La inversión en IA impulsa el crecimiento mientras expone riesgos económicos

TD Securities ha identificado un fuerte desequilibrio económico: los proyectos relacionados con la IA generaron casi tres cuartas partes del crecimiento de la inversión empresarial estadounidense durante 2025. El titular de Google News refleja el auge, pero no la dependencia que se está formando bajo él. La IA representó aproximadamente el 8 % del gasto de capital, al tiempo que generó una proporción desmesurada de su crecimiento.

Esa diferencia cambia el debate económico. El gasto en centros de datos, chips, instalaciones eléctricas, software e investigación ahora respalda el crecimiento antes de que la IA aporte ganancias generalizadas de productividad. La economía está recibiendo primero la inversión, mientras que el retorno operativo sigue siendo incierto.

Por tanto, el conflicto central es el crecimiento impulsado por la inversión frente al crecimiento impulsado por la productividad. Alphabet, Amazon, Meta, Microsoft y otras grandes empresas tecnológicas pueden mantener en marcha el primer motor mediante gasto de capital. El segundo motor exige que miles de empresas corrientes reorganicen su trabajo en torno a la IA y produzcan resultados medibles.

Lo que el titular de Google News deja fuera

TD Securities describe una economía cada vez más dependiente de un único y estrecho ciclo de inversión, no simplemente otro año sólido para el gasto tecnológico.

TD Economics estima que la inversión relacionada con la IA aportó unos 137.000 millones de dólares por encima de su tendencia previa al auge durante 2025. Su análisis combina gasto en equipamiento, estructuras, software e investigación vinculados al despliegue de la IA.

Los centros de datos y las instalaciones de semiconductores representaron conjuntamente 125.000 millones de dólares de inversión ese año. El software y la investigación añadieron un gasto estimado de 68.000 millones de dólares relacionado con la IA según la metodología de TD.

La concentración resultante es el hallazgo más importante de las perspectivas de inversión empresarial. La actividad relacionada con la IA generó casi tres cuartas partes del crecimiento de la inversión empresarial pese a representar aproximadamente el 8 % del total del gasto de capital.

Este patrón importa porque el gasto fuera del complejo de la IA siguió siendo débil. Menos de un tercio de más de 50 categorías de inversión se expandieron durante 2025, según la evaluación de TD.

Fuera de la pandemia, esa amplitud fue la más débil desde 2010. La comparación no significa que la economía haya regresado a las condiciones posteriores a la crisis financiera. Muestra cuán poco apoyo recibió la expansión de la inversión de sectores no relacionados.

La incertidumbre comercial y los elevados costes de endeudamiento explican parte de la situación. Las empresas sensibles a los tipos de interés afrontaron condiciones de financiación más restrictivas, mientras que las grandes tecnológicas siguieron financiando centros de datos con importantes flujos de caja.

El desequilibrio permite dos interpretaciones muy distintas de los mismos datos. Una sostiene que las empresas privadas están construyendo la infraestructura para un importante avance de productividad. Otra afirma que el crecimiento de los titulares se ha vuelto inusualmente expuesto al gasto continuado de un pequeño grupo empresarial.

Ambas interpretaciones pueden ser ciertas durante un tiempo. La construcción crea demanda, los pedidos de equipamiento respaldan la fabricación y el desarrollo de software cuenta como inversión. Estos efectos aparecen antes de que las empresas demuestren que la IA puede elevar la producción en el conjunto de la economía.

La historia original también exige una distinción de nombres. TD Securities es el negocio de mercados de capitales dentro de TD, mientras que las estimaciones detalladas proceden de la investigación de TD Economics. Tratar el titular como una única previsión corporativa desdibujaría esa diferencia.

Lo que ha cambiado no es simplemente el entusiasmo de los inversores. La infraestructura de IA se ha vuelto lo bastante grande como para influir en las estadísticas nacionales de inversión, las cadenas de suministro industriales, la planificación eléctrica y las expectativas de crecimiento económico.

La inversión en IA sostiene una mayor parte de la economía

El beneficio económico inmediato proviene de construir capacidad de IA, mientras que el beneficio duradero depende de lo que las empresas acaben haciendo con esa capacidad.

Un centro de datos activa una extensa cadena de suministro. Los desarrolladores necesitan terrenos, mano de obra de construcción, equipos eléctricos, sistemas de refrigeración, servidores, hardware de redes, almacenamiento, chips y conexiones a la red eléctrica.

Estas compras elevan la inversión durante el despliegue. También respaldan los ingresos de fabricantes de semiconductores, empresas de servicios públicos, firmas de ingeniería, proveedores de nube y suministradores de equipos.

La Bureau of Economic Analysis explica esta relación mediante capital, trabajo, energía, materiales y servicios. Su marco de contabilidad del crecimiento rastrea cómo estos insumos contribuyen a la producción sectorial y al crecimiento nacional.

El capital de la industria de la información estuvo entre los principales contribuyentes al crecimiento real del PIB estadounidense entre 2021 y 2024. Ese resultado es coherente con un gasto sustancial en IA y servicios relacionados.

Sin embargo, las estadísticas oficiales no contienen una categoría clara denominada inversión en IA. El software de IA atraviesa múltiples sectores, y las compras de ordenadores incluyen equipos no relacionados con el aprendizaje automático.

La Reserva Federal afronta el mismo problema de medición. Su análisis del despliegue de IA de julio de 2026 combina software, equipos informáticos, centros de datos e infraestructura eléctrica para aproximar la contribución de la IA.

Ese análisis detectó contribuciones significativas al crecimiento trimestral del PIB desde 2025 hasta el primer trimestre de 2026. El software y los equipos informáticos aportaron los mayores componentes positivos.

Sin embargo, las importaciones complican el cálculo. Una empresa puede realizar una gran inversión nacional mientras adquiere gran parte de su hardware informático a proveedores extranjeros.

La compra eleva la inversión en equipamiento, pero la importación compensa parte de su contribución directa al PIB. Esto explica por qué el gasto de capital y el crecimiento económico nacional pueden avanzar en magnitudes distintas.

La brecha de medición también opera en sentido contrario. La contabilidad de la inversión captura la construcción y el equipamiento con mayor facilidad que las mejoras posteriores en la toma de decisiones, la calidad de los productos o el rendimiento de los trabajadores.

Un equipo de atención al cliente que utiliza IA para resolver casos más rápido podría generar más valor sin comprar un servidor nuevo. Un equipo de software podría lanzar más funciones con la misma plantilla.

Estas ganancias importan económicamente, pero sigue siendo difícil separar la contribución de la IA de otros cambios. Las empresas también difieren en cómo miden el tiempo ahorrado, las tasas de error, la calidad de los resultados y el trabajo desplazado.

El ciclo actual tiene, por tanto, una parte visible y otra incierta. La parte visible incluye grúas, chips, subestaciones y presupuestos de capital. La parte incierta incluye adopción organizativa y productividad sostenida.

Por eso el encuadre de Google News merece escrutinio. Un auge del gasto que ya está configurando el PIB no demuestra que la IA haya transformado la producción en toda la economía.

El gasto de las Big Tech presiona al resto de las empresas

La economía de la inversión en IA recompensa a las empresas que pueden financiar infraestructura ahora, mientras presiona a las firmas más pequeñas para justificar la adopción sin recursos comparables.

Los mayores grupos tecnológicos entraron en el ciclo con efectivo, negocios de nube, clientes consolidados y acceso a los mercados globales de capitales. Estas ventajas permitieron que la inversión continuara pese a los tipos de interés más altos.

La investigación de TD estima que el gasto trimestral de capital entre los principales hyperscalers aumentó de aproximadamente 40.000 millones de dólares en 2023 a unos 130.000 millones en 2025. Los hyperscalers operan plataformas informáticas lo bastante grandes como para atender una amplia demanda de clientes.

Ese gasto respalda la demanda de chips avanzados y capacidad de centros de datos. También eleva el umbral competitivo para las empresas que desarrollan modelos, servicios en la nube y aplicaciones de IA.

Un desarrollador más pequeño no necesita construir un centro de datos. Sin embargo, normalmente depende de infraestructura controlada por proveedores mayores y paga por computación a medida que aumenta el uso.

Los compradores empresariales afrontan otra presión. Los ejecutivos han oído que la IA elevará la productividad, pero muchos aún carecen de procesos fiables para evaluar la calidad de los resultados y los retornos económicos.

Comprar acceso a un modelo es solo un primer paso. Las empresas deben conectar datos, rediseñar flujos de trabajo, establecer normas de revisión, formar a los empleados y decidir dónde sigue siendo necesaria la aprobación humana.

Estas inversiones complementarias rara vez aparecen en una demostración de producto. Determinan si la IA se convierte en infraestructura operativa o sigue siendo una suscripción infrautilizada.

La investigación de TD sobre productividad en Canadá deja clara esta distinción. Su evaluación de productividad afirma que las primeras ganancias estadounidenses reflejan principalmente una profundización del capital, en lugar de una transformación organizativa generalizada.

La profundización del capital ocurre cuando los trabajadores reciben más o mejores equipos. Puede elevar la producción medida, pero difiere de reorganizar la producción en torno a una nueva tecnología de propósito general.

La inversión real estadounidense en equipos de procesamiento de información aumentó cerca del 28 % interanual durante el cuarto trimestre de 2025. La inversión en ordenadores y periféricos creció aproximadamente un 72 %.

Los inicios de construcción de centros de datos en Estados Unidos también aumentaron alrededor de un 190 % durante 2025, según cifras citadas por TD. Estas cifras muestran una expansión extraordinaria de capacidad.

No demuestran que un hospital haya reducido los retrasos administrativos ni que un fabricante haya mejorado su tasa de defectos. Esos resultados dependen de la implementación dentro de cada organización.

Una encuesta citada por TD abarcó aproximadamente a 6.000 ejecutivos de Estados Unidos, Reino Unido, Alemania y Australia. Detectó una adopción amplia, pero mejoras de productividad realizadas limitadas atribuibles a la IA.

Esta brecha también presiona a los proveedores tecnológicos. Deben llevar a los clientes de la experimentación al despliegue repetible, al tiempo que controlan errores, exposición de seguridad y costes de supervisión.

Para los trabajadores del conocimiento, la lección es práctica. Los mejores modelos ayudan, pero el valor fiable suele depender de organizar la información proporcionada a esos modelos.

Una base de conocimientos de IA mantenida puede reducir el tiempo dedicado a localizar el contexto de los proyectos. Su valor empresarial sigue dependiendo de la precisión, los controles de acceso y el uso constante.

La respuesta obligada es distinta para cada participante. Las grandes tecnológicas deben mantener alta la utilización de la infraestructura. Los compradores empresariales deben demostrar retornos, mientras que los proveedores más pequeños deben crear productos diferenciados sobre capacidad informática alquilada.

Esta presión persistirá más allá del ciclo actual de gasto. La infraestructura puede financiarse y construirse con relativa rapidez, pero el cambio organizativo avanza a través de presupuestos, políticas y comportamiento de los empleados.

El mecanismo va de los centros de datos a la productividad

El gasto en IA se convierte en crecimiento económico duradero solo cuando la infraestructura respalda una computación más barata, una adopción más amplia y una mayor producción en muchos sectores.

El ciclo comienza con la demanda esperada. Las empresas tecnológicas anticipan un mayor uso de entrenamiento e inferencia, que significa operar un modelo de IA después de haberlo entrenado.

Responden encargando chips, construyendo instalaciones y asegurando electricidad. Los proveedores amplían capacidad cuando esos pedidos parecen lo suficientemente duraderos como para justificar sus propias inversiones.

Una mayor capacidad puede reducir el coste de la computación con el tiempo. Los menores costes permiten a los desarrolladores añadir funciones de IA y a las empresas ejecutar más tareas de forma económica.

Una adopción más amplia crea entonces oportunidades de mejora de la productividad. Los trabajadores pueden acelerar la investigación, resumir registros, generar borradores, analizar datos o automatizar partes definidas de un proceso.

Sin embargo, cada conexión de este mecanismo puede debilitarse. Los retrasos en la red eléctrica pueden dejar edificios sin terminar o impedir que instalaciones completadas alcancen plena operación.

La escasez de chips puede elevar los costos y alargar los plazos de entrega. TD observó que los precios de los semiconductores se aceleraron durante la segunda mitad de 2025, a medida que la demanda chocaba con una oferta limitada.

La economía del software crea otra incertidumbre. Los menores costos de computación no garantizan aplicaciones rentables si los clientes se resisten a un mayor gasto o exigen una amplia verificación humana.

El paso final, la transformación organizacional, es el más difícil. Las tecnologías de propósito general anteriores necesitaron inversiones complementarias en habilidades, gestión, infraestructura y procesos rediseñados.

La electricidad no transformó de inmediato la productividad de las fábricas cuando las empresas conectaron por primera vez motores. Muchas de las ganancias llegaron después de que los directivos rediseñaran la producción en torno a la energía eléctrica distribuida.

Las computadoras siguieron una trayectoria similar. Las empresas compraron hardware antes de aprender a reestructurar los flujos de información, las cadenas de suministro y el trabajo administrativo.

La IA tiene el mismo problema de tiempos, pero con preocupaciones adicionales sobre la fiabilidad. Un modelo puede generar resultados fluidos que contienen datos incorrectos, contexto ausente o recomendaciones inseguras.

Esto crea lo que los economistas suelen llamar una curva J de productividad. La productividad medida puede decepcionar inicialmente mientras las organizaciones invierten en activos intangibles y rediseñan el trabajo.

La rentabilidad posterior aparece solo si esos cambios generan más producción que sus costos continuos. La capacitación, la gobernanza, la preparación de datos y la revisión humana forman parte de ese cálculo.

El mecanismo también distribuye los beneficios de manera desigual. Los mercados de construcción cercanos a grandes concentraciones de centros de datos reciben inversión directa, mientras que otras regiones experimentan pocas ganancias inmediatas.

Los trabajadores de sectores vinculados a la IA pueden beneficiarse de una mayor demanda. Otros empleados afrontan cambios en los flujos de trabajo o incertidumbre sobre si los empleadores automatizarán partes de sus funciones.

El resultado es una economía marcada por dos relojes. El reloj de la infraestructura avanza mediante presupuestos de capital anunciados y calendarios de construcción.

El reloj de la productividad avanza mediante experimentación, confianza, rediseño de procesos y resultados medidos. No se acelera automáticamente porque abra otro centro de datos.

Esta distinción hace más útiles los datos sobre la economía de la inversión en IA. Separa el dinero gastado para crear capacidad del valor producido mediante un uso sostenido.

Si aumenta la utilización y mejoran los resultados empresariales, la construcción actual se convierte en la base del crecimiento a largo plazo. Si la adopción se estanca, la misma infraestructura se convierte en capacidad excedente con costosos requisitos operativos.

Lo que las cifras de inversión aún no pueden demostrar

La evidencia más sólida respalda un gran ciclo de construcción de IA, pero todavía no demuestra una transformación amplia de la productividad ni rendimientos adecuados de la inversión.

La primera incertidumbre es definicional. Las cuentas gubernamentales no aíslan la IA, por lo que los analistas elaboran estimaciones a partir de categorías que contienen actividad tanto de IA como no relacionada con IA.

Las computadoras y los equipos periféricos incluyen dispositivos habituales del lugar de trabajo. La infraestructura eléctrica respalda hogares, fábricas, transporte y servicios de datos convencionales junto con las instalaciones de IA.

La Fed advierte que extrapolar una línea de base previa a 2023 se vuelve menos fiable a medida que tendencias no relacionadas afectan a las mismas categorías. Por lo tanto, cada estimación depende de supuestos sobre inclusión y atribución.

La segunda incertidumbre se refiere a la concentración. Una expansión de la inversión impulsada por un pequeño número de empresas con abundante efectivo puede mantenerse fuerte, pero tiene un alcance limitado.

TD encontró que menos de un tercio de las categorías de inversión empresarial crecieron durante 2025. Esto hace que la inversión agregada sea más sensible a las decisiones presupuestarias de los hyperscalers.

La tercera incertidumbre es la monetización. Los operadores de infraestructura necesitan suficiente demanda de pago para cubrir chips, energía, refrigeración, mantenimiento, redes y financiación.

El entusiasmo de los consumidores no necesariamente genera ingresos empresariales. Los clientes corporativos evalúan la seguridad, la precisión, los costos de integración y los rendimientos medibles antes de ampliar los despliegues.

La cuarta incertidumbre se refiere a los mercados financieros. Las mayores valoraciones tecnológicas pueden respaldar el consumo mediante la riqueza de los hogares, pero la caída de los precios puede revertir ese canal.

TD modeló este riesgo en su análisis de estrés de mercado. Una corrección hipotética del 30% en el S&P 500 reduciría el crecimiento anual en más de un punto porcentual bajo sus supuestos.

El mismo escenario elevaría el desempleo por encima del 5% al cierre del año. TD describió un ajuste de ese tamaño como un riesgo de cola, no como su previsión central.

Una corrección del 10% produjo efectos mucho menores en el modelo. Ese contraste muestra por qué la magnitud de cualquier revalorización importa más que la mera llegada de volatilidad al mercado.

TD también identificó la financiación circular y una mayor dependencia de la deuda como vulnerabilidades potenciales. Los acuerdos circulares ocurren cuando los participantes financian a clientes o socios que compran sus productos.

Estos acuerdos pueden acelerar el despliegue de infraestructura. También pueden ocultar la demanda independiente cuando el capital, los contratos de computación y los ingresos de proveedores circulan dentro de la misma red comercial.

La energía presenta otra limitación. La capacidad global de los centros de datos requiere generación, transmisión, subestaciones y largos procesos de conexión.

TD estima que la demanda global instalada de energía para centros de datos pasó de unos 60 gigavatios en 2020 a aproximadamente 100 gigavatios en 2024. Estados Unidos y China lideraron esa expansión.

Su informe sobre restricciones de la red eléctrica sostiene que las regiones deben conectar proyectos sin trasladar costos irrazonables a los clientes eléctricos comunes.

Ese problema puede convertir la inversión en un conflicto político. Las comunidades sopesan los ingresos fiscales y el trabajo de construcción frente al uso del suelo, el consumo de agua, las mejoras de transmisión y las facturas de electricidad.

Ninguno de estos riesgos invalida la tesis de inversión en IA. Definen las condiciones necesarias para que la tesis tenga éxito.

La evidencia respalda una fuerte demanda de infraestructura y efectos significativos sobre la inversión empresarial. Las afirmaciones sobre productividad en toda la economía requieren evidencia operativa más directa.

Por lo tanto, los lectores deben distinguir tres afirmaciones. El gasto en IA es grande, el gasto en IA respalda el crecimiento y la adopción de IA ha transformado la productividad son afirmaciones separadas.

Las dos primeras cuentan con evidencia sustancial. La tercera sigue siendo una prueba abierta que no puede resolverse mediante los totales de gasto de capital.

Tres señales que decidirán lo que viene después

La próxima fase se juzgará por la amplitud de la inversión, la utilización de la infraestructura y las ganancias de productividad verificadas, y no solo por anuncios de gasto más elevados.

La primera señal es la amplitud de la inversión empresarial. Los analistas deben observar si más categorías de equipos no relacionados con IA, estructuras y propiedad intelectual comienzan a expandirse.

Un crecimiento más amplio reforzaría la opinión de TD de que la economía puede ir más allá de una expansión concentrada. Una debilidad persistente mostraría que la IA sigue siendo un apoyo inusualmente aislado.

Esta medida también proporciona contexto para futuros titulares de Google News sobre gasto de capital. Un total creciente parece más saludable cuando la participación se extiende más allá de varias empresas tecnológicas.

La segunda señal es la relación entre la construcción de centros de datos, los pedidos de equipos, las conexiones eléctricas y la utilización real. Estas medidas siguen distintas etapas del mismo ciclo de infraestructura.

La construcción continua acompañada de producción de semiconductores y demanda activa de computación respaldaría el argumento de inversión. La construcción sin utilización elevaría el riesgo de capacidad excedente.

El acceso a la red eléctrica forma parte de esta señal porque una instalación planificada no se vuelve productiva simplemente cuando comienza la construcción. Las conexiones retrasadas pueden inmovilizar capital y distorsionar la capacidad anunciada.

La Fed recomienda específicamente comparar la construcción física con los equipos de computación y la producción de semiconductores. La divergencia puede revelar restricciones de oferta o una combinación cambiante del gasto.

La tercera señal son las ganancias de productividad verificadas fuera del sector tecnológico. Las empresas deben informar mejoras en producción, calidad, tiempo de ciclo o costos que resistan el escrutinio operativo habitual.

Un minorista que reduzca el tiempo de planificación de inventario, un hospital que disminuya el trabajo administrativo o un fabricante que mejore el mantenimiento pueden aportar evidencia más sólida que las encuestas de adopción por sí solas.

La medición debe incluir los costos de implementación. El tiempo de los empleados ahorrado tiene un valor limitado cuando las organizaciones no pueden redirigirlo hacia mayor producción o mejor servicio.

Esta tercera señal decide si la IA se convierte en una tecnología de propósito general en toda la economía. También determina si los propietarios de infraestructura reciben una demanda sostenida después de la expansión inicial.

El desafío para los desarrolladores es crear sistemas que funcionen de forma fiable dentro de las restricciones reales de las empresas. La precisión, la seguridad, la integración y la supervisión humana importarán junto con la capacidad de los modelos.

Los compradores empresariales deben exigir líneas de base antes del despliegue. Necesitan saber qué medida cambiará, cómo se verificará y qué nuevos costos acompañan la mejora.

Los trabajadores del conocimiento pueden aplicar la misma disciplina a menor escala. Deben seguir si un flujo de trabajo de IA reduce el tiempo de recuperación de información, mejora la exhaustividad o acelera una entrega recurrente.

Los inversores afrontan una versión más amplia de esa prueba. Deben separar los ingresos respaldados por el despliegue continuo de capital de los ingresos respaldados por una demanda rentable de los usuarios finales.

TD Securities ha ayudado a trasladar la conversación económica del rendimiento de los modelos a la asignación de capital. Ese cambio es valioso porque la inversión ya afecta al crecimiento, los mercados energéticos, las cadenas de suministro y el riesgo financiero.

La pregunta ya no es si la IA atrae un gasto sustancial. Es si ese gasto crea capacidad productiva que las empresas utilizarán a tasas sostenibles.

Observe en conjunto los próximos informes de inversión, las divulgaciones sobre utilización de infraestructura y la evidencia de productividad empresarial. Si los tres mejoran, la concentración actual se convertirá en una etapa inicial en lugar de una debilidad estructural.

Si solo aumenta el gasto, la narrativa de Google News seguirá incompleta. Los lectores deben preguntarse qué industrias producen más, quién captura las ganancias y si esas ganancias perduran más allá de la construcción.