¿Cuánto gastarías en electrodomésticos nuevos para una casa que todavía no sabes si vas a habitar del todo? Algo parecido empieza a ocurrir con la inteligencia artificial: se compran piezas carísimas, se encienden motores enormes y, Nadie puede asegurar cuándo llegará el verdadero ahorro.
La señal más clara la dio Sam Altman, CEO de OpenAI. En una entrevista reciente, reconoció que la crítica sobre el gasto en IA es hoy “la más válida” y admitió que existe mucho despilfarro en el mecanismo actual de desarrollo.
El hallazgo no es menor. OpenAI es una empresa mucho más joven que Google, Meta o Microsoft, y aun así uno de los nombres centrales de esta carrera. Por eso, que Altman abra esa puerta revela un cambio de clima: la duda sobre la rentabilidad de la IA ya no viene solo de fuera, ahora está dentro del propio sector.
Además, Goldman Sachs estima que las grandes tecnológicas y sus proveedores planean invertir más de un billón de dólares en chips, centros de datos y software vinculados con esta tecnología. La cifra impresiona, pero la pieza clave es otra: todavía no hay una garantía clara de retorno.
También te puede interesar:Sam Altman avisa a indios y chinos de que Abandonen las esperanzas de competir con OpenAIAltman subrayó que es razonable preocuparse por cuándo llegará la rentabilidad y cómo se controlarán los costes.
La analogía más simple es la de un edificio de oficinas con todas las luces encendidas, ascensores listos y aire acondicionado al máximo, pero con la mayoría de los escritorios vacíos. La IA funciona hoy, en muchos casos, como esa infraestructura sobredimensionada: el cableado está hecho, la central está prendida, pero el uso real sigue siendo bajo.
Eso se ve en las GPU, los procesadores gráficos que son la pieza clave del entrenamiento de modelos. Un análisis de 23.000 clústers, grupos de servidores conectados, encontró que su utilización media es de apenas 5%. Traducido a una imagen doméstica: el 95% de esas “máquinas de alta gama” está funcionando como un coche deportivo atrapado en un garaje.
Y aquí aparece otro interruptor del problema: el FOMO, miedo a quedarse afuera. Muchas empresas compran chips no porque los necesiten hoy, sino porque temen no conseguirlos mañana. El patrón recuerda al acaparamiento durante la escasez de semiconductores en pandemia, o incluso a cuando una familia compra de más por miedo a que falte.
También te puede interesar:Sam Altman avisa a indios y chinos de que Abandonen las esperanzas de competir con OpenAIEl engranaje que gana incluso si la IA no rinde
Mientras tanto, algunos actores sí capturan beneficios inmediatos. NVIDIA, por ejemplo, registró en 2024 ingresos por 60.900 millones de dólares, un 126% más que el año anterior, impulsada por la demanda de centros de datos. La lógica es simple: vende palas en plena fiebre por cavar, aunque no todos encuentren oro.
Lo mismo ocurre con la nube. Según Synergy Research Group, el mercado global de infraestructura cloud, servicios remotos de computación, superó los 330.000 millones de dólares en 2024. Amazon, Microsoft y Google concentran alrededor del 70% del mercado, y sus ingresos llegan aunque sus clientes todavía no logren convertir la IA en negocio.
Ese es el mecanismo que inquieta a analistas e inversores. Quienes empujan la expansión de la infraestructura son, a la vez, los que menos riesgo directo cargan si esa infraestructura queda infrautilizada.
Tampoco ayuda que el impacto económico esperado siga siendo modesto. El economista Daron Acemoglu, del MIT, estima que la mejora de productividad por IA en la próxima década rondaría solo el 0,5%. Para una tecnología presentada como una nueva revolución industrial, el dato enfría el entusiasmo.
Qué puede cambiar para empresas y usuarios
Eso no significa que todo el gasto sea inútil. Parte de estas pérdidas puede ser el coste inicial de montar una red eléctrica nueva antes de que lleguen los aparatos que de verdad la aprovechen. Altman, de hecho, confía en que la industria resolverá rápido muchos de estos cuellos de botella.
La oportunidad está en ajustar el sistema. Si el sector logra usar mejor sus chips, bajar el consumo y elegir arquitecturas más eficientes, algunos de los equipos comprados hoy podrían dejar de ser lastre y convertirse en base útil para el futuro.
Para el usuario común, la señal es clara: la IA todavía está en fase de obra. Hay ruido, gasto y piezas que no encajan del todo. Pero si ese cableado termina ordenándose, lo que hoy parece una casa cara y vacía podría volverse una herramienta diaria, más simple, más útil y menos derrochadora.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
