El avance vertiginoso de la inteligencia artificial no solo se refleja en sus crecientes capacidades operativas, sino también en una deflación de costos sin precedentes en la historia industrial. Desde 2023, el costo requerido para alcanzar un determinado nivel de rendimiento en modelos de IA ha caído a un ritmo aproximado del 47% por trimestre, según datos de Epoch AI. Este comportamiento equivale a un abaratamiento anual cercano a 13 veces, superando las marcas de cualquier revolución técnica anterior.

Un ritmo muy superior al cómputo tradicional y las baterías

Al contrastar esta trayectoria con otras tecnologías transformadoras, la brecha resulta abrumadora. La velocidad de abaratamiento de la IA es cuatro veces mayor que la observada en la secuenciación del ADN, seis veces más acelerada que la del cómputo convencional bajo la Ley de Moore y unas 18 veces más rápida que la de las baterías de iones de litio. Estos registros forman parte de una investigación técnica desarrollada por Adrian Cox y Azeem Azhar para el Deutsche Bank Research Institute, la cual examina las implicaciones económicas del avance hacia la inteligencia artificial general (AGI) y la superinteligencia.

La paradoja del gasto: infraestructuras multimillonarias

A pesar de la reducción del costo por unidad de cómputo, el volumen de inversión global no ha disminuido; por el contrario, ha alcanzado techos históricos. Se calcula que los grandes proveedores de nube en Estados Unidos y China —conocidos como hiperescaladores— junto con las firmas especializadas en infraestructura de IA desembolsarán cerca de US$1 billón en gastos de capital para el año 2026. Este volumen de inversión casi duplica los niveles de años anteriores y plantea la duda sobre si el ritmo actual de abaratamiento podrá sostenerse ante las limitaciones energéticas y físicas de los centros de datos.

El reto de convertir capacidad en rentabilidad

Con estimaciones que ubican el gasto global de infraestructura de los gigantes tecnológicos en torno a US$1,2 billones hacia 2027, el principal desafío para las empresas es demostrar el retorno de inversión. Para justificar desembolsos tan agresivos, los proyectos de IA deberán traducirse rápidamente en ganancias tangibles: saltos sustanciales en la productividad de la fuerza laboral, optimización estructural de procesos y la creación de nuevos modelos de negocio rentables. El financiamiento continuo será la variable crítica que definirá la velocidad con la que la industria transite hacia la siguiente fase de desarrollo tecnológico.