IA: más cara que ir a la Luna

Un titular que asusta… pero es real

En 2026, las grandes tecnológicas van a gastarse en centros de datos de IA más dinero del que costó llevar a la humanidad a la Luna, y eso no es una hipérbole publicitaria, sino un cálculo económico bastante frío que debería hacernos levantar una ceja. Mientras el programa Apolo, ajustado a inflación, ronda los 250.000 millones de dólares, el esfuerzo coordinado de compañías como Microsoft, Meta, Amazon, Alphabet y otras para construir infraestructuras de inteligencia artificial se moverá en torno a los 660.000–700.000 millones de dólares en un solo año, sobre todo en hormigón, acero, chips y electricidad. Lo llamativo no es solo el número absoluto, sino su peso relativo: como porcentaje del PIB, esta oleada de gasto se acerca a proyectos históricos como el programa Apolo y sólo queda por debajo de hazañas como la Compra de Luisiana, que cambió el mapa de Estados Unidos para siempre.

La frase “invertiremos más en IA en 2026 que en llegar a la Luna” funciona bien como titular porque condensa en una imagen muy visual una realidad bastante compleja, conectando dos símbolos poderosísimos del siglo XX y del XXI: cohetes de Saturno V despegando hacia un satélite lejano y hangares infinitos llenos de racks de servidores que nadie verá nunca por dentro. Es un contraste brutal entre el imaginario épico del espacio y el supuesto aburrimiento de los centros de datos, aunque ambos comparten el mismo fondo: una carrera tecnológica donde el país que se queda atrás, pierde. Podemos discutir si la comparación es justa en términos de impacto social, pero como herramienta narrativa es tan contundente que se ha colado ya en titulares de prensa, informes financieros y debates políticos sobre qué demonios estamos construyendo a este ritmo obsesivo.

Y sí, hay algo casi irónico en que la exploración espacial, que durante décadas fue el máximo símbolo de progreso, se haya convertido de repente en el “proyecto barato” frente a las catedrales de silicio que levantamos para que modelos de IA generen textos, imágenes o decisiones empresariales a una escala que apenas estamos empezando a intuir. Puede que no tengamos nuevas huellas en la Luna cada semana, pero estamos sembrando el planeta de infraestructuras gigantescas que persiguen una promesa igual de ambiciosa: conquistar el territorio invisible de la inteligencia, aunque esta vez el viaje no sea televisado en directo, sino escondido tras la niebla de datos y algoritmos.

De Apolo a los hyperscalers: números y metáforas

Cuando pensamos en el programa Apolo, tendemos a recordar una cifra mítica: “fue carísimo”, repetimos sin mucha precisión, como si eso bastara para entender su magnitud, pero los datos nos obligan a concretar. Entre 1960 y 1973, el proyecto Apolo costó unos 25.800 millones de dólares de la época, lo que ajustado a precios actuales ronda los 250.000–260.000 millones, incluyendo cohetes, naves, salarios, instalaciones en tierra y todo el ecosistema que permitió ver a Neil Armstrong bajar por aquella escalerilla. Si ampliamos el foco e incorporamos programas previos como Mercury y Gemini o las misiones robóticas que allanaron el terreno, la factura aumenta un poco más, pero sigue lejos de los casi 700.000 millones que se prevén para la infraestructura de IA en 2026.

La diferencia clave, sin embargo, no está solo en cuánto se gasta, sino en cómo y durante cuánto tiempo se concentra ese gasto, porque Apolo fue un esfuerzo de más de una década mientras que la carrera de la IA está comprimiendo volúmenes parecidos en apenas un año natural. Algunos análisis comparan este tsunami inversor con otras grandes aventuras de infraestructuras, y concluyen que la CapEx anual en centros de datos y hardware de IA supera ya, en términos reales, proyectos como el sistema de autopistas interestatales de Estados Unidos, que se construyó durante décadas y simbolizó la movilidad del siglo pasado. Esta compresión temporal convierte la metáfora en algo todavía más desconcertante: es como si estuviéramos lanzando un programa Apolo nuevo cada doce meses, solo que en vez de cohetes en Florida tenemos excavadoras levantando naves anónimas a las afueras de cualquier ciudad.

Cuando cambias el marco y pasas de dólares corrientes a porcentaje del PIB, la fotografía histórica se vuelve aún más interesante, porque los economistas adoran medir así la ambición de un país. El análisis que puso de moda la comparación explica que el pico de gasto en IA alrededor de 2026 representa cerca de un 2% del PIB, una cifra que coloca este esfuerzo industrial muy por encima del programa Apolo y sólo por debajo de aquella monumental Compra de Luisiana, que en 1803 devoró alrededor del 4% del PIB para duplicar la superficie de un país todavía adolescente. Dicho de otra manera, estamos ante algo que no se parece tanto a un “proyecto tecnológico más”, sino a una especie de reconfiguración acelerada de la economía para dar cabida a una infraestructura que, si todo sale bien, servirá de base a la próxima ola de productividad… y, si todo sale mal, será recordada como una gigantesca burbuja de hormigón y silicio.

Qué estamos construyendo realmente (y dónde se esconde la Luna)

Lo primero que conviene aclarar cuando hablamos de “invertir en IA” es que no estamos pensando en software etéreo flotando en la nube, sino en algo muy físico y bastante poco glamuroso: edificios colosales llenos de servidores, cables, sistemas de refrigeración y centros eléctricos dedicados casi en exclusiva a alimentar modelos de aprendizaje automático. Los informes sectoriales estiman que la capacidad global de centros de datos podría casi duplicarse de aquí a 2030, pasando de unos 100 gigavatios a 200, con la mitad de esa potencia dedicada a cargas de trabajo de IA que exigen hasta diez veces más densidad energética que un centro de datos tradicional. Lo que antes era una infraestructura discreta, repartida entre servicios de almacenamiento, webs y aplicaciones, ahora se está reinventando en torno a la idea de que modelos enormes van a necesitar cantidades brutales de cálculo las veinticuatro horas del día.

Detrás de esas cifras hay nombres muy concretos: Meta, Microsoft, Amazon y Alphabet ya han anunciado que, sólo ellas, planean gastar más de 300.000 millones de dólares en capex ligado a IA, mientras que otros análisis amplían el foco hasta los 660.000–700.000 millones al sumar a Apple, Oracle, Tesla, xAI y una galaxia de empresas de la nube y startups especializadas. Este dinero se destina principalmente a tres grandes partidas: construcción de centros de datos, compra de chips de alto rendimiento (Nvidia, pero también silicio personalizado) y refuerzo de infraestructuras energéticas, incluyendo acuerdos con proveedores de renovables o incluso proyectos nucleares dedicados a asegurar un suministro estable. El resultado es una especie de fiebre del oro del siglo XXI en la que las pepitas ya no están en los ríos, sino en los clústeres de GPUs, y los pioneros son empresas dispuestas a quemar capital con tal de no quedarse sin capacidad de cómputo cuando llegue la próxima gran ola de demanda.

Si lo piensas, la metáfora con la Luna no sólo funciona por el tamaño de la inversión, sino por la manera en que estas infraestructuras son, en el fondo, una apuesta por conquistar un territorio todavía bastante desconocido: el de una inteligencia artificial que pueda hacerse cargo de tareas cada vez más complejas, desde diseñar nuevos medicamentos hasta gestionar redes eléctricas o, por qué no, maquetar libros como los que tú y yo leemos en el metro. Igual que Apolo justificó su coste con argumentos de prestigio nacional, avances científicos y desarrollo industrial, hoy la narrativa que rodea a la IA mezcla promesas de productividad, mejoras en la salud, revolución educativa y, por supuesto, ventajas estratégicas en un escenario geopolítico donde nadie quiere depender del modelo de otro país. La diferencia, quizá, es que Apolo fue claramente un proyecto público liderado por un estado, mientras que esta nueva carrera lunar discurre sobre todo a través de los balances de grandes corporaciones que construyen la infraestructura crítica del futuro con sus propias reglas, prioridades y plazos.

El coste oculto: energía, territorio y clima

Más allá del titular espectacular y de las cifras de inversión, hay otra dimensión incómoda que no suele entrar en los comunicados de prensa: el impacto energético y ambiental de esta nueva constelación de centros de datos centrados en IA. Los informes inmobiliarios y de infraestructura apuntan a que la demanda de energía de los centros de datos está creciendo con tanta rapidez que muchos mercados se acercan ya a sus límites de capacidad, obligando a retrasar o rediseñar proyectos porque, literalmente, no hay suficientes megavatios disponibles para alimentarlos. En paralelo, los centros de datos optimizados para entrenar modelos de IA necesitan densidades de potencia hasta diez veces superiores, lo que implica reforzar redes eléctricas locales, negociar acuerdos a largo plazo con generadores y, en ocasiones, entrar en competencia directa con otros usos esenciales, desde la vivienda hasta el transporte.

El discurso oficial suele tranquilizarnos con promesas de energías renovables, contratos de compra de electricidad verde y mejoras en la eficiencia de los chips y sistemas de refrigeración, pero la realidad es que estamos construyendo una capa de infraestructura voraz que, incluso si se alimenta de fuentes limpias, ocupa suelo, consume agua y altera ecosistemas urbanos y rurales. Algunos mercados tradicionales de centros de datos, como ciertas áreas de Estados Unidos y Europa, empiezan a hablar de “crisis de capacidad” y buscan alternativas en regiones con más margen eléctrico, lo que desplaza el problema pero no lo resuelve, mientras los gobiernos debaten cómo compatibilizar su ambición digital con sus objetivos climáticos. Visto desde la perspectiva de alguien que disfruta paseando por la ciudad o el campo, la imagen de enormes naves grises apareciendo en el horizonte como nuevas catedrales del dato plantea preguntas incómodas sobre qué tipo de paisaje tecnológico queremos habitar.

La paradoja es que la propia IA se presenta a menudo como herramienta clave para acelerar la transición ecológica –optimizar redes, predecir patrones de consumo, diseñar materiales más eficientes– mientras su despliegue masivo alimenta una huella de carbono y un apetito energético notables. Esta tensión entre la promesa de un futuro más sostenible y el coste de la infraestructura necesaria para acercarnos a ese horizonte debería formar parte central del debate público, igual que en su día se discutió si merecía la pena gastar tanto dinero en llegar a la Luna mientras en la Tierra había pobreza y desigualdad. La diferencia ahora es que la carrera por la IA no tiene una meta tan visual como una bandera clavándose en la superficie lunar: su éxito se medirá en productividad, patentes, cuota de mercado y, quizá, en la capacidad de que estas tecnologías mejoren realmente la vida de la gente corriente, no sólo el valor de las acciones de unas pocas empresas.