Grandes tecnológicas gastarán $700.000 M en IA hasta 2026

Párrafo inicial

Grandes tecnológicas han comprometido aproximadamente 700.000 millones de dólares en gastos relacionados con la IA hasta finales de 2026, cifra informada por Yahoo Finance el 2 de mayo de 2026. Esa estimación agrega gastos de capital (capex), consumo de nube, adquisición de GPU y costes operativos incrementales en una base plurianual para las mayores empresas tecnológicas. La escala es material: repartidos de forma uniforme, 700.000 millones implican aproximadamente 233.000 millones por año durante tres años —un volumen de inversión que supera los presupuestos de capital anuales de muchas empresas industriales. Un profesor de la NYU citado en el informe caracterizó esta ola como potencialmente derrochadora; el comentario cristaliza un debate emergente sobre la eficiencia del capital, los rendimientos marginales del gasto en IA y el momento de la monetización. Este artículo desglosa los datos, compara patrones históricos de capex tecnológico y evalúa dónde están los riesgos y posibles malas asignaciones para inversores y consejos corporativos.

Contexto

El titular de 700.000 millones (Yahoo Finance, 2 de mayo de 2026) llegó en un contexto de asignación de capital agresiva hacia infraestructura de IA y productización en todo el sector tecnológico estadounidense. Presentaciones públicas y comunicados de prensa de los últimos tres años muestran un patrón de compromisos multimillonarios: Microsoft anunció una inversión plurianual en OpenAI —comúnmente reportada en torno a 10.000 millones de dólares en 2023 (comunicado de Microsoft, marzo de 2023)— mientras los proveedores de nube aceleraron inversiones en centros de datos y redes para soportar mayores cargas de cálculo para IA. Esos anuncios, cuando se escalan a Google/Alphabet, Amazon Web Services, Microsoft, Meta y otros, se combinan hasta alcanzar la cifra agregada citada por medios y algunas estimaciones sell-side.

Esa dinámica de gasto no es puramente discrecional. El aumento del tamaño de los modelos y de las sesiones de entrenamiento impone demandas estructurales sobre cómputo, memoria y energía. OpenAI y análisis relativos a tendencias de cómputo (OpenAI, 2022) han documentado incrementos exponenciales en el cómputo usado en entrenamientos de modelos punteros en los últimos años, creando una intensidad de hardware y energía que no existía hace una década. Al mismo tiempo, las empresas financian I+D, adquisiciones de startups de IA y despliegues de producto que requieren opex continuo —no solo capex único—, de modo que la cifra de 700.000 millones captura una mezcla de compromisos en balance y en cuenta de resultados.

El contexto regulatorio y de mercado añade incertidumbre. Los gobiernos de EE. UU. y la UE están escrutando la IA junto con preocupaciones sobre competencia; los resultados regulatorios podrían afectar materialmente la curva de monetización de algunos servicios habilitados por IA. Dado el grado de exposición de los mercados públicos a un puñado de nombres tecnológicos de gran capitalización, la superposición macro y regulatoria incrementa las apuestas ante cualquier reevaluación de los retornos esperados de estas inversiones.

Análisis detallado de datos

La cifra de 700.000 millones merece desagregación. El artículo de Yahoo Finance (2 de mayo de 2026) agrega cuatro grandes partidas: (1) capex incremental en nube y centros de datos, (2) compras de GPU y hardware acelerador, (3) gasto en software e I+D ligado directamente a la entrega de productos de IA, y (4) fusiones y adquisiciones e inversiones estratégicas en startups de IA. Las líneas reportadas públicamente son parciales; las empresas divulgan totales de capex y añadidos de infraestructura en nube, pero rara vez etiquetan de forma consistente una cuota explícita asignada a IA. Eso exige supuestos de modelización conservadores para la asignación.

Para ilustrar la escala, divida 700.000 millones en un periodo de tres años (2024–2026) y el titular equivale a aprox. 233.000 millones por año. Para poner en contexto, esa cifra anualizada superaría el capex típico de una gran petrolera integrada (por ejemplo, muchas majors del petróleo han tenido rangos de capex de 15–35.000 millones anuales en años recientes). La comparación es intencionalmente demostrativa: muestra que el empuje de las grandes tecnológicas hacia la IA es un compromiso de capital de escala intersectorial más que una simple actualización incremental de tecnología para líneas de producto existentes.

Los precedentes históricos muestran similitudes y diferencias. Las construcciones de nube hiperescalables del ciclo 2016–2020 tuvieron motivos estructurales similares (nueva demanda de producto, beneficios de escala), sin embargo los consejos corporativos ahora afrontan un modelo de ingresos diferente: muchos servicios de IA siguen siendo apuestas de monetización en fase temprana frente a contratos IaaS de nube bien entendidos. Eso aumenta la incertidumbre de ingresos por cada dólar gastado. Donde los ciclos de capex pasados tenían curvas de utilización relativamente previsibles, las cargas de trabajo de IA —debido a las distinciones entre entrenamiento e inferencia y a arquitecturas de modelos que cambian rápidamente— pueden producir perfiles de utilización más volátiles y menos lineales.

Implicaciones para el sector

El empuje de las grandes tecnológicas alterará de manera significativa el mercado de semiconductores, los servicios de centros de datos y las licencias de software empresarial. Los proveedores de GPU y aceleradores han visto cómo se alargan las listas de pedidos a medida que los clientes aseguran capacidad; eso genera una dinámica bidireccional en la que los suministradores de componentes pueden tener poder de fijación de precios en el corto plazo pero también enfrentan riesgo de concentración si los compradores en la nube cancelan o reasignan pedidos. Vendedores como NVIDIA (mencionados en coberturas de mercado) se benefician de la elevada demanda de aceleradores de gama alta, pero sus trayectorias de ingresos están ligadas no solo a los envíos unitarios sino también a la voluntad de los clientes de mantener compras recurrentes y actualizaciones.

Los proveedores de nube —Amazon Web Services, Google Cloud y Microsoft Azure— están en posición de capturar una gran porción de las cargas de inferencia de IA recurrentes debido a ventajas de escala e integración. Sin embargo, también asumen cargas de coste material en el corto plazo al provisionar capacidad de GPU y redes especializadas, lo que comprime márgenes hasta que la utilización y los modelos de precios maduren. Para los proveedores de software empresarial, la oportunidad está en integrar la IA en flujos de trabajo y cobrar por servicios con valor añadido; el desafío es convertir el gasto incremental en crecimiento sostenido de ARR.

Las comparaciones para inversores son instructivas: el crecimiento interanual (YoY) de los ingresos en servicios en la nube históricamente ha superado al crecimiento agregado del capex tecnológico, reflejando la monetización del producto tras la inversión. Si la monetización de la IA se retrasa respecto al ciclo de gasto, el sector podría ver un periodo en el que el crecimiento del capex supere materialmente al crecimiento de los ingresos, tensionando márgenes y valoraciones.