La opacidad financiera en los centros de datos de IA: la deuda invisible detrás del boom de la Inteligencia Artificial
El auge de la Inteligencia Artificial ya no es solo una historia de software, modelos y productividad. También es una historia de infraestructura, deuda y contabilidad. Alphabet dijo que en 2025 invirtió alrededor de 75.000 millones de dólares en capex y que en 2026 prevé elevar esa cifra a entre 175.000 y 185.000 millones; Meta anunció más de 600.000 millones de dólares en inversión en Estados Unidos hasta 2028; y Microsoft informó que opera más de 400 centros de datos en 70 regiones, tras añadir más de dos gigavatios de capacidad en un solo año. Para tener una referencia histórica, NASA estimó el costo total del programa Apollo en 22.718 millones de dólares en 1966 y más tarde habló de unos 30.000 millones al cierre del año fiscal 1975. La escala actual de la IA ya compite con hitos de inversión pública que antes parecían inalcanzables.
¿Es la IA el próximo colapso financiero global?
La respuesta responsable es no, no de forma automática; pero sí puede convertirse en un foco de riesgo sistémico si la financiación se vuelve opaca y el mercado sobreestima la velocidad de monetización. El Fondo Monetario Internacional advirtió en su Global Financial Stability Report de octubre de 2025 que la inversión vinculada a la IA —incluida la de equipos de procesamiento y centros de datos— ha contribuido de manera muy relevante al crecimiento real del PIB de Estados Unidos desde finales de 2024, y que la concentración en un grupo reducido de mega-capitalizadas puede amplificar correcciones bruscas si los retornos no justifican las valoraciones. En su nota de 2026, el FMI fue todavía más explícito: los ciclos de valoración en torno a firmas intensivas en IA, las estructuras de financiación ligadas a centros de datos e infraestructura energética y la concentración en pocos nodos pueden propagar shocks a través de balances y fronteras.
El punto central no es que la IA “sea una burbuja” por definición, sino que el sistema financiero está empezando a tratarla como una infraestructura estratégica de muy largo ciclo, mientras muchas decisiones se financian con instrumentos de corto y mediano plazo. Ahí nace la fragilidad: cuando un activo físico, intensivo en capital y energía, se sostiene con contratos, arrendamientos y vehículos separados del balance principal, la foto contable deja de reflejar por completo la exposición económica real. Esa brecha entre economía y contabilidad es precisamente donde viven las sorpresas desagradables.
La deuda invisible: cómo se están financiando realmente los data centers
La palabra clave es off-balance sheet financing. El paper Financing the AI Buildout de Columbia describe cómo hyperscalers y empresas de IA están recurriendo a estructuras financiadas con activos, arrendamientos y vehículos separados del balance para costear GPUs, centros de datos y potencia eléctrica. Estas fórmulas se parecen al leasing aeronáutico o al project finance tradicional: separan la propiedad del uso, reparten el riesgo entre varios inversores y permiten escalar rápido sin cargar todo el pasivo en el balance operativo principal. El mismo trabajo subraya que esa flexibilidad tiene un precio: más complejidad contractual, mayor apalancamiento a nivel del activo y una posible subestimación de las obligaciones económicas reales.
La parte más delicada aparece cuando se compara la exposición “visible” con la exposición “económica”. Columbia cita estimaciones de Moody’s según las cuales los hyperscalers acumulan unos 970.000 millones de dólares en compromisos de leasing combinados, de los cuales 660.000 millones no aparecen reflejados en balance. El mismo trabajo usa el caso Meta para mostrar cómo una estructura de entidad separada puede sostener unos 27.000 millones de dólares en deuda sobre un activo de 30.000 millones, preservando la flexibilidad del balance de la compañía matriz. Reuters informó, además, que Meta acordó un financiamiento de 27.000 millones con Blue Owl para su mayor proyecto de centros de datos mediante una estructura compleja que mantiene la deuda fuera de sus libros.
Lecciones de 2008 aplicadas al boom del silicio
El paralelismo con 2008 no debe entenderse como una copia exacta; sería un error simplista. Pero el patrón estructural sí recuerda a la crisis financiera: crear entidades o contratos que separan riesgo, propiedad y visibilidad contable. El BIS documentó que las special purpose entities podían usarse para lograr tratamiento off-balance-sheet y mejorar ratios financieros; la Reserva Federal señaló después que las SPVs contribuyeron de manera significativa a la crisis; e incluso el FMI registró el uso de “bad banks” y vehículos fuera de balance como parte del manejo de activos tóxicos durante la crisis. Hoy el activo subyacente no es una hipoteca subprime, sino un campus de IA o un clúster de GPUs. Pero la lógica de fondo es parecida: convertir riesgo económico en una apariencia de liquidez y flexibilidad.
La diferencia más importante es que los gigantes tecnológicos sí tienen ingresos masivos, crédito sólido y, en varios casos, una generación de caja muy superior a la de las empresas de la era dotcom. Reuters señaló en noviembre de 2025 que los cinco hyperscalers tenían una deuda total equivalente a solo 0,2 veces su EBITDA combinado, con calificaciones elevadas; otra pieza de Reuters mostró que, aun con una emisión récord de bonos en 2025, la financiación del boom todavía descansa en cash flows gigantescos. Esa es la gran objeción contra la tesis de la “burbuja pura”: no estamos ante empresas sin negocio, sino ante empresas rentables que han entrado en una carrera de capex tan agresiva que la disciplina puede deteriorarse si la demanda no crece al mismo ritmo que la infraestructura.
El precio invisible: energía, red, suelo y soberanía tecnológica
La factura más subestimada de la IA no siempre está en dólares; está en electricidad, redes, refrigeración y capacidad de conexión. La Agencia Internacional de la Energía proyecta que el consumo eléctrico de los centros de datos pasará de 460 TWh en 2024 a más de 1.000 TWh en 2030 y 1.300 TWh en 2035. En su escenario base, la demanda de electricidad de los data centers más que se duplicará hacia 2030, y la IA será el motor principal de ese aumento. La IEA también estima que, solo en Estados Unidos, los centros de datos representarán cerca de la mitad del crecimiento de la demanda eléctrica entre hoy y 2030.
Ese dato cambia la lectura financiera: un centro de datos de IA no se financia solo con deuda y capital, sino con acceso a red, permisos, transformadores, agua, suelo y contratos de energía a largo plazo. Microsoft reconoce en su reporte anual que sus centros de datos dependen de tierra edificable, energía predecible, suministros de red y servidores con GPU; también admite arrendamientos operativos y financieros para centros de datos y compromisos de construcción muy relevantes, incluyendo 32.100 millones de dólares para nuevas construcciones y 92.700 millones en arrendamientos de data centers aún no iniciados. La empresa, además, habla de “sovereign cloud offerings”, lo que confirma que la computación soberana ya es una categoría estratégica, no un eslogan de marketing.
Tabla comparativa: IA, historia y escala macroeconómica
Esta tabla muestra la magnitud de la inversión en centros de datos de IA, el gasto en capital (CAPEX) de los hiperescaladores y su comparación con hitos históricos y economías nacionales.
| Referencia | Magnitud | Qué revela |
|---|---|---|
| Alphabet: capex previsto para 2026 | 175.000–185.000 millones USD | Una sola empresa invierte a escala comparable a países. |
| Meta: inversión en EE. UU. hasta 2028 | Más de 600.000 millones USD | La IA opera como programa industrial de largo plazo. |
| Microsoft: centros de datos | 32.100 M en construcción + 92.700 M en leases | Gran parte del riesgo está fuera del balance contable. |
| Programa Apollo | ≈ 30.000 millones USD (histórico) | La inversión en IA ya supera hitos históricos. |
| PIB de Argentina | 638.000 millones USD | El CAPEX IA se acerca a economías nacionales. |
| PIB de Suecia | 603.000 millones USD | La escala del sector ya es macroeconómica. |
Como referencia de escala, el PIB de Argentina en 2024 fue de 638,37 mil millones de dólares y el de Suecia de 603,72 mil millones. La guía de capex de Alphabet para 2026 equivale aproximadamente al 29% de esos PIBs, según cómo se compare dentro del rango anunciado. No significa que sean fenómenos equivalentes, pero sí que una sola empresa ya mueve presupuestos propios de una economía mediana. Esa es una señal clara de que la inversión en infraestructura cloud y centros de datos hiperescala dejó de ser un asunto sectorial para convertirse en una cuestión macroeconómica.
Qué mirar ahora para distinguir industria sólida de burbuja financiera
La diferencia entre un ciclo de inversión sano y una burbuja no la marcará la retórica sobre la IA, sino cuatro variables: la transparencia del financiamiento, la cobertura del capex con flujo de caja operativo, la concentración de inquilinos y la capacidad real de la red eléctrica para absorber el crecimiento. El FMI ya advirtió que los ciclos de valoración, la concentración sectorial y las estructuras de financiación vinculadas a data centers pueden generar riesgos macrofinancieros antes de que la tecnología alcance su estado estable. Y la IEA dejó claro que el cuello de botella energético no es un detalle secundario, sino parte del núcleo del problema.
La lectura práctica es simple: la IA no está financiada solo por entusiasmo, sino por una arquitectura financiera cada vez más sofisticada que reparte la carga entre balances corporativos, fondos privados, arrendamientos y deuda estructurada. Eso puede sostener el boom durante años; también puede ocultar vulnerabilidades si los retornos tardan más de lo previsto. En otras palabras, la pregunta no es si la IA existe o si transforma la economía. La pregunta real es si la infraestructura que la sostiene está siendo financiada con suficiente transparencia para resistir una desaceleración, una subida de tasas o una caída en las expectativas de rentabilidad.
Fuentes y metodología
Este artículo se elaboró a partir de una combinación rigurosa de fuentes primarias y secundarias orientadas al análisis financiero, tecnológico y macroeconómico de la infraestructura de Inteligencia Artificial. Se emplearon reportes corporativos y documentos de divulgación financiera (incluyendo informes anuales, presentaciones a inversores y estados de resultados), junto con datos procedentes de organismos multilaterales, agencias energéticas y estadísticas económicas de alcance global.
La investigación integró además estudios académicos revisados por pares, documentos de trabajo especializados en financiación estructurada, análisis sobre mercados de capitales y publicaciones técnicas relacionadas con centros de datos hiperescala, consumo energético y cadenas de suministro digital. A esto se sumaron informes de consultoras, análisis sectoriales y cobertura periodística de medios económicos internacionales, utilizados para contextualizar tendencias recientes y contrastar narrativas del mercado.
Para garantizar precisión, se realizó una verificación cruzada de cifras clave —como inversión en capital (CAPEX), estructuras de financiación fuera de balance (off-balance sheet financing) y proyecciones energéticas— mediante múltiples fuentes independientes. Se priorizaron datos consistentes entre reportes institucionales, evidencia documental y consenso técnico.
El enfoque metodológico combinó análisis comparativo histórico (para contextualizar la escala actual frente a hitos económicos y tecnológicos) con evaluación de riesgos financieros sistémicos, incorporando paralelismos estructurales con ciclos anteriores de expansión crediticia.
Todos los datos, estimaciones y conclusiones fueron sometidos a criterios de coherencia interna, trazabilidad y relevancia, con el objetivo de ofrecer una visión clara, verificable y útil para la toma de decisiones informadas.
Fede Lukashenko es editor de Cinco Frentes y analista especializado en política, economía y cultura contemporánea. Con un enfoque crítico y histórico, su trabajo explora las interacciones entre poder, economía y sociedad desde una perspectiva global y de largo plazo.
Disclaimer Editorial
El presente artículo ofrece un análisis y una interpretación elaborados por el equipo editorial de Cinco Frentes a partir de información disponible y fuentes consideradas fiables al momento de su publicación. El contenido no constituye asesoramiento profesional de ningún tipo. Cinco Frentes promueve el pensamiento crítico, el contraste de fuentes y el debate informado.
Verificación editorial
Este artículo ha sido revisado por el Comité Editorial de Cinco Frentes, conforme a nuestros principios de rigor informativo, verificación de datos y responsabilidad editorial.
Publicamos contenido independiente, sin patrocinio corporativo, sin financiación externa y sin alineamientos ideológicos.
📩 Contacto editorial: [email protected]
Política de corrección
Cinco Frentes mantiene un compromiso permanente con la precisión informativa.
Cualquier error factual detectado es corregido con prontitud, y las actualizaciones se reflejan de forma transparente en el artículo correspondiente.
Editorial de transparencia
Cinco Frentes es una plataforma editorial independiente dedicada al análisis crítico de la actualidad, la política, la economía, la cultura y la sociedad contemporánea, desde una perspectiva histórica y de largo plazo.
Este contenido puede compartirse libremente citando la fuente original: Cinco Frentes.
Apoya este periodismo independiente
Si valoras el pensamiento crítico, el análisis profundo y la información verificada sin condicionamientos, puedes apoyar este proyecto compartiendo el contenido o participando como mecenas.
¿Te atreves a compartirlo?
El criterio también construye futuro.
"No subestimes lo que puedes construir con pasos pequeños dados todos los días."
Director Ejecutivo | Cinco Frentes
Síguenos
Comentarios
Publicar un comentario