725.000 Millones en CapEx de IA: el 90% de las Empresas No Ve Ganancia de Productividad
Setecientos veinticinco mil millones de dólares. Ese es el compromiso combinado de CapEx en IA de Microsoft, Google, Meta y Amazon solo en 2026 — un aumento del 77% respecto a los 410.000 millones de 2025. Ahora mantén ese número junto a este otro: según un estudio del National Bureau of Economic Research de febrero de 2026, el 90% de las empresas informa de cero impacto medible de la IA en la productividad. Nuestros analistas han pasado las últimas dos semanas evaluando si este es el ciclo de asignación de capital más imprudente de la historia moderna — o simplemente el capítulo inicial de una historia que tarda una década en completarse.
La Apuesta de 725.000M$: Qué Están Comprando Realmente Microsoft, Google, Meta y Amazon
El cifra principal se desglosa así: Microsoft ha comprometido 190.000 millones de dólares, Google se sitúa en 180.000-190.000 millones, Meta ha guiado 125.000-145.000 millones y Amazon lidera con 200.000 millones. No son aspiraciones vagas — son calendarios contractuales de CapEx que fluirán hacia GPUs, silicon personalizado, fibra, infraestructura de refrigeración e inmuebles para centros de datos.
Para entender qué están comprando realmente, nuestros analistas miraron más allá del agregado. Azure creció un 33% interanual en el Q1 de 2026, con la IA contribuyendo 16 puntos porcentuales de ese crecimiento. Google Cloud alcanzó 20.000 millones en el Q1 — un 63% interanual. AWS informó de 37.590 millones en el mismo trimestre, creciendo un 28% interanual, su ritmo trimestral más rápido en 15 trimestres. No son vientos de cola teóricos de la IA. Los clientes empresariales están ejecutando cargas de trabajo de IA en producción, y la infraestructura cloud que soporta esas cargas es la primera capa de monetización.
Lo que se está comprando a escala es opcionalidad y posición estructural. Los 190.000 millones de Microsoft le compran una asignación prioritaria continua de GPUs de NVIDIA, capacidad Azure ampliada en regiones desatendidas y la infraestructura física para atender el tráfico de inferencia de OpenAI a medida que se compone. El gasto de Google compra el despliegue de TPU 8 a escala — silicon propietario que elimina el poder de precios de NVIDIA de su propia pila. Los 125.000-145.000 millones de Meta financian tanto el entrenamiento de modelos Llama como su MTIA (Meta Training and Inference Accelerator) en despliegues de 500 unidades, una cobertura a largo plazo contra la dependencia de chips de terceros. Los 200.000 millones de Amazon son los más amplios: centros de datos AWS, chips personalizados Trainium 2 e infraestructura terrestre de satélites a través del Proyecto Kuiper.
Hay una segunda capa que el mercado infravalora: la energía. El equipo evaluó que existe un déficit de 7 gigavatios en la capacidad planificada de centros de datos en EEUU para 2026, y el 30-50% de la capacidad planificada se ha trasladado a plazos de entrega de 2028. No es una restricción especulativa — es física. Las empresas que comprometen 725.000 millones no están solo comprando cómputo; están comprando posición en cola en una cadena de suministro restringida.
El contexto total es aún mayor: Gartner estima que el gasto global en IA en software, servicios e infraestructura alcanzará los 2,52 billones en 2026. El CapEx de los hyperscalers de 725.000 millones es la columna vertebral de ese número.
La Paradoja de Productividad del NBER: 90% de Impacto Cero y Por Qué Ese Número Es Engañoso
El hallazgo del NBER de febrero de 2026 es real y merece atención: en una amplia encuesta de empresas, el 90% informa de cero impacto medible de la IA en la productividad. Para los inversores que compraron la narrativa de la IA esperando una transformación de beneficios a corto plazo en toda la economía, este número es un jarro de agua fría.
Pero nuestros analistas observan que el número del NBER se está malinterpretando en ambas direcciones. La lectura correcta es más matizada, y la historia ofrece un marco preciso para ello.
Cuando la electricidad llegó a escala a las plantas de fabricación estadounidenses en la década de 1880, las empresas comenzaron a comprar motores y generadores de inmediato. La productividad no siguió de inmediato. Durante dos décadas, las fábricas siguieron organizándose alrededor del modelo de distribución de energía de árbol central y correa diseñado para el agua y el vapor — solo con un motor eléctrico en el centro en lugar de uno de vapor. La transformación solo se materializó cuando las fábricas se reconstruyeron desde cero en torno a la nueva tecnología. El retraso de productividad de la adopción de la electricidad corrió aproximadamente 10-20 años después de la adopción.
Internet ofrece una analogía más ajustada. De 1993 a 1999, las empresas estadounidenses invirtieron agresivamente en infraestructura de Internet. El crash de las puntocom de 2000-2002 fue real y doloroso. Pero las empresas que sobrevivieron — Amazon, Google, más tarde Salesforce — construyeron la infraestructura que generó las ganancias de productividad reales de los años 2000 y 2010.
La IA sigue la misma curva. El hallazgo del 90% de productividad cero refleja empresas que han desplegado chatbots, copilotos internos o automatización básica — pero no han reconstruido aún sus procesos en torno a las capacidades reales de la IA. Una firma legal que da a sus asociados acceso a una herramienta de resumen de documentos pero mantiene idéntico su modelo de facturación, flujo de revisión y estructura de apalancamiento de socios no ha cambiado su productividad; ha comprado un motor de búsqueda caro.
La visión de nuestros analistas: el número del 90% parecerá muy diferente en 2028. Las empresas en el 10% hoy — los adoptantes tempranos que han reorganizado flujos de trabajo, no solo añadido herramientas — están construyendo fosos competitivos duraderos. Para los inversores, la implicación es clara: la productividad de la IA no es una historia de 2026 a nivel macro. Es una historia de 2027-2030.
NVDA, el Shock de Exportación H20 y Cómo Posicionarse en el Ciclo de CapEx de IA
Ninguna empresa está más cerca del centro de este ciclo que NVIDIA. Los ingresos del centro de datos en el Q1 del año fiscal 2026 alcanzaron los 39.100 millones de dólares, un 73% interanual. Gaming alcanzó un récord de 3.800 millones. Pero el shock de controles de exportación H20 introdujo un riesgo material que no existía hace tres trimestres.
Los chips H20 — el producto de NVIDIA compatible con las exportaciones diseñado específicamente para el mercado chino — están ahora sujetos a restricciones del Departamento de Comercio de EEUU. El impacto financiero es directo: NVIDIA guió un cargo de 8.000 millones en el Q2 relacionado con el inventario H20 y compromisos con clientes que no pueden cumplirse.
Nuestros analistas ven tres conclusiones de posicionamiento en esto.
Primero, NVDA sigue siendo la posición dominante en infraestructura IA — pero el perfil de riesgo ha cambiado. El shock H20 es una materialización del riesgo regulatorio, no una señal de demanda. La demanda de los hyperscalers de EEUU para Blackwell y arquitecturas de próxima generación no está deteriorada. El cargo del Q2 es real; la curva de demanda a largo plazo no lo está.
Segundo, el silicon personalizado es el desafío estructural emergente a NVDA que justifica una cobertura de cartera. El TPU 8 de Google, el MTIA de Meta en despliegue de 500 unidades y el acuerdo de suministro de 60.000 millones de dólares recientemente anunciado por AMD con Meta representan un desplazamiento coherente. Los hyperscalers no están abandonando NVIDIA — están construyendo alternativas personalizadas para cargas de trabajo de inferencia donde el poder de precios de NVIDIA es más alto.
Tercero, el riesgo de concentración en las acciones de IA es el factor sistémico que más inversores están infravalorando. Las seis principales acciones con exposición a IA representan actualmente aproximadamente el 30% del peso del S&P 500. Este nivel de concentración es históricamente anómalo. Los inversores indexados al S&P 500 ya han hecho una gran apuesta en IA lo reconozcan o no.
Nuestra tesis de posicionamiento para el Q2 y Q3 de 2026: mantener exposición central a NVDA y hyperscalers ya que el ciclo de infraestructura tiene años por delante. Añadir exposición selectiva a infraestructura energética — utilities con exposición a centros de datos y fabricantes de equipos de transmisión — donde la restricción de 7 GW de capacidad crea una señal de demanda duradera. Vigilar AMD como el beneficiario más creíble a corto plazo de los contratos de silicon personalizado.
Los 725.000 millones no son un error. Son una apuesta a que el momento de la electricidad para la IA llega — y que las empresas que poseen la red cuando llegue cobrarán los retornos. La brecha de productividad del 90% no es evidencia contra esa apuesta. Es evidencia de que aún estamos en la fase temprana de un ciclo de adopción que la historia nos dice que tarda una década en completarse.