¿Será el año 2026 en que los gastos de capital de IA superen las ganancias de productividad?

El aumento de la inversión en IA durante los últimos tres años ha transformado los mercados globales de capital, con la IA generativa (GenAI) impulsando un incremento en los gastos de capital (capex) y las ganancias de productividad. No obstante, a medida que se acerca 2026, se plantea una pregunta crítica:¿El gasto de capital de IA superará los beneficios tangibles de productividad que promete, socavando la sostenibilidad del crecimiento impulsado por IA?Este análisis evalúa los riesgos del aumento de la deuda, la financiación a circulación y el efecto Jevons, según datos recientes y proyecciones de expertos.

El aumento del gasto de capital de IA: una espada de dos filos

De 2023 a 2025, la inversión empresarial global relacionada con IA creció a una tasa anualizada del 18 %, solo con la inversión privada en IA de EE. UU.alcanzar los 109100 millones de dólares en 2024. Para 2026,Goldman Sachsestima que el gasto de capital en IA de los hiperescaladores podría superar los $527 mil millones, frente a los $465 mil millones para principios de 2025según proyeccionesEste crecimiento se está impulsado por una carrera para garantizar la infraestructura de IA, incluidos los centros de datos, las GPU y la generación de energía. Sin embargo, el rápido ritmo del gasto genera preocupaciones sobre el exceso de inversión. Por ejemplo,El efecto Jevons—donde las ganancias de eficiencia conducen a un uso ampliado en vez de un consumo reducido— sugiere que incluso cuando los sistemas de IA se vuelven más eficientes, sus demandas de energía y capital pueden incrementarse.

Ganancias de productividad: reales, pero desiguales

La IA ha brindado mejoras de productividad mensurables en todos los sectores. Los desarrolladores que usan asistentes de codificación de IA reportan un aumento de hasta un 55 % en la velocidad de codificación, mientras que los trabajadores con conocimiento logran incrementos de un 40 % o más.Según datos recientes. Los equipos de ventas que aprovechan las herramientas de inteligencia artificial reportan una productividad 47 % más alta, con tamaños de acuerdos 70 % más grandes y ciclos de acuerdos 78 % más cortosComo muestra la investigaciónSe preve que estas ganancias contribuyan hasta $4.5 billones en valor económico en EE. UU. para el año 2026 a través de una mayor productividad laboral y el crecimiento del PIBsegún una perspectiva de 2026Pero la distribución de estos beneficios sigue siendo desigual. Mientras que EE. UU. lidera la adopción de IA, el modelo impulsado por el estado en China lucha con un bajo gasto de los consumidores y Europa queda rezagada en I+D y escalaSegún el análisis de McKinsey.

El efecto Jevons y el consumo de energía: un cuello de botella inminente

El efecto Jevons complica la sostenibilidad del crecimiento impulsado por la IA. A pesar de algoritmos y hardware más eficientes,Se espera que el consumo mundial de electricidad en los centros de datos se dupliqueun 945 teravatios-hora para 2030. Se espera que solo los servidores dedicados a IA consuman entre 165 y 326 TWh para 2028, impulsados por la dominación de la inferencia de IA (80-90% de la demanda informática)según las previsiones de la industriaEste incremento pone a prueba la infraestructura de la red, en particular en regiones como el norte de Virginia y Europa, donde las redes de transmisión viejas luchan por satisfacer la demanda.Según los analistas de energía. Es posible que el sector energético de EE. UU. necesite agregar 38 gigavatios de nueva producción de energía para el 2028, lo que equivale a 34 nuevas plantas nucleares, para mantener el crecimiento de IASegún un exhaustivo informe.

Financiamiento circular y riesgos de la deuda: un ecosistema frágil

El panorama de la inversión en IA se define cada vez más por el financiamiento circular, en el que los hiperescalonadores y las nuevas empresas reciclan el capital. Por ejemplo,OpenAI se compromete a comprar $10 mil millones en chips de Nvidia,aun cuandoNvidiaprometió invertir $100 mil millones en OpenAI. Dichos arreglos ocultan los riesgos de gastar efectivo y sobrevaloraciones, particularmente cuando la base del mercado se enfrió. La deuda relacionada con la IA de EE. UU. ya alcanzó los $1,7 billones en 2025, con proyecciones de $1,5 billones para 2028según los analistas financierosLos vehículos de propósito especial (SPV) y la titulización de la deuda de IA amplifican aún más los riesgos sistémicos, creando un ecosistema frágil en el que el bajo rendimiento podría desencadenar una cascada de incumplimientos.Según un análisis detallado.

La paradoja de la sostenibilidad: crecimiento vs. corrección

Si bien el gasto de capital presentado por la IA se enmarca como una oportunidad económica, su sostenibilidad a largo plazo depende de transformar la inversión en valor duradero.notas de Goldman Sachsque la adopción de IA podría incrementar la productividad de EE.UU. en un 15 %, pero depende de que las empresas traduzcan la infraestructura en ventajas competitivas.Antecedentes históricos- como ocurrió con los teléfonos y ferrocarriles- sugieren que una inversión excesiva sin un crecimiento proporcional de los ingresos puede llevar a la depreciación de activos y correcciones de mercado.El informe de futura recaudación de impuestos de 2026advertencia de una "burbuja especulativa" en el gasto de capital de IA, con una corrección probable entre 2026 y 2028.

Conclusión: un leve equilibrio

El 2026 puede marcar un año clave para el crecimiento impulsado por IA. A pesar de que las ganancias de productividad y el potencial económico son reales, los riesgos de sobreinversión, financiamiento circular y cuellos de botella energéticos amenazan con superar estos beneficios. Los inversores deben medir la promesa transformadora de la IA frente a la fragilidad de sus fundamentos financieros y ambientales. Para que la IA logre su potencial a largo plazo, los responsables políticos y las empresas deben priorizar la infraestructura sostenible, la gestión transparente de la deuda y la distribución equitativa de las ganancias de productividad.