La apuesta billonaria de la IA: El caso optimista de Goldman Sachs y los riesgos ocultos de la deuda

¿Por qué Goldman cree que el consenso se queda corto?

El argumento central de Goldman Sachs es que las estimaciones actuales de Wall Street implican una desaceleración del gasto que resulta poco realista. El consenso para el capex de los hiperescaladores en 2027 se sitúa en torno a los 920.000 millones de dólares, lo que representaría una brusca desaceleración desde el ritmo vertiginoso de 2025 y 2026 . Goldman cuestiona esta suposición modelando un escenario en el que la inversión en IA continúa absorbiendo entre el 2% y el 3% del PIB, lo que elevaría el gasto anual hacia una línea base de 1,1 billones de dólares, y hasta 1,4 billones en el escenario más favorable .

Detrás del modelo está la apuesta por la IA agéntica. A diferencia de los 'chatbots' simples, los agentes de IA operan de forma continua: ejecutan tareas de varios pasos, realizan llamadas a interfaces de programación (API) y razonan a través de extensas cadenas de pensamiento. Goldman espera que este comportamiento "siempre activo" impulse el mencionado aumento de 24 veces en el consumo de 'tokens' para 2030 . Dado que cada interacción de un agente consume radicalmente más cómputo, y que las empresas están empezando a desplegarlos a gran escala, la trayectoria de la demanda no se parece en nada a las curvas de crecimiento lineal en las que se basan los modelos de consenso.

Los verdaderos cuellos de botella: energía, mano de obra y límites físicos

Goldman Sachs es inusualmente directo sobre dónde están los límites reales. En su informe sobre cómo alimentar la era de la IA, el banco afirma sin rodeos: “la falta de capital no es el cuello de botella más acuciante, es la energía necesaria para alimentarlo” . Tras una década de demanda eléctrica plana, se proyecta que el consumo energético de los centros de datos a nivel global se dispare un 160% para 2030 . Solo Estados Unidos se enfrenta a un déficit de energía estimado en 45 gigavatios para centros de datos para 2028, lo que requeriría 72 gigavatios de nueva capacidad hasta 2030, el equivalente a unas 72 grandes centrales nucleares .

La red eléctrica actual no se diseñó para este futuro. Los plazos de transmisión y obtención de permisos para nuevas plantas de gas natural son de cinco a siete años; la eólica y la solar solo proporcionan un suministro intermitente a día de hoy, y la nuclear es una solución a más largo plazo . Las nuevas turbinas de combustión de gas, la columna vertebral de la generación de energía fiable, están prácticamente agotadas hasta 2030 .

La mano de obra podría ser la restricción más difícil de todas. Goldman calcula que se necesitarán aproximadamente 760.000 electricistas, linieros y otros trabajadores cualificados adicionales para construir la infraestructura física que la IA demanda. De ellos, 207.000 son puestos especializados que requieren entre tres y cuatro años de formación . Estos no son trabajos que Silicon Valley pueda automatizar o deslocalizar: requieren personas sobre el terreno, y la escasez significa que los plazos de los proyectos se alargan con cada gigavatio de nueva demanda .

El influyente informe del banco, "Rastreando Billones", introduce el concepto de "riesgo de elongación": las colas de espera para la interconexión eléctrica, los retrasos en los permisos y la escasez de equipos críticos como transformadores y aparamenta eléctrica pueden extender los plazos de construcción mucho más allá de los planes iniciales. En escenarios de tensión, estos retrasos retroalimentan la duda sobre la demanda, creando un ciclo que se refuerza a sí mismo: los proyectos tardan más y el argumento para construir más se debilita . Aun así, la estimación de referencia de Goldman prevé aproximadamente 7,6 billones de dólares en gasto de capital acumulado en IA entre 2026 y 2031 .

Las proyecciones de Morgan Stanley frente a las de Goldman

Las proyecciones de Morgan Stanley también han sufrido una revisión al alza espectacular. Hace un año, la firma estimaba un capex combinado de los hiperescaladores de unos 450.000 millones de dólares tanto para 2026 como para 2027. Tras los resultados del primer trimestre de 2026, los analistas liderados por Brian Nowak elevaron esas cifras a aproximadamente 800.000 millones para 2026 y 1,2 billones para 2027 .

Morgan Stanley prevé ahora 1,16 billones de dólares en capex de hiperescaladores para 2027, una cifra que supera la línea base de Goldman de 1,1 billones, pero se queda por debajo de su límite superior de 1,4 billones . Hasta 2028, Morgan Stanley espera 2,9 billones de dólares en gasto de capital global en centros de datos. De esta cantidad, 1,4 billones se financiarían con los flujos de caja de los hiperescaladores, lo que deja un déficit de financiación de 1,5 billones que debe cubrirse con deuda, arrendamientos y empresas conjuntas .

Ambos bancos coinciden en que los ratios de capex sobre ventas han entrado en terreno desconocido. Morgan Stanley proyecta ratios del 34% al 39% entre 2026 y 2028, superando el pico de aproximadamente el 32% registrado durante la era de las puntocom. Al ajustar por arrendamientos, los ratios podrían escalar hasta el 44% o 45% .

El libro contable en la sombra: arrendamientos fuera de balance y deuda estructurada

Por debajo de las cifras de gasto más llamativas subyace una capa más preocupante de ingeniería financiera. Moody's Ratings ha estimado que los cinco mayores hiperescaladores estadounidenses —Amazon, Meta, Alphabet, Microsoft y Oracle— acumuran 662.000 millones de dólares en compromisos futuros de arrendamiento de centros de datos cuyas obras ni siquiera han comenzado . Según los Principios de Contabilidad Generalmente Aceptados (GAAP, por sus siglas en inglés), estas obligaciones no figuran como pasivos corrientes porque los servicios aún no se han prestado. Permanecen fuera del balance, visibles principalmente en las notas a pie de página de los informes financieros .

Cuando se suman todos los compromisos de arrendamiento futuros no descontados, la cifra alcanza los 969.000 millones de dólares, lo que equivale aproximadamente al 113% de la deuda ajustada combinada de estas cinco empresas . A medida que estos arrendamientos se activen en los próximos años, comenzarán a reflejarse en las cuentas de resultados como gastos operativos, lo que podría comprimir el flujo de caja libre y limitar la capacidad para ejecutar los programas de recompra de acciones de los que los inversores han dependido durante tanto tiempo .

Una preocupación paralela es el uso creciente de vehículos de propósito especial (SPV, por sus siglas en inglés) para financiar la infraestructura de IA. Los gigantes tecnológicos han estructurado más de 120.000 millones de dólares en deuda para centros de datos a través de SPV aislados de la quiebra que se sitúan fuera de los balances consolidados . Morgan Stanley proyecta que este mecanismo de financiación fuera de balance podría alcanzar los 800.000 millones de dólares para 2028 . Estos vehículos suelen operar con colchones de capital muy reducidos (del 8% al 10%), dependen de garantías colaterales como las GPU —que se deprecian rápidamente— e implican plazos de arrendamiento tan cortos como de cuatro años, frente a los diez o más años tradicionales .

La advertencia de Oracle y el aumento de los diferenciales de crédito

Oracle se ha convertido en un caso de estudio sobre la rapidez con la que pueden desmoronarse los supuestos de financiación de la IA. A finales de 2025, la empresa rompió su acuerdo con Blue Owl Capital para la financiación de un centro de datos en Michigan, lo que expuso la fragilidad del modelo fuera de balance. Oracle arrastra una deuda de 124.000 millones de dólares y compromisos de arrendamiento por valor de 248.000 millones, y la respuesta del mercado fue fulminante: el crédito se revalorizó “con una velocidad brutal”, incluso para un emisor con grado de inversión .

El Banco de Pagos Internacionales (BPI) ha observado que los diferenciales de los seguros de impago de deuda (CDS, por sus siglas en inglés) para los hiperescaladores con calificaciones crediticias más bajas ya han aumentado, reflejando tanto el enorme volumen de emisión de deuda como la creciente incertidumbre sobre si los proyectos de IA generarán los retornos adecuados . El Consejo de Supervisión de la Estabilidad Financiera (FSOC) de EE. UU. y el Banco de Inglaterra han señalado explícitamente la acumulación de deuda de infraestructura de IA fuera de balance como una potencial vulnerabilidad sistémica .

El riesgo de concentración agrava el problema. Gran parte de la deuda vinculada a los SPV está ligada a centros de datos de un solo activo o un solo inquilino. Si el inquilino quiebra o la demanda se debilita, la estructura del SPV ofrece un recurso limitado al balance de la empresa matriz, lo que crea el potencial de pérdidas en cascada . PIMCO también ha señalado la naturaleza circular de la financiación de la IA, donde los proveedores, como los fabricantes de GPU, extienden crédito o toman participaciones en los mismos SPV a los que suministran, exponiéndose a riesgos de refinanciación si los mercados de capitales se endurecen .

Un 'boom' con dos narrativas

La expansión de la infraestructura de IA no tiene precedentes en escala y velocidad. Los cinco mayores hiperescaladores están en camino de gastar un total combinado de 755.000 millones de dólares solo en 2026, lo que supone un aumento interanual del 83% . Morgan Stanley señala que esta cifra de 800.000 millones para 2026 equivale aproximadamente a lo que todo el grupo de empresas no tecnológicas del índice S&P 500 gastó en capex el año anterior .

Sin embargo, las estructuras de financiación que hacen esto posible están generando sus propios riesgos. La narrativa alcista descansa sobre un aumento de 24 veces en la demanda de 'tokens' por parte de agentes de IA que aún no se han desplegado a gran escala. El contrapunto bajista, articulado desde el propio Goldman Sachs, es que los retornos hasta la fecha no justifican la inversión . Entre estos dos polos se encuentran las realidades físicas: una red eléctrica que no puede seguir el ritmo, una fuerza laboral cualificada que no existe en número suficiente y un libro contable en la sombra de casi un billón de dólares en obligaciones que pronto vencerán, con consecuencias que van mucho más allá del sector tecnológico.