Pese a la volatilidad reciente en acciones de semiconductores, ejecutivos del sector tecnológico aseguran que la demanda de infraestructura para inteligencia artificial continúa superando la oferta disponible. El cambio principal radica en que las empresas ahora evalúan con mayor rigor el retorno económico de sus inversiones en IA.
¿Cuál es el verdadero límite del crecimiento de la IA?
La volatilidad bursátil de las últimas semanas reactivó interrogantes sobre si el mercado de inteligencia artificial está experimentando una desaceleración real. Sin embargo, ejecutivos de empresas clave en la cadena de suministro de IA ofrecen una perspectiva diferente: el cuello de botella no es la demanda de cómputo, sino factores físicos como energía disponible, espacio para centros de datos y capacidad de refrigeración.
Pat Gelsinger, ex CEO de Intel y actual socio de Playground Global, resumió esta visión durante julio de 2026. Según sus declaraciones, considera que la demanda de IA es "casi ilimitada", y que la disponibilidad de energía representa el único límite real del sector. Su argumento: cuanto mayor es el valor económico generado por sistemas de inteligencia artificial más avanzados, más amplia se vuelve la demanda potencial en prácticamente todas las industrias.
Ejecutivos reportan escasez persistente de capacidad
Varios líderes empresariales coincidieron en que los casos de Meta y xAI vendiendo o alquilando capacidad excedente representan situaciones puntuales, no una señal generalizada de sobrecapacidad. Marc Boroditsky, director de ingresos de Nebius, describió un escenario de demanda extraordinaria: la empresa experimenta solicitudes que superan ampliamente su capacidad de respuesta, incluso mientras construye centros de datos con GPUs de Nvidia.
Andrew Feldman, CEO de Cerebras Systems, fue en la misma dirección. Aseguró que la demanda de cómputo supera ampliamente la capacidad disponible en el mercado. Además, señaló que la industria enfrenta escasez de centros de datos, componentes ópticos y otros insumos críticos necesarios para sostener la expansión de la computación orientada a IA.
Desde Corea del Sur, Rebellions reportó observaciones similares. La startup de semiconductores, respaldada por Samsung y SK Hynix, confirmó que la demanda de infraestructura para inteligencia artificial sigue siendo abundante. Sungyun Park, CEO de Rebellions, afirmó que el impulso de expansión sigue siendo enorme, y que las noticias sobre exceso de capacidad en algunos operadores no indican que todos los grandes proveedores de nube estén sobreinvirtiendo.
Michael Hurlston, CEO de Lumentum —empresa que vende productos ópticos y fotónicos para conectividad en centros de datos—, ofreció un dato revelador: sus productos están agotados para los próximos cinco años. La compañía intenta ampliar su capacidad de manufactura tan rápido como puede para cubrir la demanda visualizada en ese horizonte. En bolsa, las acciones de Lumentum acumularon una suba de aproximadamente 600% durante los 12 meses previos a julio de 2026.
Del uso indiscriminado a la disciplina en retorno de inversión
Un cambio notable durante 2026 fue la transición desde lo que la industria llamaba "tokenmaxxing" —incentivar el uso máximo de herramientas de IA sin exigir análisis riguroso de eficiencia económica— hacia una evaluación más estricta del retorno de inversión. Boroditsky explicó que el tokenmaxxing solo tiene sentido si la organización obtiene valor concreto como consecuencia de ese gasto.
El cambio refleja presión desde áreas financieras. En lugar de premiar el consumo indiscriminado de tokens o consultas a modelos de frontera, los directores financieros comenzaron a buscar aplicaciones que creen valor suficiente para justificar la factura tecnológica. Boroditsky denominó esta nueva mentalidad como "valuemaxxing": enfocarse en aplicaciones que demuestren retorno económico claro.
Esta racionalización no significa abandono de la IA. Más bien sugiere una maduración en la forma de comprar cómputo, elegir modelos y priorizar cargas de trabajo según complejidad, costo y utilidad real para cada empresa. Boroditsky añadió que el mercado está entrando en una fase de mayor disciplina, patrón que se ha observado en cada ciclo tecnológico previo.
Arquitectura segmentada: no toda carga requiere la IA más costosa
Otro punto central del debate es que no todas las tareas de inteligencia artificial requieren modelos de frontera. Aunque sistemas como los desarrollados por OpenAI y Anthropic son considerados los más avanzados, hoy existe una amplia oferta de modelos de código abierto —como los de DeepSeek o Alibaba— con rendimiento cercano para casos concretos.
Esta diversidad abre la puerta a una arquitectura más segmentada del mercado. Algunas cargas de trabajo pueden seguir ejecutándose en modelos de alto desempeño, mientras otras migrarán hacia alternativas más económicas o menos complejas. Feldman de Cerebras lo expresó con una comparación sencilla: probablemente no se necesita "un autobús gigante para ir al supermercado", refiriéndose al uso excesivo de capacidad para tareas que no la justifican.
Su tesis es que ciertas cargas se moverán hacia tipos de computación específicos, mientras tareas más sencillas irán a otras plataformas. A medida que las empresas aprendan a desplegar IA con mayor sofisticación, el uso del hardware también debería volverse más selectivo y eficiente.
¿Qué significa la volatilidad bursátil para empresas y administradores argentinos?
Para dueños y administradores de empresas argentinas, la dinámica actual del mercado global de IA tiene implicaciones directas. En primer lugar, la volatilidad en acciones de semiconductores refleja un mercado en recalibración, no necesariamente un colapso de demanda. Las empresas que utilizan IA deben entender que esta transición hacia mayor disciplina en retorno de inversión puede beneficiarlas: los proveedores de infraestructura y software estarán más enfocados en demostrar valor real, lo que presionará precios y mejorará propuestas comerciales.
En segundo lugar, la segmentación del mercado de modelos de IA genera oportunidades. Empresas argentinas que implementen IA no necesitan pagar por capacidad de frontera si tareas específicas pueden resolverse con modelos abiertos o especializados. Esto reduce costos de adopción y mejora márgenes operativos.
En tercer lugar, la presión energética global —identificada como el verdadero cuello de botella— tendrá efectos indirectos en Argentina. A medida que datos centers globales demanden más electricidad, la energía se vuelve más cara en el mercado internacional, lo que puede afectar costos de hosting en la nube y servicios de cómputo remoto que muchas pymes argentinas utilizan.
Finalmente, administradores de empresas deben adoptar la mentalidad de "valuemaxxing" que emerge en el sector. Antes de invertir en herramientas o infraestructura de IA, es crítico definir claramente qué problema resuelven, cuánto ahorro o ingresos generan, y en cuánto tiempo. La era de la experimentación sin criterio termina; la fase de inversión disciplinada comienza.
