El desarrollo de la inteligencia artificial enfrentará mayores costos en 2026. La falta de chips y centros de datos complicará su adopción.
El uso y desarrollo de la inteligencia artificial se encamina a 2026 con un escenario de fuerte crecimiento tecnológico, pero también con mayores costos, cuellos de botella estructurales y riesgos que podrían encarecer de forma significativa su adopción. De acuerdo a Moody’s Ratings, en su reporte Inteligencia artificial – Global: Perspectiva 2026, la escasez de chips avanzados, la presión sobre los centros de datos y la fragmentación geopolítica están elevando el precio de operar con IA en todo el mundo.
Según la agencia calificadora, aunque los modelos de IA continúan mejorando a gran velocidad y las aplicaciones empresariales se multiplican, el actual ciclo de inversión enfrenta tensiones crecientes. El precio de operar la IA en el 2026 se verá elevado por diferentes factores. La demanda de capacidad de cómputo supera ampliamente la oferta disponible, los costos energéticos aumentan y la productividad derivada de la IA aún no compensa el volumen de capital invertido, lo que anticipa un uso más caro y selectivo de estas tecnologías a partir del próximo año.
El informe destaca que las capacidades de la IA siguen progresando con rapidez, especialmente en modelos multimodales y sistemas con funciones agénticas, capaces de ejecutar tareas complejas de manera autónoma. Entre los lanzamientos recientes se mencionan GPT-5 de OpenAI, Claude 4 y Sonnet 4.5 de Anthropic, y Gemini 3 de Google DeepMind, todos con mejoras en razonamiento, uso de herramientas externas y reducción de errores.
A la par, los modelos de código abierto están acortando distancias con las soluciones propietarias. Propuestas como Qwen 3 de Alibaba, ERNIE de Baidu, Hunyuan de Tencent o DeepSeek V3-2 muestran rendimientos competitivos, mientras que fuera de China destacan alternativas abiertas como Llama de Meta o los modelos de Mistral. Esta competencia, advierte Moody’s, presiona los márgenes de las empresas que desarrollan modelos cerrados y dificulta la monetización directa, empujando a estrategias basadas en soluciones integrales y servicios empresariales.
Las empresas están pasando de la experimentación a la implementación real de la IA, especialmente en atención al cliente, análisis de datos y automatización documental. Sin embargo, los beneficios en productividad siguen siendo limitados y muy desiguales entre sectores. La modernización de infraestructuras, la necesidad de rediseñar procesos completos y los altos costos de integración frenan el impacto esperado.
El principal factor que encarecerá la IA en 2026 es la infraestructura. Los grandes proveedores de nube impulsan centros de datos de entre 1 y 5 gigavatios, con costos que pueden alcanzar los 50.000 millones de dólares por proyecto. Aun así, la demanda de computación seguirá superando a la oferta al menos hasta 2027 o 2028, elevando los precios del acceso a recursos premium y obligando a contratos de largo plazo con pagos anticipados.
La escasez de chips avanzados continúa siendo un factor crítico. Nvidia mantiene una posición dominante en GPUs para entrenamiento de modelos, con poder de fijación de precios reforzado por la alta demanda.
Fuente: infobae (Ver original)