Artículo
El gasto en infraestructura como servicio optimizada para inteligencia artificial alcanzaría los US$42.000 millones en 2026, casi el doble que un año antes, según datos de Gartner citados por CIO Dive. La expansión refleja una demanda creciente de capacidad de cómputo para entrenar modelos y, sobre todo, para utilizarlos de manera continua dentro de las empresas.
El dato más revelador está en la composición de esa inversión. Gartner proyecta US$23.300 millones destinados a inferencia, frente a US$19.000 millones para entrenamiento. La inferencia es la etapa operativa en la que un modelo ya entrenado produce respuestas, recomendaciones o decisiones. Que supere al entrenamiento sugiere que la adopción está pasando de la construcción experimental a la explotación en producción.
Durante los últimos años, la demanda de infraestructura estuvo impulsada principalmente por proveedores que entrenaban grandes modelos fundacionales. Ahora las empresas están incorporando inteligencia artificial en aplicaciones, procesos y experiencias de clientes. Ese uso requiere inferencia permanente y una infraestructura capaz de sostener rendimiento, baja latencia y escalabilidad.
La tendencia también se vincula con la expansión de los agentes de IA. A medida que estos sistemas ejecutan más tareas y participan en flujos de trabajo empresariales, aumenta el consumo de procesamiento, almacenamiento, redes y herramientas de orquestación. Gartner prevé que el gasto global en esta infraestructura como servicio podría llegar a US$66.000 millones en 2027.
Para los responsables empresariales, la inversión ya no puede tratarse como una partida experimental sin métricas claras. Escalar desde un piloto hasta una operación crítica obliga a evaluar capacidad de cómputo, ubicación y circulación de los datos, seguridad, resiliencia, gobierno y control de costos. Un sistema técnicamente exitoso puede convertirse en un mal negocio si su consumo crece más rápido que el valor que genera.
Los grandes proveedores de nube y desarrolladores de modelos siguen concentrando una parte importante del gasto. Google Cloud, Microsoft Azure y AWS planean invertir conjuntamente más de US$500.000 millones en infraestructura de IA durante 2026. Esa escala amplía la oferta disponible, pero también puede profundizar la dependencia de unas pocas plataformas y volver más compleja la comparación del costo total entre alternativas.
Muchas organizaciones están revisando por este motivo su arquitectura tecnológica. En lugar de depender exclusivamente de la nube pública, consideran combinaciones de nube privada, centros de datos, infraestructura en el borde y entornos soberanos. La decisión no debería responder a una moda: cada combinación introduce compromisos distintos entre velocidad, costo, control, regulación y complejidad operativa.
La señal de madurez es clara, pero no garantiza rentabilidad. El aumento del gasto indica que más empresas están llevando la IA a producción; no demuestra que todas hayan encontrado casos de uso sostenibles. La disciplina consiste en vincular cada inversión de infraestructura con un proceso concreto, una métrica de negocio y límites explícitos de costo y riesgo.