ChatGPT alcanzó recientemente 1.000 millones de usuarios mensuales en aplicaciones, según la fuente, un dato que ilustra la velocidad con la que puede escalar la demanda por inteligencia artificial. Pero el relato de la expansión tecnológica tiene un freno menos visible: la infraestructura física que debe acompañarla.
La pieza central no son solo los modelos ni los chips. También están los bastidores, gabinetes, sistemas de distribución eléctrica, equipos de enfriamiento, estructuras de contención, gestión de cables y otros ensamblajes mecánicos. Esos componentes pueden definir qué tan rápido entra en operación nueva capacidad.
Rush LaSelle, CEO de Fathom Manufacturing, sostiene que la demanda de IA puede crecer al ritmo del software, pero la infraestructura física no. Esa diferencia abre un problema para los hyperscalers: el capital comprometido no se convierte automáticamente en capacidad operativa.
Bank of America Global Research prevé que el gasto de capital relacionado con IA por parte de hyperscalers podría acercarse a 800.000 millones de dólares en 2026 y superar 1 billón de dólares en 2027. Goldman Sachs Research estima que la demanda mundial de energía para centros de datos subirá de aproximadamente 62 gigavatios a 92 gigavatios para 2027, con la IA absorbiendo una porción creciente.
El fondo del asunto es industrial. Las cadenas de suministro mecánicas fueron diseñadas en torno a lanzamientos relativamente previsibles. Ahora deben adaptarse a cambios de ingeniería más frecuentes mientras la producción ya está en marcha. Según LaSelle, eso obliga a atravesar etapas como diseño, prototipo, NPI y producción sin perder velocidad.
La manufactura a gran escala funciona mejor cuando el diseño ya se estabilizó. En la infraestructura de IA eso todavía no ocurre. Por eso los OEM y los proveedores tienen que gestionar más modificaciones técnicas, más validación y más coordinación en paralelo.
La presión también alcanza a la fuerza laboral. The Manufacturing Institute y Deloitte estiman que la manufactura estadounidense podría necesitar hasta 3,8 millones de empleados adicionales entre 2024 y 2033, con hasta 1,9 millones de puestos potencialmente vacantes. Para sostener el despliegue de IA harán falta maquinistas, soldadores, programadores, ingenieros y especialistas en cadena de suministro.
Para los inversionistas, el mensaje es claro: no basta con mirar la exposición al crecimiento de los centros de datos. También importa si las operaciones manufactureras pueden seguir el ritmo de una expansión más compleja y rápida.
El mercado ya votó con dinero. Pero ese dinero necesita fábricas, inspección, documentación, relaciones con proveedores y una fuerza laboral capaz de convertir diseños en equipos desplegables. Sin esa base, la capitalización se queda a mitad de camino entre la promesa digital y la capacidad real.
Para la economía, la señal es incómoda y útil a la vez. La inteligencia artificial no vive solo en la nube: vive en acero, cableado, refrigeración y mano de obra calificada. Cuando el flujo de inversión choca con límites físicos, el retorno depende menos del entusiasmo y más de la productividad industrial. Capital busca reglas claras, pero también cadenas de suministro que funcionen.
