Las empresas de inteligencia artificial están apostando a que el próximo gran avance provenga de sus propios equipos (1)

Billones de dólares están siendo apostados por empresas de IA en centros de datos, y la cuestión abierta es si esas inversiones darán sus frutos.

Una profesora de finanzas de la Universidad de Pensilvania llamada Jessica Wachter se ha propuesto medir el efecto económico de la IA en los próximos años; de la Wharton School, quería medir la IA. Su investigación comenzó con un enfoque limitado en un puñado de empresas que están gastando enormes cantidades en centros de datos de IA. En lugar de intentar estimar cuán útiles podrían ser los modelos de IA, eligió un enfoque más directo: quería saber con qué rapidez estas empresas tendrían que ver aumentar sus ganancias para que ese gasto valiera la pena.

Según su trabajo con un colaborador, la respuesta es un aumento de la productividad de 2,7 veces. Para recuperar su inversión para 2030, teniendo en cuenta el costo de capital, un rendimiento del 15% del dinero y la disminución de valor del equipo, las empresas deben generar significativamente más producción de cada dólar que comprometen. Eso representa una gran cantidad de expansión comprimida en solo unos pocos años.

El auge del gasto

Las cinco principales empresas de IA —Alphabet, Microsoft, Amazon, Meta y Oracle— están gastando mucho. Es probable que gasten más de $1 billón en centros de datos el próximo año. Para 2027, el gasto acumulado alcanza casi $1,1 billón, según su estimación con su colaborador. La inversión total de capital en IA por parte de estas empresas podría superar los $5 billones en los próximos cuatro años.

Esto está entre las mayores inversiones de capital jamás realizadas por cualquier industria. El dinero sigue fluyendo sin signos de desaceleración. Las empresas están construyendo enormes centros de datos en todo el país.

Ingresos que se quedan atrás

Cualquiera que preste atención puede ver el problema de inmediato. Estas empresas tienen la intención de invertir billones en IA, pero sus ingresos combinados en IA rondan los $150 mil millones a $200 mil millones para el año en curso. Gary Gensler, quien dirigió la SEC bajo la administración Biden y ahora enseña en la Escuela Sloan del MIT, lo dijo claramente.

No hay ingresos coincidentes con el gasto en este momento, y esa es la situación. La cuestión es si esto representa una inversión que eventualmente dará sus frutos.

Este es un riesgo importante. Las inversiones podrían alcanzar pronto alrededor del 3% del Producto Interno Bruto, ligando el bienestar financiero de las principales firmas de IA al resultado. También podría decidir el destino de los centros de datos en sí mismos.

Los Riesgos se Extienden

El futuro potencial de rentabilidad de estos gigantes multimillonarios sigue siendo incierto. En los últimos años, los modelos de IA han avanzado a un ritmo asombroso, pero nadie puede afirmar con certeza cuánta potencia computacional necesitaremos en el futuro. La tecnología podría volverse más eficiente, reduciendo su dependencia de los recursos computacionales brutos. También existe la posibilidad de que la demanda de productos de IA disminuya, o de que los clientes se inclinen hacia modelos más económicos en cambio.

Los peligros se han vuelto más serios este año. Las empresas han comenzado a contraer deudas significativas para construir centros de datos adicionales. Se proyecta que el flujo de caja de las operaciones, descontando el gasto en propiedades, planta y equipo, se volverá negativo para todo el grupo muy pronto.

Alphabet, famosa por producir y acumular grandes sumas de dinero, informó en su último trimestre que sus notables ingresos de casi $120 mil millones fueron consumidos por los costos de infraestructura de IA. El resultado fue un déficit de flujo de caja libre de alrededor de $5.9 mil millones, la primera escasez de la empresa desde que Google se convirtió en una entidad pública en 2004.

La mayoría de estas empresas no enfrentan un problema financiero apremiante en este momento. Sus ingresos son sólidos y mantienen reservas sustanciales. Sin embargo, la deuda conlleva un costo elevado, y algunos inversores están comenzando a perder su tolerancia a ella. Si la demanda de la potencia computacional de los centros de datos disminuye en el futuro, esas empresas aún deberán pagar el dinero que han pedido prestado.

A medida que estos préstamos se mueven a través de una variedad de mecanismos financieros, los peligros que conllevan están llegando más allá de su fuente original hacia la economía en general.

El Costo del Capital

La magnitud de las nuevas inversiones en centros de datos significa que la simple contención de costos ya no es suficiente. Las empresas también deben prepararse para mayores gastos de financiamiento a medida que asumen una mayor deuda. Para satisfacer a los inversionistas y acreedores, necesitarán generar retornos lo suficientemente grandes como para respaldar todo el alcance de sus gastos.

Los miles de millones de dólares en chips almacenados en las instalaciones también están perdiendo valor. Los chips GPU que forman el corazón de los centros de datos —que representan alrededor del 60% de los gastos allí— aproximadamente se duplican en rendimiento cada dos años. Esa tasa de mejora explica la creciente fortaleza de los modelos de IA, pero conlleva un precio.

Mihir Kshirsagar, del Centro de Política de Tecnología de la Información de Princeton, advierte que los propietarios de centros de datos que entren en servicio en los próximos dos años podrían enfrentarse a un problema costoso: gastar miles de millones más en la próxima generación de chips para finales de la década con el fin de mantenerse al día con la competencia. Si no realizan esas inversiones, dice, los centros de datos corren el riesgo de convertirse en “hulks”, activos varados “dispersos por todas partes”.

Qué ocurre si fracasan (

La posibilidad que plantea Wachter es sombría: si el auge de la productividad no se materializa, la actual expansión de capacidad podría convertirse en el mayor error en la asignación de capital jamás registrado. (

Si las empresas no alcanzan estas metas de rentabilidad, se quedarán cortos en sus pagos de intereses, lo que conlleva el riesgo de quiebra, advierte. Su experiencia incluye haber servido como economista jefe de la SEC y directora de su división de análisis económico y de riesgos. (

Los riesgos son reales e inminentes, no meramente teóricos. Las empresas deben comenzar a generar ganancias mucho mayores y deben lograr ese objetivo rápidamente. (

Los números concretos (

El análisis de Wharton es un enfoque contable y directo para comprender la construcción histórica actual de la inteligencia artificial. Pregunta una pregunta sencilla: ¿cuánto deben crecer los ingresos de los hyperscalers para justificar sus gastos hasta 2027, cuando los gastos alcanzarán casi 1,1 billones de dólares? El resultado conduciría al tipo de crecimiento económico que Estados Unidos experimentó durante el auge de la tecnología de la información durante unos 10 años a partir de mediados de la década de 1990. (

El desafío radica en comprimir ese crecimiento en un período breve. Wachter describe el objetivo como una gran cantidad de expansión comprimida en unos pocos años. Nadie sabe si las empresas pueden lograrlo realmente.

Estas empresas se jactan de contar con reservas sustanciales e ingresos estables en la actualidad. Sin embargo, los próximos años determinarán si sus ganancias pueden igualar la creciente deuda y la disminución del valor de los activos. De no producirse el aumento anticipado en la eficiencia, esos préstamos pasarán de impulsar el crecimiento a convertirse en una carga para el mismo.

El estudio de Wharton demuestra que el camino a seguir para la inteligencia artificial no se trata solamente de escribir un código mejor. También se trata del flujo de dinero en efectivo, los gastos de capital y de cuánto tiempo duran los activos. Estas empresas están destinando más de 1 billón de dólares a nuevos centros de datos durante los próximos doce meses. Los próximos años demostrarán si esas inversiones dan resultado.