Hay una forma de saber si una tecnología tiene un problema de demanda o de oferta: ver qué pasa cuando la empresa más grande del sector no puede vender todo lo que quiere. En junio de 2026, el Financial Times reveló que Google le había dicho que no a Meta. No por un conflicto de contratos ni por razones estratégicas: simplemente no tenía suficientes máquinas para satisfacer lo que el gigante de las redes sociales estaba dispuesto a pagar.
El episodio, que según CNBC se remonta a marzo de 2026, convirtió un tema que venía gestándose en silencio en un hecho público: la escasez de capacidad de cómputo para inteligencia artificial es tan severa que está racionando el acceso incluso entre las compañías más capitalizadas del mundo.
Por qué Meta dependía de Gemini para moderar su contenido
La relación entre Meta y Google Cloud no es la que cabría esperar entre dos rivales directos en publicidad digital, modelos de IA y herramientas para desarrolladores. Meta había integrado Gemini en flujos de trabajo críticos: detección de fraudes, eliminación de contenido dañino, moderación de publicaciones, chatbots de atención al cliente y tareas de programación. La razón era pragmática: Gemini superaba en rendimiento a los propios modelos Llama de Meta para esas tareas específicas.
Cuando Google informó en marzo que no podría proveer la capacidad adicional solicitada, Meta tuvo que pedir a sus empleados que fueran más cuidadosos con el consumo de tokens, la unidad con la que se mide y se factura el uso de IA. Varios proyectos internos se retrasaron como consecuencia directa del racionamiento, según reportó el Financial Times citando tres fuentes cercanas a la situación. Ni Google ni Meta respondieron a las solicitudes de comentario.
Google Cloud facturó 20.000 millones en un trimestre y aun así no alcanza
La paradoja del racionamiento se vuelve más llamativa cuando se ven los números de Google. En el primer trimestre de 2026, Google Cloud superó por primera vez los 20.000 millones de dólares en ingresos trimestrales, un incremento del 63% respecto al mismo período del año anterior. Al mismo tiempo, el backlog de contratos firmados pero aún no ejecutados casi se duplicó hasta alcanzar los 460.000 millones de dólares.
El propio CEO Sundar Pichai lo reconoció sin rodeos en la presentación de resultados: «Somos conscientes de que estamos limitados por el cómputo en el corto plazo. Como ejemplo, nuestros ingresos de Cloud habrían sido más altos si hubiéramos podido satisfacer esa demanda». La respuesta de Alphabet fue comprometer entre 180.000 y 190.000 millones de dólares en inversión de capital para 2026, el doble de lo que gastó en 2025.
Pero construir infraestructura lleva tiempo, y la demanda no espera. En junio, Google acordó pagar unos 920 millones de dólares al mes a SpaceX para acceder a alrededor de 110.000 GPUs de Nvidia alojadas en centros de datos de xAI, capacidad que la empresa describe como un «puente» para cubrir la demanda de Gemini Enterprise mientras termina de construir su propia infraestructura. Como documenta The Next Web en su análisis del episodio, una empresa que invierte 180.000 millones propios al año y aún así tiene que alquilar casi mil millones mensuales de capacidad ajena es la evidencia más clara de que la brecha entre oferta y demanda de cómputo es estructural, no temporal.
La respuesta de Meta: construir su propio modelo y acelerar su independencia
El racionamiento aceleró una decisión que Meta venía postergando: reducir su dependencia de un proveedor que también es su competidor directo. En abril de 2026, Meta lanzó Muse Spark, su primer modelo propietario de IA de código cerrado, desarrollado internamente por Meta Superintelligence Labs. La compañía afirma que el modelo logra un rendimiento comparable a sus versiones anteriores con aproximadamente diez veces menos cómputo, lo que, si se confirma en uso real, aliviaría parcialmente la presión sobre su consumo de recursos.
Al mismo tiempo, Meta elevó su guía de inversión de capital para 2026 a entre 125.000 y 145.000 millones de dólares, casi el doble de lo que gastó en 2025, y aceleró la construcción de su propia infraestructura de centros de datos, incluyendo contratos de compra de energía solar en Texas por más de un gigavatio. La lección que Zuckerberg está sacando del episodio es la misma que la del resto de la industria: en IA, controlar la infraestructura ya es tan estratégico como controlar los modelos.
La API de Gemini procesó 85.000 millones de solicitudes en enero de 2026 solo, un aumento del 142% en diez meses. Con esa trayectoria, los analistas estiman que la escasez de cómputo persistirá al menos hasta 2027, independientemente de cuánto capital se comprometa: construir centros de datos tarda entre dos y cuatro años, y los plazos de fabricación de chips son aún más largos. La pregunta que está resonando en los consejos directivos de todo el sector ya no es cuánto cuesta la IA, sino quién tiene acceso a ella cuando la oferta no alcanza.
