Burbuja de deuda en centros de datos de IA: la advertencia de $6T

El número de 6 billones de dólares que debería aterrorizar a cada ejecutivo bancario

Una sola oración en un informe de Bain & Company el mes pasado debería haber enviado ondas de choque por todos los desks de riesgo en Wall Street. Para justificar el boom de gasto en centros de datos de IA, la industria de la inteligencia artificial necesita generar 6 billones de dólares en ingresos anuales para 2031.

Eso suena astronómico. Pero empeora. Hace un año, Bain decía que la meta era de 2 billones. En doce meses, los ingresos requeridos se triplicaron —no porque la industria de repente valiera más, sino porque los costos de infraestructura estallaron más rápido de lo que cualquiera anticipó. La brecha entre lo que la IA ya genera y lo que debe generar se ha convertido en un abismo.

Las cuentas son brutales. Los servicios de IA existentes —suscripciones en la nube, software empresarial, productos publicitarios— pueden producir colectivamente a lo sumo 1,8 billones de dólares anuales. Incluso en el extremo más optimista de la estimación de Bain, eso deja 4,2 billones de dólares en ingresos no generados que simplemente no existen hoy. Dos tercios de ese déficit deben provenir de productos que aún no se han lanzado comercialmente: nuevas plataformas de descubrimiento de fármacos, sistemas de IA física como robótica y gemelos digitales, redes de vehículos autónomos. Estas son empresas reales, no humo, pero ninguna genera flujos de caja significativos todavía.

El problema no es solo la brecha de ingresos. Es cómo se está construyendo la infraestructura —y quién está pagando por ella.

Las grandes tecnológicas están gastando como si el futuro les perteneciera. No les pertenece.

Los cuatro mayores hiperscalers —Amazon, Alphabet, Meta y Microsoft— están en camino de gastar más de 700 mil millones de dólares en gastos de capital solo este año. Ese número casi se duplicó desde su guía original después de la temporada de resultados del segundo trimestre. Oracle se les está uniendo. En conjunto, su capex planeado para 2026 podría alcanzar los 780 mil millones, aproximadamente cinco veces lo que gastaron hace tres años.

Pero aquí está lo que los titulares están omitiendo: ninguna de esas compañías puede financiar ese gasto con su flujo de caja operativo. Según estimaciones de S&P Capital IQ analizadas por Semaphore, Amazon, Alphabet, Meta y Microsoft gastarán aproximadamente 66 mil millones de dólares más de lo que generan en flujo de caja operativo durante los próximos seis trimestres. Reduzcan su capex solo un 10 por ciento y pasan a superávit. Eligen expansión en su lugar. Piden prestada la diferencia.

OpenAI —la compañía que muchos creen está impulsando la parte más agresiva de este ciclo de gasto— está ella misma reduciendo su escala. Según reportes, presentó a los inversionistas un plan para cortar su meta de gasto en computación para 2030 de 1,4 billones a aproximadamente 600 mil millones. Abandonó planes de expandir su instalación Star Gate en Texas y se retiró de un proyecto noruego que Microsoft absorbió. Cuando el jugador más intensivo en capital de la IA comienza a retroceder de su propia hoja de ruta, el resto del ecosistema debería escuchar.

La deuda es invisible. Y eso la hace peligrosa.

Aquí es donde el sistema bancario entra en el marco. La emisión de bonos relacionados con IA ha alcanzado casi 500 mil millones de dólares. En la oferta de bonos corporativos de grado de inversión de EE.UU., la participación de IA saltó del 1 por ciento en 2024 al 18 por ciento este año. Uno de cada seis dólares de nueva deuda corporativa de alto grado lleva etiqueta de IA.

La deuda ahora financia aproximadamente un tercio de la inversión en infraestructura de los hiperscalers —un aumento agudo desde el 27 por ciento en 2025— y se proyecta que alcanzará su pico en el 35 por ciento para 2027. JP Morgan Asset Management estima que la inversión acumulada en IA alcanzará 5,5 billones de dólares para 2030, sin embargo solo una cuarta parte de eso puede cubrirse con flujo de caja operativo y emisión de acciones. El resto es dinero prestado.

Aún más ocultado: de los aproximadamente 1,4 billones de dólares en obligaciones de arrendamiento de centros de datos que los hiperscalers llevan, cerca de 1,1 billones se encuentran fuera del balance. Esto no es fraude. Es contabilidad. Pero significa que los analistas de crédito, las agencias calificadoras y los reguladores están evaluando el apalancamiento de estas compañías con un punto cego del tamaño del PIB de un país pequeño.

S&P Global Ratings ha comenzado a señalar que la calidad crediticia de los hiperscalers está “ligeramente deteriorándose”. El mecanismo es lo que el informe llama “préstamo sombra”: los hiperscalers empeñan su propio crédito a través de garantías de arrendamiento y compromisos de préstamo a proveedores de neocloud y startups de IA, luego observan cómo esas mismas entidades compran chips y capacidad de computación de sus proveedores. El dinero circula. El riesgo se concentra. Nadie ve la exposición completa.

Los bancos centrales están sonando la alarma

El gerente general del Banco de Liquidaciones Internacionales, Pablo Hernández de Cos, dio una de las advertencias más claras aún el mes pasado: la inversión en IA se está financiando a través de deuda, especialmente préstamos privados, no ganancias. Señaló específicamente los arreglos de financiamiento circular entre fabricantes de chips e hiperscalers —donde cada uno compra acciones en las empresas del otro— como haciendo casi imposible rastrear dónde reside realmente el riesgo.

El Comité de Política Financiera del Reino Unido emitió una precaución similar, advirtiendo que las valoraciones de IA podrían enfrentar una corrección más aguda de lo que sugería la venta del julio en acciones de IA y semiconductores. Tobias Adrian del FMI elevó preocupaciones sobre desajustes de vencimiento: activos de infraestructura de larga vida financiados con deuda a corto plazo, una receta clásica para el estrés cuando las condiciones crediticias se endurecen.

Incluso el pipeline de construcción cuenta una historia preocupante. Jefferies reportó en junio que solo 12 gigavatios de los 24 GW de centros de datos en EE.UU. programados para entrar en operación este año han iniciado construcción. Para proyectos de 2027 y 2028, hasta el 80 por ciento de la capacidad planeada aún no ha comenzado obra. Los proyectos mueren. Los bonos quedan impagos. Los bancos absorben la pérdida.

Qué pasa cuando se detiene la música

El defecto estructural en la apuesta actual por infraestructura de IA no es que la tecnología carezca de promesa. Es que la economía se está financiando al revés. Las expectativas de ingresos se están usando para justificar gasto que ya ha sido comprometido —y ese gasto se está financiando con deuda que vencerá antes de que lleguen los ingresos.

Para los hiperscalers, el camino hacia adelante requiere ya sea una aceleración dramática en el flujo de caja generado por IA que ninguna línea de producto actual soporta, o un retiro disciplinado de la carrera de expansión. Ambas son políticamente difíciles. La primera demanda invenciones que aún no existen. La segunda invita a acusaciones de perder la carrera de IA ante competidores que se negaron a parpadear.

Para los bancos y los inversionistas en bonos, el riesgo es asimétrico. Están prestando contra activos cuya capacidad productiva depende de flujos de ingresos que son en gran medida hipotéticos. Cuando las tasas se mantienen más altas por más tiempo, o cuando un hiperscaler importante anuncia un corte de capex —como la aparente reversión de OpenAI—, el muro de refinanciamiento se vuelve real. Las obligaciones de arrendamiento vencen. Las garantías fuera del balance son llamadas. Las calificaciones crediticias se desploman.

El número de 6 billones de dólares no es una meta. Es un espejo. Refleja una industria gastando a una escala que supera su capacidad para pagarlo —y un sistema financiero que ha elegido mirar hacia otro lado.