir en acciones de fabricantes de chips o en grandes tecnológicas. También podrían aparecer vehículos vinculados a data centers, energía dedicada a IA, capacidad computacional contratada, deuda respaldada por infraestructura digital o plataformas que conecten oferta y demanda de cómputo. En otras palabras, el mercado podría empezar a separar la inteligencia artificial en capas: modelos, aplicaciones, chips, energía, data centers y capacidad financiera negociable.
Pero también hay riesgos. El Banco de Pagos Internacionales advirtió en su informe económico anual de 2026 que el optimismo alrededor de la IA ha impulsado grandes inversiones y condiciones financieras favorables, pero también ha elevado las vulnerabilidades asociadas a la sostenibilidad de esas inversiones. Reuters, comentando ese informe, señaló que el BIS observa riesgos de sobreinversión, cuellos de botella en la cadena de suministro y compromisos contractuales de largo plazo que podrían volverse problemáticos si los retornos de la IA tardan más de lo esperado en materializarse.
Esa advertencia es clave. Convertir el compute en commodity no elimina el riesgo; lo reorganiza. Si el mercado empieza a financiar capacidad futura sobre expectativas demasiado optimistas, puede crear una burbuja de infraestructura. Si la demanda real de IA empresarial no crece al ritmo previsto, algunos centros de datos, contratos de energía o compromisos de capacidad podrían quedar sobredimensionados. La historia económica tiene precedentes: ferrocarriles, telecomunicaciones, fibra óptica e internet también vivieron ciclos donde una tecnología real produjo beneficios enormes a largo plazo, pero con exceso de capital, quiebras y malas inversiones en el camino.
La diferencia es que esta vez la infraestructura no es periférica: es el corazón operativo de la IA. Un modelo avanzado sin capacidad computacional suficiente es una promesa limitada. Una empresa que quiera usar agentes, video generativo, simulaciones industriales o copilotos especializados necesita acceso estable a infraestructura. Un país que aspire a soberanía tecnológica también debe preguntarse dónde se aloja su capacidad de cómputo, quién la controla, bajo qué jurisdicción opera y cuánto costará mantenerla.
Ese punto abre una dimensión geopolítica. Si el compute se convierte en un recurso financiero global, los países sin infraestructura energética, centros de datos o acceso a capital quedarán más dependientes de proveedores externos. La brecha de IA no será solo una brecha de talento o de software, sino una brecha de infraestructura. Las economías con energía abundante, capital profundo, regulación clara y ecosistemas de data centers tendrán ventaja. Las demás consumirán IA desde la periferia, pagando precios definidos en mercados que no controlan.
Para América Latina, este debate debe leerse con cuidado. La región suele llegar tarde a las capas de infraestructura y temprano al consumo de aplicaciones. Eso ocurrió con internet, nube, fintech y ahora podría repetirse con IA. Si el compute se convierte en un mercado financiero sofisticado, los países latinoamericanos no deberían limitarse a usar herramientas de IA importadas. Tendrán que pensar en energía, data centers, regulación, conectividad, alianzas regionales y capacidad de negociación con proveedores globales.
La República Dominicana también puede mirar este tema con sentido estratégico. El país no será un fabricante de GPUs ni un competidor directo de los gigantes tecnológicos, pero sí puede preguntarse qué papel puede jugar en la economía regional de infraestructura digital. Su ubicación geográfica, conectividad, estabilidad relativa, zonas francas, sector financiero, turismo de negocios y potencial energético podrían formar parte de una conversación más amplia sobre servicios digitales, data centers, nube regional, cumplimiento regulatorio y adopción empresarial de IA. No se trata de exagerar capacidades, sino de entender temprano hacia dónde se mueve la economía.
La tesis central es sencilla: la IA empieza a parecerse menos a una aplicación y más a una industria pesada. Sus insumos críticos son físicos, costosos y escasos. Sus inversiones requieren deuda, contratos largos y gestión de riesgo. Sus proveedores necesitan previsibilidad. Sus clientes quieren acceso garantizado. Y donde hay escasez, capital intensivo y expectativas de crecimiento, Wall Street suele construir mercados.
Por eso el caso Ornn importa más allá de la propia empresa. Puede triunfar o fracasar, pero la señal que representa es difícil de ignorar. El mercado está buscando la forma de poner precio, liquidez y cobertura a la infraestructura que sostiene la inteligencia artificial. Si esa tendencia se consolida, la próxima etapa de la IA no se decidirá únicamente en laboratorios de modelos ni en interfaces de usuario. También se decidirá en bolsas, contratos, mesas de trading, fondos de infraestructura, acuerdos de energía y financiamiento de centros de datos.
La inteligencia artificial empezó como una revolución algorítmica. Luego se convirtió en una carrera por chips. Ahora entra en una fase más profunda: la construcción de una economía física y financiera alrededor del cómputo. En esa fase, el recurso estratégico no será solo el dato ni el modelo. Será la capacidad de procesar, alimentar, financiar y asegurar la infraestructura que hace posible la inteligencia artificial.
Si Wall Street logra convertir el compute en un commodity negociable, la IA habrá cruzado una frontera decisiva: dejará de ser vista solamente como tecnología y pasará a ocupar un lugar dentro de la arquitectura financiera de la economía global.