El Hambre de IA Empuja a Grandes Tecnológicas a Asumir Riesgos que Inquietan como Nunca

Si miras el boom actual de la inteligencia artificial solo por las demos espectaculares, te pierdes un detalle clave: la fiesta de la IA se está pagando, sobre todo, a crédito. Detrás de cada chatbot brillante hay un centro de datos gigantesco y, detrás de ese edificio lleno de GPUs, hay bancos, bonos y préstamos a décadas vista.

En Estados Unidos, donde se concentra buena parte de esta carrera, la cifra empieza a ser incómoda. Para 2025, la emisión de deuda asegurada ligada a centros de datos rondará los 25.400 millones de dólares, y eso es solo una parte visible del problema. Falta por ver cómo encaja esta montaña de préstamos con el ritmo real de adopción de servicios de IA en los próximos años.

Lo que está ocurriendo es relativamente simple de explicar y bastante más difícil de sostener. Los centros de datos que necesitas para entrenar y servir modelos de IA se están levantando con dinero prestado, no con caja propia. Si a esos 25.400 millones previstos para 2025 les añades instrumentos financieros como los valores respaldados por activos (ABS) y los respaldados por hipotecas comerciales (CMBS), el volumen ligado a este tipo de infraestructuras se acerca ya a los 49.000 millones de dólares.

Ese salto, un 112 % más de deuda asegurada en solo un año, señala algo más que un crecimiento sano. Indica prisa. Los promotores de centros de datos quieren construir tan rápido que aceptan plazos muy largos y condiciones que hace una década habrían parecido temerarias para un negocio tan dependiente de la tecnología.

Las grandes tecnológicas, los llamados hyperscalers, no se están quedando atrás en esta fiesta del crédito. Microsoft, Google, Oracle y Meta han vuelto en masa al mercado de bonos y han emitido alrededor de 100.000 millones de dólares en deuda solo este año. Con ese dinero están comprando GPUs a un ritmo nunca visto y levantando centros de datos por todo el mapa, desde Estados Unidos hasta Europa.

La paradoja está en que la mayoría de estas compañías ya tienen enormes reservas de efectivo. Podrían pagar parte de esta expansión con sus propios recursos, pero han decidido apalancarse porque el incentivo principal no es ahorrar, sino llegar antes. En este momento, tener más capacidad de cómputo de IA que tu rival puede marcar la diferencia entre liderar el mercado o quedarse rezagado.

Si quieres un caso extremo, Oracle se ha convertido casi en el símbolo de este endeudamiento agresivo ligado a la IA. Su gigantesco acuerdo de 300.000 millones de dólares con OpenAI la ha empujado a situarse como el mayor emisor de deuda corporativa fuera del sector financiero. Su deuda total ha escalado hasta los 111.600 millones, mientras su caja se ha reducido en unos 10.000 millones de dólares.

Las estimaciones de Citi ponen cifras a lo que eso implica en los próximos años. Sus analistas calculan que Oracle tendrá que pedir prestados entre 20.000 y 30.000 millones de dólares adicionales cada año, al menos durante los próximos tres ejercicios, solo para seguir construyendo infraestructura para IA y nube. Es decir, no se trata de un esfuerzo puntual, sino de una apuesta prolongada en el tiempo y muy exigente en financiación.

No son solo los gigantes clásicos del sector. Startups como CoreWeave están llevando esta dinámica de crédito a otra escala, pero con el mismo espíritu. CoreWeave, centrada en alquilar capacidad de cómputo para proyectos de IA, ha conseguido líneas de crédito por unos 2.500 millones de dólares. Detrás están grandes bancos de inversión como JPMorgan, encantados de financiar cualquier proyecto que suene a expansión de inteligencia artificial.

El mensaje implícito que lanza el mercado financiero es bastante claro: si dices que “construyes para IA”, el crédito llega con una facilidad sorprendente. Por ahora, el filtro no parece ser tanto el modelo de negocio como la etiqueta tecnológica. Y ahí es donde empiezan a encenderse las alarmas entre los analistas de riesgo.

Una de las preocupaciones que más se repite no tiene que ver con la moda de la IA en sí, sino con los plazos. Los edificios que alojan los centros de datos se financian normalmente con deuda a 20 o 30 años, como si fuesen infraestructuras clásicas, casi comparables a una autopista. Pero el equipamiento clave que hay dentro, en especial los chips de IA, se queda obsoleto en apenas tres o cuatro años, y muchas veces antes en términos competitivos.

Eso genera una duda de fondo bastante razonable: ¿tiene lógica endeudarse a 20 o 30 años por activos tecnológicos que pierden ventaja en menos de un lustro? Si el ciclo de reemplazo de hardware se acelera, una parte de esos centros de datos podría necesitar una reinversión masiva mucho antes de que venza la deuda original, lo que tensionaría aún más las cuentas.

Agencias como Moody’s ya han empezado a recoger estas inquietudes en sus informes. En uno de sus análisis recientes, la firma subraya el desajuste temporal como un foco de riesgo para el ecosistema de centros de datos ligados a la IA. Como resumía un analista de crédito en una conversación citada por la agencia, “estamos financiando coches deportivos con hipotecas a 30 años”. La imagen es gruesa, pero la idea es clara.

Lo sorprendente es que, pese a estos riesgos, los inversores están aceptando intereses muy bajos por prestar a este sector. Muchos bonos ligados a centros de datos y a las grandes tecnológicas pagan apenas un 1 % más que la deuda pública estadounidense, considerada el activo más seguro del mundo. Ese diferencial tan estrecho sugiere que los prestamistas están asumiendo un riesgo elevado a cambio de una rentabilidad muy modesta.

En la jerga de los mercados, ese tipo de comportamiento suele verse como señal de euforia. Hay tanta sobreabundancia de capital deseando entrar en el negocio de la inteligencia artificial que los criterios de prudencia se rebajan, a veces de forma inconsciente. No extraña que cada vez más analistas hablen de “exuberancia irracional” en torno a la IA y los centros de datos, recordando expresiones usadas en otras burbujas tecnológicas.

Y el dinero no es el único cuello de botella, ni siquiera el principal en algunos proyectos. Por mucho que haya apetito de crédito y chips disponibles, el verdadero límite emergente para la expansión de la IA es la energía eléctrica. Lo ha admitido de forma bastante directa Satya Nadella, CEO de Microsoft, al afirmar que “no hay energía para tanto chip”, en referencia a la capacidad real de la red eléctrica para absorber tantos nuevos centros de datos.

Los datos respaldan esa impresión. Un estudio reciente de Deloitte señala que algunos proyectos de centros de datos se enfrentan a colas de espera de hasta siete años para conectarse a la red. No se trata de retrasos menores, sino de plazos que pueden desbaratar por completo el plan financiero de un proyecto de IA que depende de arrancar cuanto antes.

Cómo la deuda de los centros de datos de IA choca con el límite de la energía eléctrica

Esta dificultad para conseguir “un enchufe” fiable se ha convertido ya en una condición previa para el crédito. Antes de conceder financiación, los bancos y otros financiadores quieren ver garantías claras de que el centro de datos tendrá acceso estable a la red eléctrica durante décadas. Sin ese compromiso, muchos proyectos simplemente no pasan el corte, por muy prometedor que parezca su modelo de IA.

Se ha impuesto, casi como regla no escrita, la idea de que sin suministro eléctrico asegurado, no hay préstamo. El sector está empezando a entender la energía como un recurso tan estratégico como los chips o el capital. Ya no basta con cerrar un contrato de GPUs con un gran fabricante, ahora también necesitas contratos de energía a largo plazo que den confianza a los mercados de deuda.

OpenAI ha puesto palabras a este giro al hablar de “electron gap” o “brecha de electrones”, una forma de describir la escasez relativa de energía frente a la enorme demanda que genera la inteligencia artificial. En sus presentaciones internas, la compañía habla de los electrones, es decir, de la energía, como el “nuevo petróleo”. Con esa comparación los equipara en importancia estratégica a los combustibles fósiles que marcaron la geopolítica de décadas anteriores.

Las grandes tecnológicas han tomado nota y ya actúan en consecuencia. Google ha firmado con TotalEnergies un acuerdo para recibir 1,5 TWh de electricidad durante los próximos 15 años, lo que supone un compromiso de muy largo alcance con un proveedor energético específico. No es un simple contrato anual, sino una especie de reserva prioritaria de electrones para mantener sus centros de datos de IA y nube.

Meta ha seguido una línea parecida al cerrar un acuerdo con Treaty Oak Clean Energy para obtener 385 MW de sus plantas solares en Luisiana. Aunque las magnitudes y los plazos cambian, el movimiento es similar: asegurar mucha energía limpia y estable para alimentar el crecimiento de sus servicios de inteligencia artificial y de su infraestructura digital.

Estos contratos energéticos muestran que la competición ya no es solo por los mejores chips o por el talento en modelos de lenguaje, sino también por quién es capaz de bloquear más capacidad eléctrica a largo plazo. En otras palabras, las grandes tecnológicas compiten por electrones con la misma intensidad con la que compiten por ingenieros estrella.

Riesgo de burbuja: qué puede pasar con la deuda de la IA en 5 o 10 años

La mezcla de deuda masiva, plazos de financiación muy largos, tecnología que se renueva en ciclos cortos y límites energéticos cada vez más claros alimenta el temor a una burbuja alrededor de la inteligencia artificial. Si la demanda real de servicios de IA despunta y se mantiene fuerte, todos estos centros de datos podrían encontrar su sitio. Pero si esa demanda se estabiliza o crece menos de lo esperado, el escenario cambia.

La incertidumbre central está ahí: nadie puede asegurar hoy que en 5 o 10 años habrá suficiente demanda de IA para cubrir los enormes costes eléctricos y financieros que se están asumiendo ahora. Los modelos que hoy son punteros pueden quedar superados por arquitecturas más eficientes, y los clientes empresariales pueden ajustar su gasto si no ven retornos claros en productividad.

Los analistas de crédito, que llevan años estudiando burbujas en sectores como las telecomunicaciones o el inmobiliario, empiezan a ver patrones familiares. Crecimiento rapidísimo, abundancia de crédito barato, criterios de riesgo relajados y una narrativa dominante que promete que “esta vez es diferente”. La situación no es idéntica a la de otras crisis pasadas, y sigue habiendo proyectos sólidos y clientes dispuestos a pagar por servicios de IA estables.

Para ti, como observador o como profesional que usa herramientas de IA a diario, la clave está en entender que el boom actual de la inteligencia artificial se sostiene sobre una “fiesta del crédito” que puede tener consecuencias a medio plazo. Si todo va bien, esta ola de inversión creará infraestructuras potentes que abaratarán y mejorarán el acceso a servicios de IA. Si las expectativas se inflan demasiado, es posible que veamos ajustes bruscos, recortes de proyectos y una revisión de las condiciones de financiación.

En cualquier caso, la próxima señal que muchos en el mercado van a vigilar no será solo el lanzamiento del siguiente modelo de IA, sino las cifras de nueva deuda emitida para centros de datos y los acuerdos de energía firmados a partir de 2026. Ahí se verá si las grandes tecnológicas siguen “empeñando las joyas de la abuela” por la IA o empiezan a pisar el freno para alinear mejor la financiación, la tecnología y, sobre todo, los electrones que realmente tienen disponibles.