Las empresas que invirtieron $800 mil millones en la construcción de centros de datos para inteligencia artificial corren el riesgo de no recuperar esos fondos. El mercado confunde dos productos fundamentalmente distintos: los servicios de IA masivos, en los que es extremadamente difícil ganar dinero, y los avances científicos, que es imposible mantener en pocas manos.
Precisamente en esta contradicción se basa el argumento clave a favor de revisar las valoraciones de la infraestructura de IA. Los partidarios de las inversiones a gran escala en capacidad de cómputo a menudo demuestran una comprensión superficial de la economía del sector, acumulando cientos de miles de millones de dólares de deuda «por vibra».
En qué ganan dinero los centros de datos
La capacidad de los centros de datos se destina a dos tareas. La primera es el entrenamiento del modelo. La segunda es el procesamiento de las solicitudes de los usuarios, cuando el modelo ya está listo. Es precisamente la inferencia la que genera los ingresos principales: la utilizan millones de personas y la demanda parece infinita.
Pero esta parte tiene un problema estructural. Los usuarios llegan en oleadas y la carga sobre los servidores fluctúa. Para que nada se rompa en las horas pico, hay que construir capacidad con un gran margen. Como resultado, ahora hay más centros de datos de los que realmente se necesitan.
Con el entrenamiento no existe ese problema: la carga es uniforme y las necesidades se conocen de antemano. Anthropic, OpenAI y otros desarrolladores prometen cargar los excedentes de capacidad con el entrenamiento de nuevos modelos. Pero su objetivo no es un servicio cómodo para trabajar, sino avances: nuevos medicamentos, ciberarmas, modelos que se automejoran. Cuando Anthropic habla de una «amenaza para la humanidad», no se refiere a la pérdida de puestos de trabajo, sino a una insinuación de la proximidad de grandes descubrimientos.
Por qué no se puede ganar dinero con los avances
La principal debilidad de este plan es que cualquier modelo se copia rápidamente. Un modelo pequeño puede entrenarse con las respuestas de uno grande y adoptará sus habilidades. Además, muchos modelos se publican en acceso abierto. Como resultado, incluso el desarrollo más avanzado queda obsoleto en unos meses. Una patente protege una invención, pero nada protege a un modelo.
Es ilustrativa la analogía con la industria farmacéutica. Una empresa gastó miles de millones en un medicamento para una enfermedad rara, y dos meses después apareció un análogo barato. No podrá recuperar el dinero, salvo que encuentre tales medicamentos uno tras otro sin fin. Precisamente para ese escenario están destinados los $800 mil millones.
De ahí dos preguntas para los inversores en IA:
- cuánto valen realmente los servicios de IA convencionales y cuánto cuesta el camino hacia los avances;
- si las inversiones tienen en cuenta el riesgo de que el modelo se deprecie antes de amortizarse.
La conclusión no es alentadora. Los servicios de IA convencionales son necesarios para todos, pero la competencia hace bajar los precios y no se puede ganar mucho con ellos. Los descubrimientos revolucionarios no se pueden vender de forma masiva. Y si realmente ocurren, ninguna empresa privada podrá retenerlos sin la ayuda del Estado. Por eso Anthropic insiste en el tema de los riesgos, aunque no ha demostrado estar cerca de tales descubrimientos. Queda la pregunta de quién perderá el dinero al final.
Análisis de Cryptalist: El mercado de infraestructura de IA incorpora en los precios la realización simultánea de dos escenarios mutuamente excluyentes: la monetización masiva de servicios y la retención de la ventaja tecnológica. Ambas suposiciones son estructuralmente vulnerables: la competencia y los modelos abiertos anulan rápidamente el valor de los desarrollos. Para los inversores institucionales, esto es una señal para reevaluar los riesgos de la financiación de deuda de los centros de datos y adoptar un enfoque cauteloso hacia los activos vinculados a la amortización de la capacidad de IA.