La carrera de gasto en IA de las Big Tech está reduciendo el efectivo
Google y sus mayores rivales tecnológicos gastaron aproximadamente 170.000 millones de dólares en proyectos de capital durante un trimestre, pese a las dudas aún sin resolver sobre los retornos de la IA. La ola de gasto que ahora domina Google News ya no es un proyecto secundario financiado con el excedente de efectivo de las Big Tech. Está transformando los balances corporativos, la demanda eléctrica, la competencia en la nube y el mercado bursátil en general.
Alphabet, Amazon, Microsoft y Meta siguen generando enormes beneficios operativos. Sus inversiones en IA también respaldan servicios de nube que registran una fuerte demanda. Sin embargo, las compañías están construyendo infraestructura más rápido de lo que los clientes han demostrado cuánto uso darán a la capacidad de IA durante toda su vida útil.
Ese desajuste genera el conflicto central. Los ejecutivos sostienen que la escasez de capacidad justifica una construcción inmediata, mientras que los inversores necesitan pruebas de que los ingresos de IA superarán los costes de depreciación, energía, financiación y sustitución. La apuesta recuerda a anteriores expansiones de infraestructura, pero los participantes actuales ocupan posiciones inusualmente grandes en los principales índices bursátiles.
Google News sigue una expansión de IA mucho mayor
El último ciclo de resultados convirtió el gasto en IA de un ambicioso programa tecnológico en uno de los mayores proyectos de construcción corporativa del mundo.
Alphabet, Amazon, Microsoft y Meta gastaron en conjunto 170.100 millones de dólares en inversiones de capital durante el trimestre finalizado en junio de 2026. Esa cifra fue casi equivalente a su flujo de caja operativo combinado del periodo, según documentos corporativos recopilados tras la publicación de resultados.
La inversión de capital, comúnmente denominada capex, abarca activos de larga duración como centros de datos, servidores, equipos de red e infraestructura eléctrica. Parte del capex declarado también respalda servicios de nube convencionales, oficinas, logística y otros negocios. No todo puede clasificarse como gasto en IA generativa.
Aun así, las previsiones de las compañías dejan pocas dudas sobre la principal fuente de crecimiento. Cada empresa está incorporando procesadores, capacidad de centros de datos, almacenamiento y redes para entrenar u operar modelos de IA. Estos proyectos también respaldan a clientes de nube y a los servicios online existentes.
Microsoft informó de 35.800 millones de dólares en incorporaciones de propiedades y equipos durante su trimestre de junio. La compañía generó 55.400 millones de dólares en efectivo operativo en el mismo periodo, según sus resultados trimestrales.
Microsoft también reveló un detalle importante sobre la vida útil de los activos. Aproximadamente dos tercios de su capex reciente se destinaron a activos de corta vida, principalmente procesadores. A diferencia de un edificio de centro de datos, un procesador gráfico puede sufrir obsolescencia económica en pocos ciclos de producto.
El gasto de Alphabet ha seguido la misma dirección. Google necesita infraestructura para Gemini, Search, YouTube, sistemas publicitarios y Google Cloud. Estos usos superpuestos hacen que su inversión sea más defendible, pero también dificultan calcular con precisión el retorno de la IA.
Amazon elevó su inversión tecnológica prevista tras informar sólidos resultados del segundo trimestre. La compañía debe financiar la capacidad de AWS junto con almacenes, equipos de transporte y su red minorista. Por tanto, los inversores no pueden considerar el capex total de Amazon como una cifra puramente vinculada a la IA.
Meta ofrece el ejemplo más claro de una empresa que financia IA sin una gran plataforma pública de nube. Su infraestructura respalda sistemas de recomendación, publicidad, productos generativos e investigación de modelos. Meta espera que sus inversiones de capital de 2026, incluidos los pagos de arrendamientos financieros, se sitúen entre 130.000 millones y 145.000 millones de dólares, según sus resultados financieros.
Las cifras individuales importan, pero su dirección conjunta importa más. Cuatro compañías están realizando apuestas similares al mismo tiempo, recurriendo a muchos de los mismos proveedores y dirigiéndose a clientes que se solapan. Esa sincronización eleva la apuesta económica mucho más allá de cualquier informe de resultados individual.
La carrera de gasto en IA presiona el flujo de caja libre
Las Big Tech pueden permitirse la expansión actual, pero poder financiarla no garantiza un retorno aceptable.
El flujo de caja libre es el efectivo operativo que queda tras las inversiones de capital. Financia adquisiciones, dividendos, recompras de acciones, reducción de deuda e inversiones futuras. Cuando el capex aumenta más rápido que el efectivo operativo, quedan menos dólares para esas otras prioridades.
Un análisis de Reuters sobre estimaciones para Microsoft, Alphabet, Amazon, Meta y Oracle concluyó que su capex combinado iba camino de superar el flujo de caja libre combinado en 2027. Oracle ya había superado un umbral más extremo. Su capex alcanzó el 174 por ciento del flujo de caja operativo durante el ejercicio fiscal de 2026, según datos de LSEG citados en el análisis de flujo de caja.
Un flujo de caja libre negativo o en descenso no indica automáticamente problemas. Una empresa saludable suele invertir intensamente cuando la demanda de los clientes supera la capacidad disponible. La infraestructura de nube también genera ingresos durante varios años, en lugar de hacerlo en el trimestre en que comienza la construcción.
La presión procede del momento. El efectivo sale cuando las empresas compran procesadores o construyen centros de datos, mientras que los ingresos llegan gradualmente. Después, la depreciación traslada el coste del activo a la cuenta de resultados durante su vida útil estimada.
El hardware de IA complica ese ciclo contable conocido. Los nuevos procesadores pueden ofrecer mejor rendimiento o menores costes de inferencia, es decir, los gastos en que se incurre cuando un modelo entrenado responde a los usuarios. Los procesadores existentes pueden seguir operativos mientras pierden competitividad económica.
La revelación de Microsoft de que dos tercios del capex reciente correspondían a activos de corta vida hace concreto este riesgo. Una parte sustancial de la inversión actual necesita sustituirse antes que los edificios, los sistemas eléctricos o los terrenos. La demanda sostenida de IA debe cubrir tanto las compras de hoy como las actualizaciones de mañana.
Las empresas también recurren cada vez más a arrendamientos, acuerdos de financiación y proveedores externos de infraestructura. Estas estructuras pueden repartir las necesidades inmediatas de efectivo, pero no eliminan la obligación. Pueden desplazar parte del compromiso fuera de una cifra de capex destacada.
Por eso, los resultados convencionales pueden ofrecer una imagen incompleta. Los ingresos y el beneficio operativo pueden seguir creciendo mientras se debilita la conversión de efectivo. La depreciación también puede retrasarse respecto a la inversión inicial, posponiendo el efecto completo sobre los márgenes declarados.
Los accionistas afrontan una segunda presión a través de la asignación de capital. Históricamente, las Big Tech han devuelto grandes sumas mediante recompras. Si la infraestructura consume una mayor parte del efectivo operativo, los consejos de administración tendrán que elegir entre endeudarse, ralentizar las recompras o restringir el gasto en otros ámbitos.
Los empleados y proveedores también perciben esta disyuntiva. Las empresas pueden reducir plantilla, consolidar equipos o cancelar proyectos no relacionados mientras protegen los presupuestos de IA. Los fabricantes de chips, las empresas de servicios públicos, las constructoras y los operadores de centros de datos ganan demanda, pero quedan más expuestos a un pequeño grupo de compradores.
El sistema resultante es estable mientras el consumo de IA siga expandiéndose. Se vuelve frágil si la capacidad llega justo cuando se ralentiza el crecimiento de la demanda. Como todos los grandes compradores están construyendo simultáneamente, un error de previsión puede afectar a proveedores e infraestructura local en varios mercados.
La escasez de capacidad choca con retornos inciertos
La defensa más sólida del gasto en IA es la demanda real de los clientes, mientras que la crítica más contundente es que esa demanda aún no ha demostrado la rentabilidad de los activos durante toda su vida útil.
Microsoft ofrece pruebas para el caso optimista. Los ingresos de Azure superaron los 100.000 millones de dólares durante el ejercicio fiscal de 2026, y Microsoft 365 Copilot alcanzó más de 30 millones de licencias de pago. Los ingresos trimestrales llegaron a 90.000 millones de dólares, mientras que el beneficio operativo aumentó a 40.600 millones.
Estos resultados muestran que Microsoft no está construyendo sin clientes. La dirección también afirmó que las limitaciones de capacidad continuarían hasta 2026, incluso tras acelerar la inversión. Cuando un proveedor de nube no puede atender la demanda disponible, añadir infraestructura tiene una justificación comercial directa.
Google Cloud aporta otra señal positiva. Las cargas de trabajo de IA requieren potencia informática para el entrenamiento de modelos, el procesamiento de datos y la inferencia. Los clientes pueden alquilar esa capacidad en lugar de construir sistemas privados, lo que ofrece a Alphabet una vía para monetizar la misma infraestructura entre muchas organizaciones.
El negocio AWS de Amazon desempeña una función similar. Su infraestructura puede atender bases de datos consolidadas, almacenamiento y aplicaciones empresariales junto con la IA. Esta carga de trabajo mixta reduce la dependencia de una sola categoría de producto y permite a Amazon reutilizar redes e instalaciones de apoyo.
La vía de Meta es diferente. No alquila la mayor parte de su capacidad a clientes externos de nube. En cambio, espera que mejores sistemas de recomendación y herramientas publicitarias impulsen la interacción y la conversión en Facebook e Instagram. También está desarrollando nuevos productos de IA y oportunidades empresariales.
Meta informó ingresos de 60.800 millones de dólares en el segundo trimestre, un aumento del 28 por ciento. Sin embargo, los costes y gastos subieron un 55 por ciento, y el beneficio operativo cayó un 8 por ciento. El contraste ilustra cómo la IA puede fortalecer productos existentes mientras ejerce una presión inmediata sobre la rentabilidad.
El escenario bajista no exige que la IA fracase. Los retornos pueden decepcionar incluso si el uso aumenta. Una competencia excesiva puede reducir los precios de la nube, los modelos pueden hacerse más eficientes o los clientes pueden trasladar trabajo a sistemas más pequeños que requieren menos computación.
La eficiencia crea un problema de previsión especialmente difícil. Los menores costes de inferencia suelen fomentar un mayor uso, un patrón parecido a la paradoja de Jevons. Sin embargo, nadie sabe si la demanda adicional compensará por completo cada reducción de la computación necesaria por tarea.
La calidad de la carga de trabajo también importa. Un asistente de programación de pago utilizado a diario tiene un valor económico más claro que una consulta gratuita a un chatbot respaldada por publicidad. Las empresas divulgan estadísticas de adopción seleccionadas, pero rara vez proporcionan suficiente detalle para calcular ingresos y márgenes de cada servicio de IA.
La misma incertidumbre aparece en los proyectos piloto corporativos. Muchas empresas están probando agentes y copilotos, pero la experimentación no garantiza una implantación amplia. Las revisiones de seguridad, las respuestas inexactas, el trabajo de integración y la adopción por parte de los empleados pueden ralentizar la conversión de pruebas en cargas de trabajo recurrentes.
Por tanto, los ejecutivos dependen en gran medida de señales de capacidad. Las carteras de pedidos, la utilización, los compromisos de clientes y las restricciones de suministro indican demanda inmediata. No establecen el retorno final de un centro de datos cuya vida útil se extiende a lo largo de varias generaciones de modelos y procesadores.
La narrativa actual de Google News suele dividir el asunto entre auge o burbuja. Ese enfoque es demasiado simple. La pregunta más útil es si los ingresos incrementales de IA y los ahorros de costes superarán el coste total de capital, energía, mantenimiento, depreciación y sustitución.
Este problema de medición persistirá porque la infraestructura respalda varios negocios a la vez. Un servidor de Google puede contribuir a Search, Gemini, publicidad y Cloud. La capacidad de Microsoft puede respaldar Azure, Copilot, GitHub y servicios internos.
El uso compartido es económicamente valioso, pero impide que los observadores externos asignen retornos exactos. Los inversores deben inferir el rendimiento a partir del crecimiento de la nube, los márgenes, el flujo de caja, la depreciación y las previsiones de la dirección. Cada indicador revela una parte de la imagen, no el resultado completo.
El riesgo se extiende más allá de las acciones tecnológicas
Cuando un pequeño grupo de empresas muy valoradas persigue la misma estrategia de capital, las consecuencias se extienden por los índices, los mercados de crédito, los sistemas energéticos y las comunidades locales.
Alphabet, Amazon, Microsoft y Meta tienen un peso importante en índices bursátiles ampliamente poseídos. Por ello, millones de cuentas de jubilación y fondos pasivos tienen exposición indirecta a sus decisiones de inversión en IA. Los inversores no necesitan poseer un fondo especializado en IA para participar en la apuesta.
Los sólidos beneficios han limitado hasta ahora el peligro financiero inmediato. Estas empresas cuentan con negocios maduros de publicidad, software, comercio minorista y nube. Pueden absorber proyectos fallidos con mayor facilidad que las compañías de telecomunicaciones apalancadas durante el auge de la construcción de la burbuja puntocom.
La escala también genera concentración. Si varias empresas reducen el gasto al mismo tiempo, los fabricantes de chips y los desarrolladores de centros de datos pueden perder pedidos simultáneamente. Las empresas de servicios públicos podrían afrontar proyectos diseñados en torno a una demanda eléctrica que llega más tarde de lo previsto.
El escenario inverso crea otro problema. Si el gasto sigue acelerándose, los centros de datos compiten por equipos eléctricos, mano de obra de construcción, terrenos, sistemas de refrigeración y agua. Una mayor demanda puede incrementar los costes de proyectos posteriores y alargar los plazos de conexión.
La Agencia Internacional de la Energía ha documentado un rápido crecimiento del consumo eléctrico de los centros de datos. Su previsión energética también subraya que los efectos en las redes locales pueden ser más graves de lo que sugieren los totales nacionales. Un nuevo campus puede representar una carga concentrada importante.
Las comunidades afrontan resultados desiguales. Los centros de datos aportan trabajo de construcción, ingresos fiscales e inversión en infraestructura. Sin embargo, una vez operativos, emplean a menos personas que muchas instalaciones manufactureras que utilizan una cantidad comparable de terreno o electricidad.
Los residentes también pueden asumir costes mediante nuevos proyectos de transmisión, necesidades de agua, generación de respaldo o cambios en las tarifas de los servicios públicos. La asignación depende de la regulación y de los contratos, que varían ampliamente entre estados y mercados eléctricos.
La política gubernamental añade incertidumbre. La reforma de los permisos y la inversión en redes pueden acelerar la construcción. Las restricciones a las exportaciones de chips avanzados, las revisiones ambientales o las moratorias locales pueden limitarla. Ninguno de estos factores está completamente bajo el control de una empresa tecnológica.
Los mercados de crédito también están ganando relevancia. Históricamente, las grandes tecnológicas financiaban su expansión principalmente con efectivo interno. A medida que los proyectos crecen, las empresas y sus socios pueden recurrir con más frecuencia a deuda, arrendamientos, empresas conjuntas y financiación de proyectos.
Ese cambio distribuye el riesgo, en lugar de eliminarlo. Un desarrollador de centros de datos puede ser propietario del edificio mientras una empresa tecnológica firma un arrendamiento a largo plazo. El activo y la deuda se sitúan en otra parte, pero la economía sigue dependiendo de una demanda continuada de una base concentrada de inquilinos.
Los consumidores y clientes empresariales tienen otra exposición. Los proveedores necesitan recuperar los costes de infraestructura mediante suscripciones, cargos por uso, publicidad o ganancias de productividad. La competencia feroz puede retrasar esa recuperación, pero no puede posponerla indefinidamente.
Los productos de IA pueden encarecerse, incorporar límites de uso más estrictos o incluir más publicidad. Los clientes de la nube pueden ver cambios en sus compromisos o estructuras de descuentos. Los trabajadores del conocimiento pueden enfrentarse a una mayor presión para adoptar herramientas cuyos retornos financieros siguen siendo desiguales.
Esto ofrece una razón práctica para seguir el debate sobre el gasto. Afecta a qué productos de IA sobreviven, qué funciones siguen subvencionadas y con qué rapidez los proveedores pasan de la captación de usuarios a la monetización.
Para los usuarios individuales, mantener el control del contexto de trabajo puede reducir la dependencia de un único proveedor de modelos. Una base de conocimientos de IA local puede mantener organizado el material de referencia útil mientras cambian los modelos, las suscripciones y los límites de servicio.
El riesgo sistémico no debe exagerarse. Estas empresas no son idénticas y su infraestructura respalda distintas fuentes de ingresos. Alphabet y Meta dependen en gran medida de la publicidad, Microsoft hace hincapié en el software empresarial y Amazon combina la computación en la nube con el comercio.
Sin embargo, la diversificación dentro de cada empresa no elimina la inversión correlacionada. Las cuatro dependen de la expansión del uso de IA, de electricidad suficiente, de un suministro continuo de chips y de clientes dispuestos a pagar. Esa exposición compartida es lo que hace que el despliegue tenga consecuencias más allá de Silicon Valley.
Tres señales mostrarán si la apuesta por la IA está funcionando
Los próximos informes de resultados deben vincular el gasto en infraestructura con rendimientos de caja duraderos, y no limitarse a anunciar otro aumento de capacidad.
La primera señal es el ingreso de la nube en relación con el capex. Azure, Google Cloud y AWS deberían mantener el crecimiento mientras se amplía el gasto en infraestructura. El crecimiento de los ingresos por sí solo es insuficiente si la depreciación y los costes operativos consumen el beneficio bruto resultante.
Los inversores deberían vigilar los márgenes operativos de la nube, no solo las ventas. Un proveedor puede aumentar los ingresos vendiendo computación costosa cerca de precio de coste. Los rendimientos duraderos exigen que la utilización, los precios y los ingresos por software cubran procesadores, electricidad, redes, soporte y depreciación.
La calidad de la cartera de pedidos también importa. Los compromisos contratados ofrecen pruebas más sólidas que las declaraciones generales sobre la demanda. Sin embargo, la cartera puede abarcar varios años e incluir servicios de nube ordinarios, por lo que debe compararse con los ingresos actuales y las obligaciones pendientes.
La segunda señal es el flujo de caja libre después de los arrendamientos y otros compromisos. El capex destacado recoge las compras directas, pero un despliegue en expansión implica cada vez más arrendamientos financieros e instalaciones de terceros. Los analistas necesitan una visión coherente del gasto en efectivo y de las futuras obligaciones contractuales.
Hay que observar si el flujo de caja libre se estabiliza mientras crecen los ingresos de IA. Ese resultado respaldaría el argumento de la dirección de que el gasto está creando capacidad productiva. Un deterioro continuo implicaría que la inversión sigue avanzando más rápido que la monetización.
Las retribuciones de capital ofrecen otra pista. Las recompras más lentas no son inherentemente negativas cuando los proyectos internos ofrecen mejores retornos. Sin embargo, una reducción sostenida indica que la construcción de infraestructura de IA está consumiendo efectivo que antes estaba disponible para los accionistas.
La tercera señal es la utilización después de que entre en funcionamiento la nueva capacidad. Las actuales limitaciones de suministro respaldan el argumento a favor de la expansión, pero la prueba llega cuando los procesadores y los centros de datos entran en servicio. Una alta utilización confirmaría que la demanda limitada era real y persistente.
La caída de los precios de la nube, compromisos más cortos de los clientes o proyectos retrasados debilitarían esa conclusión. También lo haría un cambio rápido hacia modelos más pequeños que resuelvan tareas comunes con mucha menos capacidad de cómputo.
La eficiencia no socava automáticamente la demanda de infraestructura. Una IA más barata puede atraer a más usuarios y permitir nuevas aplicaciones. La clave es si el uso se expande con la rapidez suficiente para mantener productivos los activos costosos.
Los resultados específicos de cada empresa divergirán. Microsoft puede monetizar mediante Azure y suscripciones de software. Alphabet puede combinar los ingresos de Cloud con mejoras en Search y la publicidad. Amazon puede vender infraestructura a través de AWS, mientras que Meta necesita mejoras en la interacción y la publicidad para justificar internamente la mayor parte del gasto.
Esa divergencia hace que las comparaciones sean más informativas que un único total combinado de capex. Si los proveedores de nube generan retornos de caja más sólidos que las plataformas centradas internamente, el mercado aprenderá qué modelo de monetización gestiona mejor el ciclo de inversión.
Los próximos trimestres también revelarán si las empresas siguen elevando sus previsiones. Aumentos repetidos acompañados de márgenes más sólidos validarían la narrativa de escasez. Un mayor gasto junto con una menor conversión de caja reforzaría las preocupaciones sobre una sobreconstrucción competitiva.
Los lectores que siguen las noticias de Google deberían separar cuatro tipos de evidencia: previsiones de la dirección, demanda de clientes firmada, ingresos de IA reportados y flujo de caja libre realizado. Las previsiones describen confianza. Los contratos de clientes revelan intención. Los ingresos registran consumo. El flujo de caja muestra si todo el sistema está pagando.
La última medida merece la mayor atención porque incorpora la carga de la inversión. Las grandes tecnológicas ya han demostrado que pueden construir enormes sistemas de IA. Aún no han demostrado que todos los participantes puedan obtener retornos excepcionales construyéndolos al mismo tiempo.
La apuesta puede tener éxito sin producir ganadores equivalentes. Los clientes pueden beneficiarse de una computación más barata, los proveedores de chips pueden captar beneficios tempranos y algunas plataformas pueden convertir la IA en ingresos recurrentes. Otros propietarios pueden descubrir que la necesidad estratégica no equivale a una ventaja financiera.
Por eso la carrera de gasto importa a desarrolladores, compradores empresariales y trabajadores del conocimiento. La disponibilidad de productos, los costes de la nube, la elección de modelos y las condiciones de suscripción seguirán la economía de esta infraestructura. Siga el efectivo detrás de cada promesa de IA, compare la utilización con la capacidad y pregunte si el crecimiento de los ingresos está generando un flujo de caja libre duradero.
