Las 4 amenazas que pesan sobre los Hyperscalers

Los últimos resultados de los grandes gigantes tecnológicos han vuelto a confirmar que la carrera por liderar la inteligencia artificial está en plena aceleración. Amazon (AMZN), Microsoft (MSFT), Google (GOOGL) y Meta (META) continúan incrementando su inversión en infraestructuras, reforzando su posición en un mercado que promete transformar múltiples sectores de la economía.

Sin embargo, detrás del crecimiento y del entusiasmo inversor, empiezan a aflorar dudas más estructurales. El aumento del gasto en capital, la presión sobre los márgenes y la creciente dependencia de recursos físicos como la energía o los semiconductores plantean interrogantes que van más allá del corto plazo, cuestionando si la infraestructura que están construyendo es realmente sostenible.

¿Qué es un hyperscaler?

El término hyperscaler hace referencia a aquellas compañías capaces de operar infraestructuras digitales a gran escala, proporcionando servicios de computación en la nube a millones de usuarios y empresas en todo el mundo. Entre los principales actores destacan Amazon Web Services (AWS), Microsoft Azure y Google Cloud, a los que se suma Meta con una infraestructura propia orientada principalmente a sus plataformas.

Estas compañías se han convertido en la columna vertebral de la economía digital al ofrecer la capacidad de almacenamiento, procesamiento y distribución necesaria para el desarrollo de aplicaciones, servicios y, más recientemente, modelos de inteligencia artificial. Aunque a menudo se las percibe como empresas de software, la realidad es que su actividad depende en gran medida de activos físicos. A saber; centros de datos, chips avanzados y un consumo energético creciente. En este contexto, la expansión de la inteligencia artificial no solo está impulsando la demanda de servicios cloud, sino también tensionando los recursos necesarios para sostener ese crecimiento.

Las 4 amenazas que pesan sobre los hyperscalers

El crecimiento de la inteligencia artificial está impulsando una ola de inversión sin precedentes entre estos hyperscalers. Sin embargo, este despliegue masivo de capital también está poniendo sobre la mesa una serie de riesgos estructurales que el mercado empieza a observar con mayor atención.

1. Un CAPEX cada vez más difícil de justificar como “inversión”

El gasto en capital (CAPEX) de los grandes tecnológicos se ha disparado en los últimos trimestres, impulsado principalmente por la construcción de centros de datos y la adquisición de chips especializados para IA. Según estimaciones de mercado, las grandes tecnológicas podrían superar conjuntamente los 250.000 millones USD en CAPEX en 2026, con crecimientos de doble dígito año tras año.

El problema es que una parte creciente de este gasto ya no responde a una expansión puntual, sino a una necesidad recurrente. Mantener la capacidad competitiva en IA exige reinvertir constantemente. En este contexto, cabe la pena preguntarse si este CAPEX sigue siendo realmente “inversión” o si, en la práctica, se ha convertido en un coste estructural necesario para seguir operando.

2. Ganar la carrera de la IA implica consumir más recursos

En segundo lugar, existe una narrativa dominante según la cual la tecnología permite hacer más con menos. Sin embargo, en el caso de la inteligencia artificial, la dinámica parece ser la contraria:

1. Más usuarios implican más consultas.
2. Más consultas implican más inferencia.
3. Y más inferencia implica un mayor consumo de energía y capacidad computacional.

Tanto es así que diversos estudios apuntan a que una consulta en modelos avanzados de IA puede consumir entre 5 y 10 veces más energía que una búsqueda tradicional en internet, dependiendo del modelo y la complejidad de la respuesta. Esto introduce una curiosa paradoja: aquella empresa que no cese de tener consultas debido a la enorme masa crítica de usuarios con los que cuenta, podría llegar a resultar ineficiente, debido a los costes de energía en los que está incurriendo ante tanta consulta.

3. La gran incógnita: ¿cuánta demanda de IA es real?

Posiblemente el punto más controvertido de la demanda actual de servicios de inteligencia artificial. Y es que gran parte del uso de herramientas de IA generativa está, de facto, subvencionado. Esto significa que el usuario final no está pagando el coste real del servicio.

Esta subvención adopta distintas formas:

• Versiones gratuitas con límites elevados.
• Créditos promocionales para empresas.
• Precios por debajo del coste real de computación.
• E integración en productos existentes sin coste adicional aparente.

Por ejemplo, el coste estimado de una consulta avanzada en modelos como GPT-4 puede situarse en varios céntimos de dólar, mientras que muchas plataformas ofrecen acceso gratuito o incluido dentro de suscripciones de bajo precio (18€ / mes).

En consecuencia, se genera un problema clásico en economía: la señal de precios se distorsiona. Si el usuario no percibe el coste real, la demanda puede inflarse artificialmente. Por ende, el riesgo es que, a medida que las compañías intenten trasladar esos costes al cliente final, una parte de esa demanda desaparezca o se reduzca significativamente.

4. Infraestructura intensiva sin retorno probado

El despliegue de la inteligencia artificial está requiriendo inversiones masivas en activos físicos como centros de datos, redes eléctricas, sistemas de refrigeración y chips de última generación. Sin embargo, la capacidad de monetizar esta infraestructura sigue siendo incierta.

Algunas estimaciones recientes apuntan a que, pese al crecimiento de ingresos en cloud e IA, el impacto en el flujo de caja libre de varias grandes tecnológicas se está viendo presionado por el aumento del CAPEX. El caso más notorio ha sido el de Amazon (AMZN), que en menos de un año llegó a reducir su Flujo de caja libre en más de un 95%, debido a los requerimientos de inversión en infraestructura que precisa Amazon Web Service (AWS)

Esto plantea un escenario en el que el sistema está adelantando enormes cantidades de capital sin una visibilidad clara sobre el retorno.

¿Qué es lo que realmente importa en la carrera de la IA?

Más allá del desarrollo de modelos cada vez más avanzados, la carrera de la inteligencia artificial se está definiendo en la capacidad de sostener la infraestructura que la hace posible, un terreno bastante menos visible. O dicho de otro modo, el liderazgo ya no depende únicamente del talento o de los algoritmos, sino del acceso a capital, energía y chips, en un entorno donde escalar implica multiplicar los costes físicos.

Desde una perspectiva inversora, esto cambia el foco. No gana necesariamente quien tiene la mejor tecnología, sino quien puede financiar y operar esa infraestructura de forma eficiente y, sobre todo, monetizarla. La clave no está solo en crecer, sino en convertir ese crecimiento en flujo de caja, algo que todavía está en fase de construcción en gran parte del ecosistema de IA.

En este contexto, la gran incógnita es si el modelo actual es sostenible sin un ajuste de precios o de expectativas. Porque, aunque el producto parezca digital y escalable, su base de electricidad, centros de datos y recursos no lo es. Y cuando lo físico no escala al ritmo de lo digital, alguien acaba asumiendo el coste.