¿Vale la pena la inversión de miles de millones de las Big Techs en IA?

Por Arthur Bittencourt ·
El mercado actual está observando un movimiento sin precedentes, con las mayores empresas tecnológicas invirtiendo aproximadamente 800 mil millones de dólares solo en infraestructura de Inteligencia Artificial (IA) este año. Este gasto no está motivado por mera curiosidad tecnológica; se trata de una estrategia defensiva para proteger modelos de negocio establecidos, como los anuncios en Google o los servicios en la nube de Amazon y Microsoft. El miedo central radica en la posibilidad de que nuevas herramientas automatizadas puedan canibalizar ingresos ya consolidados.
En la práctica, este volumen de capital garantiza al usuario final acceso rápido a herramientas cada vez más sofisticadas y económicas, pero crea barreras de entrada altísimas para nuevos competidores. Mientras el consumidor ve asistentes virtuales eficientes integrados en sus dispositivos, el costo real está concentrado en las "fábricas" invisibles de estas corporaciones. Estas fábricas procesan cada solicitud individual a través de la inferencia, un término técnico utilizado cuando el modelo listo ejecuta una tarea específica, funcionando como si la fábrica horneara un pastel personalizado cada vez que alguien hace una pregunta.
La base de esta operación son los chips de Nvidia, cuyo costo de fabricación ronda los 6 mil dólares para ser vendidos entre 30 mil y 40 mil dólares. Una única estantería de este hardware puede costar entre 3 y 5 millones de dólares, consumiendo electricidad equivalente a 100 residencias americanas simultáneamente. Para sostener estas máquinas, las empresas construyen data centers gigantescos que funcionan como hornos industriales; en el caso de Meta, su nueva planta en Louisiana fue diseñada para alcanzar los 5 gigavatios, permitiendo alimentar miles de estos equipos con energía constante.
Un desequilibrio surgió recientemente con DeepSeek, un laboratorio chino que demostró métodos de entrenamiento casi tan eficaces como los americanos por menos de 6 millones de dólares. Este logro provocó pánico en los mercados, haciendo que las acciones de semiconductores cayeran drásticamente en un solo día. El escenario ilustra la paradoja de Jevons: a medida que una tecnología se vuelve más eficiente o más barata (como un "método" mejor), la demanda aumenta tanto que termina estimulando un consumo total aún mayor del recurso básico — en este caso, la potencia computacional bruta disponible en las fábricas.
A pergunta sobre adotar já ou esperar depende da escala do seu objetivo tecnológico. Para desenvolvedores e usuários comuns, a tendência é aproveitar ferramentas cada vez menores e locais, como modelos rodando diretamente em celulares através do Gemini do Google ou tecnologias similares da Apple. Já para quem busca infraestrutura própria, os riscos são maiores devido à rápida depreciação das peças e às limitações físicas de conexão elétrica. No momento, enquanto a capacidade produtiva for escassa, quem dominar as fábricas terá vantagem estratégica antes que a eficiência extrema torne esses ativos obsoletos demais para gerar lucro.