Nunca habíamos construido tan rápido
Diario de Innovación #366
Hay algo curioso sobre vivir dentro de un momento histórico.
Casi nunca sabes que estás dentro de uno.
Para quienes vivieron el despliegue del ferrocarril probablemente aquello parecían obras interminables, especulación y dinero quemándose en vías.
Para quienes vivieron la electrificación serían postes, zanjas y facturas imposibles.
Para quienes vivieron internet… servidores, cableado y páginas que tardaban treinta segundos en cargar.
Nosotros vemos centros de datos.
Hace unos días me encontré una serie de gráficas construidas y difundidas por Fin Moorhouse.
Estas gráficas me obligaron a parar por un momento.
Porque mostraban algo que, una vez lo ves, cuesta dejar de pensar.
El dato que aparece repetido en titulares es conocido: 930.000 millones de dólares.
Ese es el CAPEX acumulado estimado en infraestructura de centros de datos entre 2020 y 2026. La culpa la tienen gigantes como: Amazon, Microsoft, Google, Meta y Oracle.
Casi un billón de dólares levantando edificios, desplegando fibra, conectando energía y llenando salas enteras de chips (“GPUs”).
Y claro.
La reacción inmediata es pensar: “Esto es una burbuja”, “esto no puede sostenerse” o “jamás se ha construido algo así”.
Pero las gráficas plantean una pregunta mucho más interesante.
¿Comparado con qué?
Porque cuando dejas de mirar el número absoluto y empiezas a mirar la historia… la imagen cambia.
Y mucho.
El despliegue ferroviario estadounidense consumió durante décadas porcentajes del PIB que hoy parecen imposibles.
Las autopistas interestatales redibujaron el país entero.
El Plan Marshall movilizó cantidades enormes en un periodo brevísimo.
El programa Apolo convirtió una ambición tecnológica en infraestructura nacional.
Y cuando comparas el despliegue actual de centros de datos con esos proyectos, ocurre algo inesperado.
No parece tan grande.
Medido como porcentaje acumulado del PIB:
La diferencia no está en el tamaño de la inversión. Está en la velocidad del despliegue.
La primera conclusión es incómoda.
Quizá no estamos viendo la mayor inversión de infraestructura de la historia.
Pero quizá sí estamos viendo algo diferente. Es sin duda alguna, la más rápida.
Porque el detalle importante no está en el eje vertical.
Está en el horizontal.
Y ahí cambia completamente la conversación. Porque el tamaño rara vez rompe sistemas.
La aceleración sí.
Los humanos entendemos bastante bien el crecimiento lineal. Estamos acostumbrados a que las cosas lleguen poco a poco.
Primero una fábrica.
Luego una ciudad.
Después una red.
Finalmente una economía entera reorganizada alrededor de ella.
Pero cuando comprimes décadas de construcción en unos pocos ciclos presupuestarios, nuestra intuición empieza a fallar.
No porque el resultado sea imposible.
Sino porque nuestros marcos mentales siguen siendo industriales mientras el despliegue actual empieza a manejar otras reglas.
Por eso quizá el debate sobre si hay o no una burbuja está mirando el indicador equivocado.
No porque el riesgo no exista.
Existe.
Siempre ha existido.
Los ferrocarriles quebraron inversores antes de cambiar el mundo. Muchas compañías desaparecieron. Las vías se quedaron.
Pero aquí la pregunta relevante quizá no sea: ¿hay demasiado gasto?
Sino: ¿puede la economía absorber tanto cambio en tan poco tiempo?
Porque una economía puede digerir inversiones enormes. Lo que históricamente le cuesta más es digerir velocidad.
Y quizá ahí está la verdadera apuesta.
No en si la IA funciona.
No en si habrá retorno.
Sino en si somos capaces de construir nuevos usos, nuevos procesos, nuevos modelos de negocio y nuevas formas de trabajar tan rápido como estamos levantando la infraestructura que los hará posibles.
Hay una posibilidad incómoda.
Que dentro de unas décadas miremos atrás y descubramos que 2020–2030 no fue la década en la que apareció una tecnología.
Fue la década en la que empezamos a construir una nueva capa de infraestructura.
Y que mientras discutíamos sobre modelos, benchmarks, múltiplos o quién iba ganando, lo importante estaba ocurriendo debajo.
En silencio.
Entre transformadores.
Hormigón.
Fibra.
Megavatios.
Y centros de datos.
Porque las grandes transformaciones históricas rara vez anuncian que han empezado. Normalmente parecen exceso. Hasta que dejan de parecerlo.
🌍 El eco del mercado
🧠 Microsoft deja de alquilar inteligencia y empieza a fabricar su propia cadena de valor. Los nuevos modelos MAI no son solo una familia más de IA. Detrás aparece una apuesta integrada: modelos propios, chips propios, ajuste fino empresarial y agentes controlados por cada organización. Más que competir por benchmarks, Microsoft empieza a competir por capturar toda la economía de despliegue.
⚙️ El verdadero movimiento está en que el modelo ya no es el producto. Con Frontier Tuning, Microsoft propone algo distinto: convertir modelos fundacionales en activos privados de empresa. Tu modelo. Tus datos. Tus agentes. Tu ventaja.
🏭 La siguiente guerra de IA podría decidirse fuera del laboratorio. Cuando Microsoft habla de mejor rendimiento por dólar y por vatio sobre MAIA 200 frente a GPU generalistas, deja una señal incómoda para el mercado: quizá el moat futuro no esté en entrenar mejor, sino en controlar silicio, inferencia y coste operativo.
Te los reformateo con el patrón del Eco del Mercado: una idea fuerte, una lectura implícita y cierre estratégico integrado. Más cortos, más editoriales, menos explicativos.
🧠 La siguiente interfaz ya no quiere abrir aplicaciones. Si los agentes empiezan a entender intención, contexto y objetivos, quizá la unidad básica de interacción deje de ser la app. El móvil empieza a organizarse menos alrededor de iconos y más alrededor de acciones.
⚙️ OpenAI quiere que el trabajo ocurra dentro del agente. Codex empieza a parecer menos una herramienta y más un entorno operativo. Sitios, edición contextual y flujos especializados apuntan a un mismo lugar: capturar el trabajo antes que el software.
🛡️ Los agentes ya empiezan a necesitar su propio sistema inmunitario. Mientras todos compiten por hacer agentes más capaces, aparece una nueva capa de infraestructura pensada para observar, contener y limitar sistemas autónomos. Igual que llegaron contenedores, observabilidad o DevSecOps, empieza a emerger una disciplina para controlar sistemas que actúan.
💻 La economía del token empieza a tener competencia. Ejecutar modelos grandes en local deja de parecer una excentricidad y empieza a convertirse en una alternativa económica real. Más que edge AI, empieza una batalla por decidir dónde vive el margen.
📈 NVIDIA ya no vende aceleradores: vende capacidad de crecimiento. Tener chips deja de ser suficiente. La nueva restricción aparece en energía, memoria, ensamblaje y despliegue. La cadena industrial empieza a comportarse como un producto.
⚖️ Estados Unidos empieza a regular sin querer frenar. La supervisión de modelos avanza, pero evitando bloquear el ritmo de innovación. Empieza a aparecer un patrón: menos prohibición, más visibilidad y capacidad de intervención.
🧪 La evaluación se convierte en infraestructura. Entrenar modelos ya no basta. Empiezan a aparecer herramientas para validar comportamiento, detectar regresiones y convertir la calidad en una capacidad operativa.
🌐 La IA híbrida empieza a parecer inevitable. Parte del cálculo vuelve al dispositivo y parte permanece en la nube. Más que monocloud o multimodelo, el futuro empieza a parecer distribuido.
🔬 La computación busca nuevos sustratos. Mezclar biología y silicio todavía parece experimental, pero recuerda algo importante: el futuro del cómputo quizá no sea simplemente fabricar GPU más grandes.
🛰️ China deja claro que ya no quiere importar toda su inteligencia. Modelos locales (como DeepSeek) sobre chips locales empiezan a parecer menos una demostración tecnológica y más una estrategia industrial completa.
🛠️ Windows deja de competir con Linux y empieza a absorberlo. Cuando una plataforma madura deja de proteger fronteras y empieza a integrar herramientas externas, normalmente no está perdiendo terreno: está ampliando su perímetro.
🏗️ Sigue el culebrón Mhytos, Antrophic amplia el acceso el modelo a más empresas e instituciones. La infraestructura crítica encuentra una nueva categoría de software. Empiezan a aparecer sistemas diseñados específicamente para detectar fallos, anticipar riesgos y operar entornos sensibles. Más que asistentes, empiezan a parecer operadores.
🔐 La ciberseguridad empieza a asumir que los atacantes también usan agentes. Los pentests tradicionales empiezan a quedarse cortos frente a sistemas autónomos. Defender empieza a requerir automatización contra automatización.
⚡ La fusión vuelve silenciosamente al radar del capital. Todavía no hay producción, pero sí una narrativa nueva: asegurar energía suficiente para sostener una economía basada en computación masiva.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD: Si te interesa mirar el presente con ojos históricos, te recomiendo The Victorian Internet, de Tom Standage. Es sorprendente descubrir cuánto se parece el telégrafo a muchas conversaciones actuales sobre IA.
PD2: Scale, de Geoffrey West, tiene una idea fascinante: tamaño y velocidad no son la misma variable. Y quizá llevamos demasiado tiempo mirando solo una de ellas.
PD3: Si este tema te ha resonado, te recomiendo Americana, de Bhu Srinivasan. Es uno de esos libros que te obligan a mirar la historia económica con otros ojos: ferrocarriles, petróleo, automóvil, telecomunicaciones, Silicon Valley… y una idea incómoda de fondo.
Las grandes transformaciones rara vez parecen inevitables mientras están ocurriendo. Normalmente parecen exceso, especulación o una moda pasajera.