La Demanda se Adelanta

A fines de los años noventa, las empresas de telecomunicaciones tendieron enormes redes de fibra óptica anticipando el tráfico de internet. Ese tráfico finalmente llegó, pero demasiado tarde para algunas de las compañías que habían financiado las redes. Que una infraestructura resulte útil no garantiza un buen retorno para quienes invierten primero en ella.

Con la IA, la secuencia empezó de otra manera. Las empresas ya la utilizan para revisar documentos, escribir software, procesar solicitudes y asistir a sus clientes. La demanda se refleja en los presupuestos y en el trabajo cotidiano. Pero los sistemas físicos necesarios para sostener un uso mucho más amplio —chips, electricidad, refrigeración, centros de datos y conexiones a la red eléctrica— no pueden crecer a la misma velocidad.

Según la Agencia Internacional de la Energía, el consumo eléctrico de los centros de datos dedicados a IA aumentó un 50 % en 2025. El organismo prevé que seguirá creciendo, aunque advierte que la falta de equipos, chips y acceso a la electricidad puede demorar los proyectos. Construir un centro de datos puede llevar entre uno y tres años; planificar y completar nueva infraestructura de red eléctrica, entre cinco y quince.

Para los proveedores, ese desajuste representa una oportunidad. Quienes puedan suministrar equipos eléctricos, construcción, refrigeración, acceso a la red o capacidad de cómputo más eficiente tienen clientes con necesidades inmediatas. Para las empresas que utilizan IA, es una razón para prestar atención al costo y a la continuidad del servicio antes de que la tecnología se vuelva indispensable para una tarea.

También existe un segundo cuello de botella, dentro de cada empresa.

Un modelo puede producir una respuesta útil en segundos. Convertir esa respuesta en parte de un trabajo confiable lleva más tiempo. Los registros de clientes pueden estar incompletos. Dos áreas pueden definir un mismo dato de manera diferente. Un empleado puede necesitar revisar el resultado antes de enviarlo a un cliente. Ninguno de esos problemas desaparece cuando hay más capacidad de cómputo.

Ahí se determinará buena parte del valor de la IA para las empresas. Pensemos en un equipo que prepara informes en la mitad del tiempo. Las horas ahorradas son reales. El retorno depende de lo que el equipo pueda hacer con ellas: atender a más clientes, investigar mejor los casos difíciles, mejorar el informe o reducir su costo. Si el informe se produce más rápido pero exige más correcciones después, el beneficio será menor de lo que sugería la demostración.

Los responsables de una empresa, por lo tanto, necesitan comprender dos capacidades. Una es la disponibilidad externa de servicios de IA y de la infraestructura que los sostiene. La otra es la capacidad de su organización para utilizarlos bien. Ampliar la primera sirve de poco si la empresa todavía no resolvió la segunda.

Tampoco conviene evaluar ninguna de las dos mediante cifras llamativas por sí solas. Una solicitud de conexión eléctrica no es un centro de datos en funcionamiento. Reservar capacidad de cómputo no demuestra que sus futuros usuarios puedan obtener un retorno. Los proyectos pueden superponerse, cambiar de lugar o cancelarse. La Agencia Internacional de la Energía advierte que muchos de los centros de datos propuestos no llegarán a construirse y pide mejores estimaciones de la demanda real.

Eso no elimina la escasez que hoy enfrentan algunos clientes. Significa que puede haber escasez ahora y exceso de capacidad más adelante. También puede faltar capacidad en un lugar mientras un proyecto propuesto en otro tiene dificultades para encontrar clientes. El resultado económico dependerá del momento, la ubicación, el financiamiento y de cuánto estén dispuestos a pagar los compradores cuando aumente la oferta.

La misma disciplina se aplica dentro de una empresa. Usar más IA no equivale automáticamente a crear más valor. Antes de incorporarla de manera permanente a un proceso, un responsable debería poder identificar qué trabajo mejora, quién revisa los resultados, cuál es el costo total de operación y qué cambia para el cliente. Es posible que esas respuestas favorezcan una aplicación acotada y rentable antes que un programa de transformación general.

Las empresas que conocen su propio trabajo con ese nivel de detalle tienen una ventaja. Pueden reconocer una mejora genuina, descartar una demostración atractiva que resuelve el problema equivocado y adaptarse si cambia el precio o la calidad de un servicio de IA.

La expansión de la infraestructura dejará activos indispensables. También puede dejar errores costosos. Los líderes empresariales no necesitan predecir el tamaño futuro de toda la economía de la IA para tomar buenas decisiones hoy. Necesitan saber dónde existe demanda dentro de su propia empresa y si pueden convertir un trabajo más rápido en un mejor negocio.