¿Construir o alquilar?
El dilema detrás de la infraestructura de la inteligencia artificial
Por Mookie Tenembaum
En la primera parte de este artículo vimos cómo cada pregunta hecha a un sistema de inteligencia artificial activa una cadena de procesos que involucra centros de datos, chips, almacenamiento de datos, energía y redes.
Y explicamos cómo la llegada de agentes autónomos multiplica por 15 la necesidad de infraestructura, sin necesidad de que haya más usuarios.
Ahora toca una pregunta clave: ¿quién tiene el control de esta infraestructura? ¿Las empresas que hacen los modelos, como Google, Anthropic o OpenAI, pueden construirla por su cuenta, o dependen de otros? ¿Y qué significa eso para quienes invierten?
¿Se puede hacer todo esto internamente?
Sí, pero solo algunos pueden hacerlo.
Empresas como Google (Ticker: GOOGL), Microsoft (Ticker: MSFT) o Amazon (Ticker: AMZN) tienen su propia infraestructura.
Sus nubes son Google Cloud, Azure y AWS (la nube de Amazon), respectivamente.
Estas permiten controlar casi todo el proceso: almacenamiento, cómputo, red, energía.
Esto les da dos ventajas:
- Pagan menos: no tienen que alquilar el servicio a terceros.
- Controlan el flujo de datos: no dependen de nadie más para manejar la información crítica.
Pero la gran mayoría de las empresas de inteligencia artificial (IA), incluidas algunas muy avanzadas como Anthropic, Mistral, xAI o Inflection, no tienen centros de datos propios ni producen chips.
Subcontratan casi todo.
Por eso existen empresas como CoreWeave, que les alquilan GPU listas para usar, o Vast Data, que les proveen la plataforma para mover datos sin cuellos de botella.
Estos proveedores son los que ganan dinero todos los días, sin importar qué modelo esté de moda.
Comprar o alquilar: ¿qué conviene?
Este es el dilema central para las empresas medianas y nuevas del sector.
Y es un dilema que tiene una traducción directa al lenguaje financiero:
- Alquilar es rápido, simple, escalable. Pero a largo plazo, es más caro y crea dependencia
- Construir infraestructura propia requiere una inversión inicial gigantesca y personal muy especializado, pero reduce los costos variables y da independencia
Entrenar un modelo grande desde cero puede costar entre $50 y $150 millones de dólares solo en infraestructura.
Comprar los chips, instalar el sistema de almacenamiento, asegurar la energía, contratar al personal; todo eso lleva tiempo y capital.
Por eso, para lanzar un producto hoy, casi todas las empresas eligen alquilar.
Pero a medida que los volúmenes crecen, algunas se integran verticalmente, como lo hizo OpenAI aliándose con Azure, o como empieza a plantear xAI, el proyecto de Elon Musk.
El riesgo estratégico: depender de otros
Cuando una empresa depende de un tercero para correr sus modelos, cede margen y, en cierto modo, poder.
Por ejemplo:
• Si Anthropic depende de CoreWeave para correr Claude, y CoreWeave sube sus precios o prioriza a otro cliente, Anthropic queda expuesta
• Si una startup usa Vast Data para manejar sus datos, pero quiere cambiar a otra solución más barata, puede enfrentar costos de migración y riesgo técnico
Así, algunas empresas exploran la construcción de sus sistemas propios o firman contratos exclusivos.
Pero otras, más chicas, subcontratan.
Desde el punto de vista del inversor, esto plantea una distinción importante, ya que quienes producen el servicio son los que tienen ingresos estables y recurrentes, mientras que los que usan el servicio tienen que competir en precio, marketing y velocidad de producto.
¿Dónde están las oportunidades?
El nuevo mercado de la IA ya no es solo de modelos, es de infraestructura.
Y los agentes autónomos lo empujan a un nuevo nivel.
Cada usuario que use un agente no va a consumir una respuesta: va a consumir decenas o cientos de procesos por segundo.
Eso multiplica por 15 la demanda total de procesamiento, almacenamiento y red.
No existe otro sector en el mundo que haya pasado de 1 a 15 veces su volumen estructural en tan poco tiempo.
Por eso, mientras todos miran a los chatbots, los verdaderos ganadores pueden ser empresas que:
• Fabrican los chips: como Nvidia (Ticker: NVDA)
• Alquilan la capacidad de procesamiento: como CoreWeave (si sale a bolsa)
• Ofrecen almacenamiento y datos optimizados: como Vast Data (todavía en manos privadas)
• Operan los centros físicos: como Equinix (Ticker: EQIX) o Digital Realty (Ticker: DLR)
• Distribuyen la red: como Arista (Ticker: ANET)
En el nuevo mapa, el usuario final seguirá viendo respuestas mágicas en su pantalla.
Pero cada respuesta activa un sistema entero de empresas que cobran por permitir que esa magia ocurra.
Y ese sistema está creciendo a un ritmo sin precedentes.
Perfecto. Acá tenés una tabla clara y explicativa que muestra:
- Qué tipo de empresa interviene en el ecosistema de la inteligencia artificial.
- Qué función cumple cada una.
- Cómo gana dinero.
- Cuánto representa su parte dentro del gasto total por operación de IA (porcentaje estimado).
- Cómo se multiplica su negocio con la llegada de los agentes autónomos (proyección de crecimiento relativa).
- Si la empresa ya cotiza en bolsa o no (y su ticker si aplica).
Tabla: Ecosistema económico de la infraestructura IA y el impacto de los agentes autónomos
Aclaraciones clave:
• El porcentaje del gasto total es lo que representa cada actor dentro del costo que tiene una empresa como Google o Anthropic por mantener funcionando su modelo.
• Los desarrolladores de modelos (como Claude o Gemini) no ganan dinero directo por infraestructura, sino que la pagan a los otros actores. Sus márgenes dependen de cuánto gasten en GPU, almacenamiento y red.
• Con la llegada de los agentes, la demanda no solo se multiplica por el número de usuarios, sino que cada usuario ejecuta muchos más procesos. Esto cambia la escala del negocio: quienes alquilan, procesan o almacenan ven cómo sus ingresos se disparan sin que necesariamente crezca la cantidad de clientes finales.
• El gran salto de valor está en los proveedores técnicos, no necesariamente en los modelos que más suenan en los medios.
Las cosas como son
Mookie Tenembaum aborda temas de tecnología como este todas las semanas junto a Claudio Zuchovicki en su podcast La Inteligencia Artificial, Perspectivas Financieras, disponible en Spotify, Apple, YouTube y todas las plataformas.