El auge de la inteligencia artificial ya no es solo una historia de chips, modelos y aplicaciones. Cada vez más, también es una historia de deuda.

El posible punto de tensión no está en una burbuja genérica de IA, sino en la pila de financiación que se está construyendo alrededor de centros de datos, GPU y capacidad de cómputo: préstamos privados, vehículos fuera de balance, titulizaciones y líneas respaldadas por colateral cuya exposición es más difícil de ver que la de los bonos cotizados ^[1][2][5].

Eso no significa que una crisis sea inevitable. Lo que muestran las fuentes es una formación rápida de crédito, estructuras complejas y menor transparencia; no prueban todavía que las pérdidas vayan a ser lo bastante grandes o conectadas como para convertirse en un problema sistémico ^[3][5].

De la caja propia a la deuda

En la primera fase del boom de la IA, las grandes tecnológicas podían financiar buena parte de sus inversiones con el flujo de caja generado por sus propios negocios. Ese equilibrio está cambiando.

El Banco de Pagos Internacionales, conocido internacionalmente como BIS, sostiene que la escala de las inversiones actuales y previstas en IA exige pasar de la financiación con flujos operativos a la deuda, con un papel cada vez más relevante del crédito privado ^[3]. Para el lector no especializado: crédito privado significa, en general, préstamos negociados fuera de los mercados públicos, muchas veces por fondos u otros inversores no bancarios.

Apollo llega a una conclusión parecida desde otro ángulo: las emisiones públicas de deuda de los grandes operadores de nube —los llamados hiperescaladores— no reflejan toda la creación de crédito vinculada a la IA, porque dejan fuera grandes financiaciones privadas para infraestructura que no pasan por el mercado tradicional de bonos ^[5].

La razón es sencilla: el despliegue de la IA es digital, pero también muy físico. Brandywine Global describe la demanda de infraestructura de cómputo como una combinación de hardware, software, redes, almacenamiento, centros de datos y GPU, y señala que la carrera por construir esa infraestructura ha creado una oportunidad creciente para los mercados de crédito, especialmente en bonos respaldados por activos ^[1].

Por qué el crédito privado concentra la preocupación

El crédito privado no es peligroso por definición. El problema aparece cuando el riesgo se acumula en estructuras poco visibles. En un bono cotizado hay precios, negociación secundaria y más señales públicas. En un préstamo bilateral, un fondo privado o un vehículo de propósito especial, la información disponible para el resto del mercado suele ser menor.

Una alerta legal de Quinn Emanuel afirma que las compañías tecnológicas han recurrido a bonos corporativos, crédito privado y vehículos de propósito especial fuera de balance —SPV, por sus siglas en inglés— para cubrir sus necesidades de financiación de infraestructura de IA, moviendo más de 120.000 millones de dólares de gasto en centros de datos fuera de sus balances en menos de dos años ^[2][7]. El mismo análisis identifica préstamos directos, estructuras SPV, titulizaciones y líneas con garantía de GPU entre los mecanismos usados en proyectos de centros de datos para IA ^[2][7].

Ahí se vuelve más aguda la pregunta para los inversores: si el mercado visible de bonos solo muestra una parte de la historia, el apalancamiento total ligado a la IA puede subestimarse hasta que los proyectos tengan que refinanciarse, incumplan pagos o necesiten más capital ^[5].

La brecha central: inversión hoy, ingresos mañana

El riesgo más claro es el desajuste entre gasto de capital inmediato e ingresos futuros todavía inciertos. Quinn Emanuel sitúa los ingresos de IA en alrededor de 60.000 millones de dólares en 2025, frente a unos 400.000 millones de gasto de capital ^[7]. Cresset también advierte de una brecha creciente entre el capex de IA y los ingresos realizados, y señala que el crédito privado está financiando cada vez más el crecimiento de la IA con base en flujos de ingresos proyectados, no en activos duros ^[8].

Esa diferencia puede transformar una historia de mercado bursátil en un problema de deuda. Si los prestamistas financian centros de datos o GPU asumiendo que la demanda de IA seguirá creciendo sin sobresaltos, una menor utilización, una monetización más lenta o peores condiciones de refinanciación podrían trasladar pérdidas a carteras de crédito privado.

Las estructuras que merecen más vigilancia

No todo préstamo ligado a infraestructura de IA es frágil. Las zonas más sensibles son aquellas en las que el servicio de la deuda depende de proyecciones, del valor del colateral o del respaldo del patrocinador más que de flujos de caja duraderos.

• SPV fuera de balance. Estos vehículos pueden aislar el riesgo de un proyecto, pero también hacer menos evidente la exposición real del patrocinador. Apollo cita la estructura Beignet de Meta como un vehículo de propósito especial usado para financiar capacidad dedicada de centros de datos, y Quinn Emanuel identifica los SPV fuera de balance como parte del conjunto de financiación de centros de datos de IA ^[5][7].
• Préstamos respaldados por GPU y equipos. Quinn Emanuel identifica líneas con garantía de GPU entre las estructuras en uso ^[2]. En esas operaciones, la recuperación no depende solo de los derechos legales sobre el colateral, sino del valor económico y la liquidez de esos equipos si el prestatario entra en problemas.
• Titulizaciones y estructuras respaldadas por activos. Quinn Emanuel identifica titulizaciones en la financiación de centros de datos de IA, mientras que Brandywine Global señala que la infraestructura de IA se ha convertido en una oportunidad para los mercados de crédito, en particular para valores respaldados por activos ^[1][2].
• Inmobiliario y financiación de proyectos de centros de datos. La Fed de Chicago indica que la IA ha entrado en la exposición bancaria a bienes raíces comerciales a través de inversiones en centros de datos. También describe un escenario de riesgo extremo en el que el estrés entre prestatarios de software de IA reduciría la inversión y tendría efectos en cadena sobre centros de datos, empresas de energía y fabricantes de semiconductores ^[4].
• Supuestos de capacidad e ingresos futuros. Cresset advierte que el crédito privado está financiando parte del crecimiento de la IA con base en ingresos proyectados, no en activos duros, lo que hace que la calidad de las operaciones dependa mucho de que el uso y la monetización de la IA se materialicen como se espera ^[8].

Cómo podría propagarse el estrés

Un ciclo de tensión no requeriría que la IA fracasara. Podría bastar con que el capex siguiera creciendo más rápido que los ingresos realizados, forzando una repricing de proyectos y contratos ^[7][8]. A partir de ahí, los prestamistas tendrían que revisar valores de colateral, ratios de financiación y supuestos de refinanciación para centros de datos, GPU e infraestructura relacionada.

La opacidad es el canal de transmisión. La advertencia de Apollo —que la deuda pública emitida por hiperescaladores excluye grandes financiaciones privadas— implica que el mercado puede no tener una visión limpia de la exposición total ^[5]. Un informe de mercado que resume una perspectiva de liquidez vinculada a S&P Global Ratings también señala el auge del crédito privado como fuente de financiación y advierte que la transparencia limitada y el uso de financiación de corto plazo en instituciones financieras no bancarias muy apalancadas pueden ser una fuente de fragilidad financiera ^[10].

Los bancos tampoco quedan al margen. La Fed de Chicago plantea un escenario de riesgo extremo en el que menores inyecciones de capital en empresas de software de IA, combinadas con tasas de interés elevadas, tensionan el pago de deuda y reducen la inversión, con efectos sobre el gasto previsto en infraestructura de centros de datos, energía y semiconductores ^[4].

Por qué esto no es automáticamente otro 2008

La comparación con burbujas crediticias pasadas sirve solo hasta cierto punto. Hay ingredientes conocidos que justifican atención: crecimiento rápido de la deuda, suscripción optimista, vehículos fuera de balance, titulizaciones y exposiciones difíciles de medir ^[2][3][5]. Pero la evidencia citada no demuestra que la deuda de infraestructura de IA sea ya lo bastante grande, apalancada e interconectada como para garantizar una crisis sistémica.

El riesgo también es desigual. Algunas operaciones pueden estar respaldadas por patrocinadores sólidos, contratos duraderos o activos que conserven valor. Otras pueden depender mucho más de supuestos sobre uso futuro, condiciones de refinanciación y valor del colateral. La diferencia entre una corrección contenida y un problema amplio de estabilidad financiera dependerá de la calidad de la suscripción, la transparencia y el lugar exacto donde terminen alojadas las exposiciones.

Señales de alerta a seguir

Las señales útiles son concretas:

• Capex de IA creciendo más rápido que los ingresos realizados ^[7][8].
• Una proporción mayor del gasto en IA financiada con deuda, no con flujo de caja operativo ^[3].
• Más crédito privado o financiación vía SPV fuera de los mercados públicos de bonos ^[5].
• Crecimiento de titulizaciones, valores respaldados por activos, líneas con garantía de GPU y SPV fuera de balance ^[1][2][7].
• Suscripción basada en ingresos futuros de IA, en vez de flujos contratados o activos duros ^[8].
• Exposición bancaria a inmuebles comerciales de centros de datos y efectos de segunda ronda en préstamos a energía o semiconductores ^[4].
• Mayor uso de financiación de corto plazo o apalancamiento en instituciones financieras no bancarias, donde la opacidad puede amplificar la fragilidad ^[10].

En resumen

La deuda de infraestructura de IA es una candidata creíble a convertirse en el próximo gran punto de estrés del crédito privado. El escenario negativo no es simplemente que se enfríe el entusiasmo por la inteligencia artificial; es que los prestamistas financien infraestructura de larga vida y colateral de cómputo como si la demanda, la monetización y los mercados de refinanciación fueran a acompañar siempre.

La conclusión prudente es preocupación, no certeza. Las fuentes sostienen una tesis clara de riesgo: la inversión en IA se está desplazando hacia la deuda, el crédito privado gana importancia y parte de la financiación ocurre mediante estructuras opacas vinculadas a ingresos futuros inciertos ^[2][3][5][8]. Que eso termine en una repricing contenida o en un shock financiero más amplio dependerá del apalancamiento, la transparencia y la resistencia real de los flujos de caja subyacentes.