La inversión en infraestructura de IA: ¿ventaja competitiva o riesgo para el capital?
Las grandes revoluciones tecnológicas pueden transformar la economía y generar negocios extraordinarios.
Pero también pueden destruir valor para quienes invierten demasiado capital, demasiado pronto o bajo supuestos que después no se cumplen.
Eso es lo que empieza a estar en juego con la inversión en inteligencia artificial.
Durante los últimos años, el mercado ha premiado a las grandes tecnológicas por aumentar sus inversiones en centros de datos, semiconductores y redes.
La expectativa es que todo ese capital se traduzca en mayor productividad, nuevos ingresos y retornos elevados sobre el capital invertido (ROIC).
El problema es que invertir más no garantiza ganar más.
Para que estas inversiones creen valor, los retornos que generen deben superar el costo del capital y compensar los riesgos asumidos.
Cuando se revisan en detalle los estados financieros de estas compañías, aparece una cuestión que merece especial atención: una parte importante de las obligaciones asociadas a esta expansión todavía no se refleja como deuda en el balance tradicional.
Entonces, ¿estamos ante la construcción de una ventaja competitiva difícil de replicar o frente a un ciclo de inversión que podría terminar presionando los márgenes y destruyendo valor para los accionistas?
Para responder, conviene analizar las dos caras del problema: los riesgos financieros que está generando esta expansión y las razones por las que las grandes tecnológicas podrían terminar obteniendo retornos muy atractivos.
Lo que no vemos en el balance
Para dimensionar el compromiso financiero que implica esta expansión, tomemos como referencia las cifras de Meta Platforms correspondientes a septiembre de 2026.
A primera vista, la posición financiera de la compañía parece sólida.
La deuda financiera de largo plazo es de USD 80.922 millones.
El efectivo y activos negociables: USD 82.449 millones.

Flujo de caja operativo acumulado en nueve meses: USD 96.873 millones.

Con estos números, la empresa parece tener una posición financiera holgada.
Sin embargo, el análisis no debería terminar acá.
En las notas de los estados financieros aparecen compromisos contractuales, arrendamientos futuros y otras exposiciones que permiten entender mejor la magnitud de las inversiones que Meta está asumiendo.
Entre las principales partidas se encuentran las siguientes.
Meta acumula obligaciones contractuales por USD 454.520 millones, principalmente vinculadas con capacidad de computación en la nube, suministro de energía y componentes de hardware.
De ese total, USD 45.850 millones corresponden al resto de 2026 y USD 121.410 millones vencen en 2027.
A esto se suman otros USD 14.720 millones en obligaciones contingentes relacionadas con servicios de nube.

Los arrendamientos que todavía no comenzaron ascienden a USD 355.730 millones.
Incluyen contratos para centros de datos, servicios de colocación e infraestructura de red que comenzarán a ejecutarse entre finales de 2026 y 2036, con plazos que pueden extenderse hasta 30 años.

También tiene una exposición a vehículos especiales de inversión.
A través de sociedades conjuntas para desarrollar grandes centros de datos en Luisiana y Texas, Meta tiene una exposición máxima a pérdidas de USD 68.404 millones.

La cifra incluye compromisos de alquiler futuros por USD 18.476 millones, fondos comprometidos por USD 3.703 millones y garantías de valor residual por USD 41.493 millones.
Estas últimas garantías merecen una explicación.
Si al finalizar determinados contratos el valor de las instalaciones cae por debajo del nivel garantizado, Meta podría tener que cubrir la diferencia.
Como la compañía no considera probable ese desembolso, no reconoce actualmente una provisión por ese concepto.
Y hay un detalle más.
Meta reclasificó USD 10.800 millones de fondos del mercado monetario como efectivo restringido, depositado en cuentas de garantía hasta 2028-2030 para respaldar acuerdos vinculados con esta infraestructura.

En conjunto, estas partidas superan los USD 890.000 millones en compromisos y contingencias, según las cifras consideradas en este análisis.
El fenómeno tampoco se limita a Meta.
Alphabet presenta compromisos contractuales y arrendamientos futuros de una magnitud similar, impulsados, entre otras cosas, por acuerdos energéticos de largo plazo y reservas de capacidad de semiconductores.
Amazon, a través de AWS, también acumula obligaciones importantes relacionadas con arrendamientos y capacidad de infraestructura.
La conclusión es que las grandes tecnológicas no solo están invirtiendo grandes cantidades de dinero hoy.
También están comprometiendo una parte considerable de sus flujos de caja futuros para asegurarse el acceso a la infraestructura que necesitan.
Y eso cambia la forma en que debemos analizar sus balances.
La tesis bajista: el riesgo de invertir demasiado capital
La visión bajista no necesariamente cuestiona el potencial de la inteligencia artificial.
El punto central es otro: ¿las empresas están invirtiendo a un ritmo que podrán rentabilizar antes de que la tecnología pierda valor económico?
Hay tres riesgos que conviene analizar.
A. La vida útil de los equipos frente a su depreciación contable

Uno de los principales problemas es la velocidad con la que evoluciona el hardware destinado a la inteligencia artificial.
Los procesadores más avanzados pueden quedar relegados en términos de rendimiento y eficiencia energética en apenas 18 a 36 meses.
Cada nueva generación permite realizar más operaciones con un consumo energético relativamente menor, lo que modifica la competitividad económica de los equipos anteriores.
Sin embargo, las compañías pueden depreciar estos activos contablemente durante cuatro, cinco o más años.
Esto no significa necesariamente que exista un error contable: la depreciación se basa en la vida útil estimada del activo, no en el tiempo durante el cual conserva su máximo rendimiento. Pero sí plantea una pregunta importante.
¿La vida útil económica que las empresas asignan a estos equipos refleja adecuadamente la velocidad de la evolución tecnológica?
Si los equipos pierden valor económico más rápido de lo previsto, las compañías podrían verse obligadas a acelerar su depreciación o reemplazarlos antes de lo esperado.
En cualquiera de esos escenarios, la rentabilidad de las inversiones anteriores podría resultar inferior a la estimada.
Además, a medida que los nuevos centros de datos entren en funcionamiento, aumentará el gasto por depreciación y amortización.
Ese incremento puede presionar los márgenes operativos, incluso si los ingresos continúan creciendo.
El riesgo no está solamente en cuánto invierten las empresas, sino también en cuánto tiempo necesitan para recuperar ese capital.
B. Compromisos que reducen la flexibilidad financiera

El segundo riesgo está relacionado con los contratos de largo plazo.
Una empresa puede decidir reducir la compra de nuevos procesadores si observa que la demanda se desacelera.
Pero tiene menos margen de maniobra cuando ya asumió compromisos de suministro eléctrico, capacidad de centros de datos o alquileres que deberá pagar durante años.
Algunos contratos incorporan cláusulas conocidas como take-or-pay: la empresa se compromete a pagar por determinada capacidad, aunque finalmente no la utilice por completo.
Esto puede convertirse en un problema si la economía entra en recesión, cae la demanda de servicios de inteligencia artificial o los ingresos no crecen al ritmo esperado.
Los compromisos contractuales siguen vigentes, mientras que los ingresos pueden desacelerarse.
También hay que considerar las garantías de valor residual asociadas a determinados proyectos.
Si los activos pierden valor y se activan esas garantías, la empresa podría tener que afrontar desembolsos adicionales.
Por eso, mirar únicamente la deuda financiera que aparece en el balance puede llevar a una lectura incompleta del riesgo.
También importa cuánto capital está comprometido, qué obligaciones son difíciles de cancelar y qué capacidad tiene la compañía para adaptarse si el escenario cambia.
C. El riesgo de financiar a los propios clientes

Este es, quizás, uno de los puntos más interesantes del debate.
Algunas grandes tecnológicas invierten en empresas emergentes de inteligencia artificial que, a su vez, utilizan parte de esos fondos para contratar servicios de computación en la nube de las mismas compañías que las financiaron.
El circuito es relativamente sencillo: una tecnológica invierte en una startup, la startup utiliza ese capital para alquilar infraestructura y la tecnológica registra ingresos por esos servicios.
Esto no significa que esos ingresos sean ficticios ni que toda inversión de este tipo sea problemática.
Pero sí plantea una cuestión sobre la calidad y la sostenibilidad de la demanda.
¿Los clientes están pagando por los servicios porque existe una necesidad económica real y un modelo de negocio rentable, o porque todavía disponen del capital que recibieron de sus propios inversores?
Si el financiamiento se interrumpe y las aplicaciones de inteligencia artificial no consiguen generar ingresos suficientes para cubrir sus costos, la demanda de infraestructura podría caer.
En ese escenario, las compañías que construyeron capacidad anticipándose a un crecimiento sostenido podrían encontrarse con instalaciones subutilizadas y compromisos financieros difíciles de reducir.
La comparación con el financiamiento de proveedores que se observó en algunos sectores tecnológicos durante la burbuja puntocom resulta útil como advertencia, aunque no implica que la situación actual sea necesariamente equivalente.
La tesis alcista: una ventaja competitiva difícil de replicar
La visión alcista parte de una diferencia fundamental respecto de otros ciclos de inversión tecnológica: una parte de la infraestructura que se está construyendo ya genera beneficios económicos concretos.
Desde esta perspectiva, el riesgo de sobreinversión existe, pero no debería llevarnos a ignorar las mejoras de productividad, la demanda actual y las barreras de entrada que se están formando.
A. La inteligencia artificial ya está generando ingresos y ahorros
En el caso de Meta, por ejemplo, la inteligencia artificial no es solamente una apuesta a futuro.
Los modelos de aprendizaje automático permiten mejorar la segmentación publicitaria, optimizar las subastas y mostrar anuncios con mayor probabilidad de generar resultados para los anunciantes.
Según las cifras utilizadas en este análisis, durante el tercer trimestre de 2026 Meta registró un aumento interanual del 14% en el precio promedio por anuncio y del 10% en las impresiones, con una facturación de USD 64.601 millones.

La incorporación de modelos predictivos y sistemas de recuperación generativa, como GEM y Andromeda, también habría contribuido a mejorar las conversiones directas, con incrementos de entre el 1,4% y el 9,6%.
A esto se suman las mejoras de eficiencia interna.
El uso de modelos propios habría reducido en más de un 80% los costos unitarios de procesamiento de determinados contenidos en sus principales plataformas.
Estos ejemplos muestran que la inversión en infraestructura puede tener un retorno directo: más ingresos publicitarios, mejores resultados para los clientes y menores costos operativos.
La pregunta, entonces, no es si la inteligencia artificial aporta valor.
En algunos negocios, ese valor ya es visible.
Lo que todavía debe demostrarse es si los retornos incrementales serán suficientes para justificar la totalidad del capital que se está comprometiendo.
B. La capacidad de generar caja sigue siendo una ventaja decisiva
Hay otra diferencia importante respecto de algunos episodios de sobreinversión del pasado: varias de las compañías que lideran este ciclo tienen negocios consolidados y una gran capacidad para generar efectivo.
Meta, por ejemplo, generó USD 96.873 millones de flujo de caja operativo durante los primeros nueve meses de 2026 y contaba con USD 82.449 millones en efectivo y activos negociables.
Esa generación de caja le permite financiar una parte importante de sus inversiones sin depender exclusivamente del endeudamiento o de nuevas emisiones de acciones.
Además, las compañías pueden ajustar determinados componentes de su gasto de capital.
Si la demanda se debilita, podrían reducir o postergar algunas compras de procesadores y otros equipos.
No obstante, hay una distinción importante: no todo el gasto de capital es igualmente flexible.
Una compra de hardware que todavía no se concretó puede ser más fácil de postergar que un contrato de energía o un arrendamiento de largo plazo que ya fue firmado.
Por eso, la capacidad de generar caja es una ventaja, pero no elimina el riesgo de haber asumido compromisos excesivos.
La verdadera prueba será comprobar si estas empresas pueden sostener sus inversiones, cumplir sus obligaciones y conservar una generación de flujo de caja libre atractiva al mismo tiempo.
C. Los procesadores anteriores no necesariamente quedan obsoletos
La tesis de que los chips pierden todo su valor económico después de 18 o 36 meses también merece algunos matices.
Es cierto que entrenar los modelos más avanzados suele requerir procesadores de última generación.
Sin embargo, no todas las tareas de inteligencia artificial necesitan el hardware más potente disponible.
Los equipos de generaciones anteriores pueden seguir utilizándose para tareas de inferencia, procesamiento de video, traducción, transcripción y otras aplicaciones que no requieren el máximo rendimiento.
En otras palabras, un procesador puede dejar de ser competitivo para entrenar los modelos más exigentes y, aun así, conservar utilidad económica durante varios años.
Si la demanda de inferencia continúa creciendo, parte de la infraestructura instalada podría mantener niveles de utilización razonables durante cuatro, cinco o seis años.
Esto no garantiza que todos los equipos conserven su valor ni que la depreciación actual sea adecuada.
Pero sí demuestra que la obsolescencia tecnológica no equivale necesariamente a la inutilización del activo.
El análisis debería distinguir entre la pérdida de competitividad relativa y la pérdida total de capacidad para generar ingresos.
D. La reducción de costos puede ampliar la demanda
Hay otro argumento que juega a favor de la inversión: la paradoja de Jevons.
La idea es que, cuando un recurso se vuelve más barato de utilizar, su consumo total puede aumentar en lugar de disminuir.
Aplicado a la inteligencia artificial, una caída significativa en el costo de procesamiento podría hacer rentables aplicaciones que hoy todavía no lo son.
Meta, por ejemplo, ha planteado el objetivo de reducir diez veces el costo computacional de su agente en un año.
Si consigue avanzar en esa dirección, podría ampliar el uso de agentes inteligentes en tareas como compras, reservas, programación y productividad.
Con una base de usuarios de gran tamaño, incluso una adopción parcial de estas herramientas podría generar una demanda considerable de capacidad de procesamiento.
Sin embargo, hay una condición: el aumento del consumo debe traducirse en ingresos o ahorros suficientes para justificar las inversiones adicionales.
Que el uso de la inteligencia artificial crezca no garantiza, por sí solo, que las empresas que construyen la infraestructura obtengan retornos elevados.
Por último, no toda la inversión está concentrada en procesadores que pierden competitividad rápidamente.
Una parte importante se destina a terrenos, conexiones eléctricas, subestaciones, redes y contratos de suministro de energía.
Estos recursos son escasos y pueden convertirse en barreras de entrada para nuevos competidores.
En un contexto en el que conseguir energía y habilitar nueva capacidad de centros de datos resulta cada vez más difícil, asegurarse esos recursos con anticipación puede representar una ventaja estratégica significativa.
La cuestión es cuánto vale esa ventaja y si los ingresos futuros permitirán recuperar el costo de haberla construido.
La conclusión: el capital invertido también tiene que rendir
La expansión de la inteligencia artificial está modificando la estructura financiera de las grandes tecnológicas.
Durante años, muchas de estas compañías se caracterizaron por tener negocios escalables, márgenes elevados y necesidades relativamente reducidas de capital físico.
Ahora, algunas están asumiendo compromisos propios de industrias intensivas en infraestructura, con inversiones de gran magnitud y obligaciones que se extienden durante décadas.
Esto obliga a cambiar la forma de analizar sus resultados.
Ya no alcanza con mirar el crecimiento de los ingresos, los márgenes operativos o la posición de caja.
También hay que entender cuánto capital necesitan estas empresas para sostener su crecimiento, qué obligaciones están asumiendo y qué retorno pueden obtener sobre esos recursos.
Los compromisos fuera de balance son una parte importante de ese análisis, pero tampoco deberían interpretarse automáticamente como deuda financiera equivalente.
Es necesario distinguir entre obligaciones contractuales, arrendamientos, contingencias y compromisos que todavía pueden modificarse, teniendo en cuenta sus condiciones específicas.
En definitiva, la discusión no consiste en determinar si la inteligencia artificial va a transformar la economía.
Es muy probable que lo haga.
La pregunta relevante para el inversor es otra: ¿quiénes van a capturar el valor económico de esa transformación y qué retorno obtendrán sobre el capital que están invirtiendo?
Las empresas que consigan convertir su infraestructura en ingresos sostenibles, mejorar su productividad y generar retornos superiores a su costo de capital podrán consolidar ventajas competitivas importantes.
Las que inviertan por encima de lo que la demanda puede justificar, en cambio, podrían terminar con una estructura de costos demasiado rígida, activos que pierden valor más rápido de lo previsto y retornos inferiores a los esperados.
Por eso, más allá del entusiasmo que despierta la inteligencia artificial, el análisis financiero sigue teniendo una pregunta central: cuánto dinero se invierte, cuánto dinero vuelve y en qué plazo.
Porque una gran revolución tecnológica puede crear negocios extraordinarios.
Pero, para el accionista, eso solo se convierte en una buena inversión cuando el valor económico generado supera el capital comprometido.




Comentarios