Silicon Valley ha dejado de medir el éxito por el número de ingenieros o la sofisticación de sus algoritmos. Hoy, el activo más codiciado no es el talento, sino el acceso a la red eléctrica. Estamos ante una restricción física que pocos inversores han terminado de digerir: los gigavatios necesarios para entrenar los modelos de inteligencia artificial (IA) de próxima generación están empezando a escasear, bloqueando cualquier intento de crecimiento desmedido.
En el último año, el costo de entrenar un modelo de frontera ha escalado de los 100 millones de dólares a superar los 1.000 millones. Gran parte de esta cifra no se destina a salarios ni al desarrollo de software, sino a cubrir facturas eléctricas astronómicas. Hemos entrado en la era de los "tokens por vatio". Esta métrica, que calcula cuánta inteligencia computacional —fragmentos de texto o datos procesados— puede generar un sistema por cada unidad de energía consumida, es el nuevo estándar de eficiencia que Wall Street aún se resiste a valorar.
La estrategia de la fuerza bruta, que consistía en conectar más unidades de procesamiento gráfico (GPU) para consumir más energía y esperar que la escala produjera un mejor resultado, ha llegado a su límite. Un centro de datos moderno puede consumir hasta 1.000 megavatios, el equivalente a la demanda de una ciudad pequeña. Aquí, la limitación no es el capital disponible, sino la capacidad de la red para absorber esa carga. Si una empresa no optimiza su arquitectura para producir más con menos, simplemente se quedará sin capacidad operativa antes de alcanzar la rentabilidad.
La tiranía de la eficiencia sobre la escala
Aunque el mercado todavía aplaude los anuncios de inversiones masivas en infraestructura, la realidad interna de las empresas está cambiando. Mantener un EBITDA ajustado —beneficio operativo sin contar intereses, impuestos y depreciaciones— será imposible si los gastos energéticos crecen al mismo ritmo que la potencia de los modelos. Google, Microsoft y Meta ya no compiten solo por quién acapara más chips, sino por quién diseña arquitecturas que minimicen la disipación de calor y maximicen el rendimiento real.
Lo que me parece más inquietante es cómo la ventaja competitiva se ha desplazado del código al silicio especializado. Nvidia se ha convertido en el árbitro de la eficiencia energética mundial. Sin embargo, su dominio depende de un hardware que eventualmente tocará un techo térmico. La supervivencia de las grandes tecnológicas dependerá de su habilidad para ejecutar modelos en arquitecturas de inferencia —el proceso donde el sistema aplica lo aprendido ante consultas nuevas— mucho más compactas y eficientes.
Empresas como Mistral AI (desarrolladora francesa de modelos de IA eficientes) están demostrando que el desempeño de un sistema no debe medirse por su tamaño. Si un modelo pequeño puede realizar la misma tarea que uno masivo, pero consumiendo un 900% menos energía, la diferencia operativa no es marginal; es abismal. En un entorno de tasas de interés elevadas, donde el costo del dinero castiga la quema de efectivo, ese ahorro marca la línea divisoria entre el éxito y la insolvencia.
La geografía del consumo eléctrico
El mito de que la IA se democratizará de forma uniforme en el mundo es precisamente eso: un mito. Las empresas migrarán sus cargas de trabajo hacia regiones donde la energía sea barata y, sobre todo, abundante. Por eso, no es casualidad que OpenAI busque alianzas con proveedores de energía nuclear o fuentes renovables a gran escala. La ubicación del centro de datos es hoy una decisión estratégica tan crucial como la contratación de un director de tecnología.
Esto plantea un escenario complejo para América Latina. Mercado Libre ha optimizado sus procesos logísticos, pero el desafío de la infraestructura computacional es de otra naturaleza. Si los costos de energía en mercados como Brasil o Chile mantienen su volatilidad, la ventaja de las empresas tecnológicas locales frente a los gigantes globales se reducirá drásticamente. Sin una estrategia energética nacional que acompañe esta demanda, la región corre el riesgo de ser un simple consumidor de tecnología que no puede costear su propia innovación.
Honestamente, el mercado sigue sobrevalorando la capacidad de escalado y subestimando la gestión de recursos. Estamos viendo una burbuja de gasto operativo que colapsará cuando las empresas entiendan que el retorno de la inversión de sus modelos no compensa la electricidad necesaria para mantenerlos encendidos. Para finales de 2026, el valor en bolsa de estas compañías estará directamente correlacionado con su ratio de "tokens por vatio" auditado. Aquellas que dependan de comprar más capacidad eléctrica para sostener modelos ineficientes verán sus márgenes desplomarse, iniciando una ola de adquisiciones donde los ganadores serán, exclusivamente, quienes hayan priorizado la optimización antes que la escala.
