Entorno identifica los 3 frenos del avance global de la IA

¿Cuáles son los tres cuellos de botella que limitan el avance de la IA?

El medio mexicano Entorno publicó una investigación en seis partes titulada Juego de poder, donde identifica tres restricciones estructurales que se repiten en prácticamente todos los mercados: déficit de infraestructura de cómputo a escala, escasez de talento especializado y baja inversión sostenida en investigación y desarrollo. Según el análisis, ninguno opera de forma aislada: su interacción genera un efecto multiplicador que amplía la brecha entre las economías que ya escalan IA y las que apenas construyen sus bases.

La fotografía global respalda el diagnóstico. S&P Global Ratings proyecta que el gasto de capital ("capex") combinado de los seis mayores hyperscalers —Alphabet, Amazon, Microsoft, Meta, Oracle y SpaceX— superará US$1,3 billones acumulados hacia 2027, con flujo de caja libre negativo tanto en 2026 como en 2027. Es decir, incluso los actores más capitalizados del mundo están endeudándose para sostener la construcción de centros de datos.

¿Por qué la infraestructura de cómputo define quién lidera la carrera?

El primer cuello de botella es físico: GPU, energía y suelo. MIT Technology Review estima que los hyperscalers destinarán cerca de US$750.000 millones en 2026 a centros de datos y que el gasto podría rozar US$1,1 billones en 2027, con un acumulado superior a US$5 billones en cuatro años. Solo los chips representan cerca del 60% del costo de cada facility, y su rendimiento se duplica cada dos años, lo que obliga a reemplazar inversiones gigantes con una frecuencia inédita.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El financiamiento dejó de ser capital propio. Morgan Stanley calcula que más de la mitad de los US$2,9 billones que los hyperscalers invertirán entre 2025 y 2028 provendrá de capital externo: deuda, vehículos especiales ("SPVs") y garantías de valor residual. El caso del centro de datos Hyperion de Meta en Luisiana, que pasó de US$10.000 millones anunciados a fines de 2024 a US$50.000 millones con una expansión a 5 GW en julio, ilustra la velocidad y la complejidad de estos compromisos.

Para una startup, la lectura es directa: el acceso a cómputo dejó de ser commodity. Modelos frontier como los que entrenan los hyperscalers requieren capacidades que muy pocas empresas pueden costear, lo que empuja a construir sobre APIs, a negociar contratos multianuales con proveedores cloud o a buscar alianzas con gobiernos que subsidien infraestructura.

¿Cómo impacta la escasez de talento a empresas y países?

El segundo cuello de botella es humano y, según Kelly en su 2026 Data Center Salary Guide, es el más crítico: el 90% de los operadores identifica la falta de personal como la principal restricción para construir o expandir centros de datos. El informe proyecta que cerca de la mitad de las facilities programadas para entrega en 2026 sufrirán retrasos o cancelaciones, y que el empleo permanente en el sector alcanzará 650.000 puestos en 2026, un 30% más que en 2023. El 25% de los empleados actuales es "cazado" cada año por competidores.

Los sueldos reflejan la presión: un AI Engineer en Estados Unidos arranca en US$175.000 de midpoint nacional, y los especialistas en liquid cooling commissioning o en operación de clusters de GPU cobran primas de mercado. El talento para diseñar, entrenar y desplegar modelos escasea tanto como el personal para operar la infraestructura física que los aloja.

En América Latina la brecha es mayor. En el LATAM CISO Summit 2026 celebrado en Cancún, representantes de Argentina, Brasil y México coincidieron en que el 65% de las vacantes en ciberseguridad e IA no se pueden cubrir. Brasil lanzó el programa Hackers do Bem, que busca formar a 200.000 personas, mientras que Cisco firmó en 2025 un convenio con el gobierno mexicano para capacitar a 1,8 millones de funcionarios públicos en IA y ciberseguridad.

¿Qué dice la economía detrás de la inversión en IA?

El tercer cuello de botella es de capital y modelo de negocio. Los hyperscalers necesitan multiplicar su productividad por 2,7 veces hacia 2030 solo para empatar el costo de capital con un retorno del 15%, según un trabajo de la Wharton School citado por MIT Technology Review. Alphabet, por ejemplo, reportó ingresos cercanos a US$120.000 millones en su último trimestre pero registró un déficit de free cash flow de US$5.900 millones, el primero desde su salida a bolsa en 2004, consumido por infraestructura de IA.

La pregunta clave para una startup no es si la IA seguirá creciendo, sino cuánto de ese crecimiento se traducirá en productividad real. Una encuesta reciente a 6.000 ejecutivos en EE.UU., Reino Unido, Alemania y Australia muestra que cerca del 90% no ha visto mejoras de productividad en los últimos tres años, aunque esperan un alza del 1,45% en los próximos tres. Para los founders, eso significa que el retorno de la inversión en IA sigue siendo una hipótesis por demostrar y que conviene medir resultados con métricas duras, no con demos.

¿Qué significa esto para tu startup en LATAM?

El análisis de Entorno subraya un punto crítico para founders latinoamericanos: la dependencia de infraestructura y modelos extranjeros expone a las empresas a riesgos de soberanía tecnológica y limita la personalización. La región ya empezó a mover ficha. KIO Data Centers anunció en agosto una inversión acumulada de US$170 millones en México y más de US$900 millones en LATAM, con US$200 millones adicionales en 2026 para Ciudad de México, Monterrey y Querétaro y un plan de hasta US$1.300 millones hacia 2030 para su Mega Campus QRO3, que proyecta 8.100 empleos directos e indirectos. Además, México trabaja en Coatlicue, la supercomputadora pública más potente de la región, y firmó en enero una carta de intención con Chile para cooperación bilateral en IA que incluye el proyecto Latam GPT.

La ventana competitiva, según Entorno, no es indefinida. Tres acciones concretas que podés aplicar desde hoy:

Mapeá tu dependencia externa de cómputo: si tu producto entrena o sirve modelos grandes, identificá qué proveedor concentra tu capacidad y qué pasa si los precios suben o los contratos cambian. Considerá opciones multicloud o alianzas con infraestructura regional como KIO.
Invertí en upskilling interno antes que en contratación externa: con el 90% del mercado global reportando escasez de talento, formar equipo propio o reentrenar perfiles de ingeniería tradicionales suele ser más rápido y barato que competir por los pocos especialistas disponibles.
Sumate a redes de colaboración pública-privada: los casos documentados por Entorno y por el LATAM CISO Summit muestran que los avances más significativos nacen de ecosistemas donde academia, industria y Estado comparten datos y objetivos, no de desarrollos cerrados.

Conclusión

Los tres cuellos de botella que identifica Entorno —cómputo, talento y capital— no son problemas independientes: se refuerzan entre sí y definen quién puede escalar IA y quién queda como consumidor de modelos ajenos. Para los founders hispanohablantes, la lectura es incómoda pero clara: la infraestructura global se está concentrando en unas pocas empresas y regiones, pero la presión regulatoria, la búsqueda de soberanía y el costo del talento abren nichos concretos para startups que sepan moverse en los bordes. Esperar a que la nube baje de precio o a que el talento aparezca solo es, según el propio análisis, la estrategia más cara a mediano plazo.