La sexta perspectiva tecnológica anual de McKinsey, publicada hace unas semanas, en septiembre, comienza con una frase que marca el tono: la historia tecnológica de 2026 ha salido de la pantalla y ha entrado en el mundo físico. El informe analiza catorce tendencias agrupadas en tres familias: la revolución de la IA, las fronteras de la computación y la conectividad, y la ingeniería de vanguardia. Abarcan desde la IA agéntica y la infraestructura de IA hasta los semiconductores, la ciberseguridad, la robótica, el espacio, las ciencias de la vida y la energía.

Solo cuatro de las catorce se refieren formalmente a la IA, pero la IA impulsa la mayoría de las demás, acelerando la robótica, el diseño de chips, la ciberseguridad y el descubrimiento de fármacos. Cinco temas recorren todo el informe: las máquinas están ganando autonomía; la IA está produciendo avances más rápido de lo que las organizaciones pueden asimilarlos; el tiempo disponible para defenderse de los ciberataques se ha reducido drásticamente; el hardware y el software se están diseñando conjuntamente para tareas específicas; y, más claramente que nada, la IA tiene hambre y la red eléctrica no está preparada. Los inversores se han dado cuenta: cinco tendencias van camino de más que duplicar su financiación en 2026.

Cuatro hilos explican hacia dónde se dirige el dinero:

• Infraestructura: la IA ha entrado en la fase de despliegue a escala industrial, y su infraestructura es muy cara. La inversión en renta variable destinada a la infraestructura de IA y al diseño de modelos alcanzó los 145.000 millones de USD en 2025, y después casi 384.000 millones de USD solo en el primer semestre de 2026. El gasto en centros de datos podría acercarse a los 7 billones de USD para 2030, mientras que los procesadores, la memoria de alta velocidad, los transformadores y los ingenieros cualificados escasean. Incluso las empresas más ricas sienten la presión: el gasto de capital trimestral de Alphabet casi se duplicó en un año, hasta los 44.900 millones de USD, y la empresa recaudó aproximadamente 70.000 millones de USD en nuevo capital y deuda en un solo trimestre para pagarlo.
• Gobernanza: a medida que los agentes pasan de asesorar a las personas a actuar en su nombre, la gobernanza se convierte en una disciplina operativa diaria en lugar de un documento de políticas: ¿quién es responsable cuando actúa un agente y cuándo debe detenerse y preguntar a una persona? Ahora también abarca el dinero, además del comportamiento. La IA ya absorbe aproximadamente un tercio de lo que las empresas gastan en nuevas capacidades, y los tokens, las unidades en las que se factura el trabajo de la IA, han pasado de ser un error de redondeo a convertirse en una partida presupuestaria que debe gestionarse.
• Seguridad: la IA ha eliminado la ventaja inicial de la que antes disfrutaban los defensores. Actualmente, más de tres cuartas partes de las vulnerabilidades de software se explotan antes de hacerse públicas, y en muchas organizaciones las credenciales de las máquinas superan a los usuarios humanos en una proporción aproximada de cien a uno.
• Energía: se prevé que la demanda de electricidad en EE. UU. vinculada a la IA aumente de unos 30 gigavatios en 2025 a más de 90 gigavatios en 2030, aproximadamente lo que consume California hoy. Los centros de datos podrían representar el 14 % de la electricidad estadounidense en 2030, frente al 3 % en 2022. En todo el mundo, más de 2.500 gigavatios de proyectos energéticos esperan conexiones a la red, y los transformadores pueden tardar más de dos años en llegar. La potencia informática fiable se está convirtiendo en una ventaja competitiva tan importante como el talento o el capital.

Eso es lo que dice el informe. Lo que sigue es lo que creo que significa.

La IA se ha vuelto inflacionaria

A mediados de septiembre, publiqué un artículo titulado «El coste de pensar», en el que sostenía que la IA se había vuelto silenciosamente inflacionaria: más barata por unidad, pero más cara por tarea. Los precios de los modelos cayeron más de un 99 % durante 2024, desde unos 20 USD por millón de tokens hasta aproximadamente 0,07 USD, y, sin embargo, el gasto de las empresas en IA se triplicó en un solo año. La perspectiva de McKinsey aporta pruebas sustanciales a esa idea. El informe nunca utiliza la palabra inflación, y la conclusión es mía, no de McKinsey. Pero su propio lenguaje apunta en la misma dirección: señala que la adopción a largo plazo podría depender menos de lo que los modelos pueden hacer que de si es posible permitirse ejecutarlos a escala.

El informe describe una tecnología que tira en dos direcciones. A nivel de la tarea, la IA es deflacionaria: una previsión calcula que el coste de ejecutar un modelo muy grande caerá más de un 90 % entre 2025 y 2030. Sin embargo, a nivel del sistema, la IA sigue una cronología macroeconómica clásica. A corto plazo, el enorme gasto de capital en centros de datos, infraestructura energética y hardware es inflacionario: eleva la demanda y los precios de recursos escasos del mundo real. Pero, una vez que esta infraestructura madura y alcanza escala, la inversión pasa de ser un factor de costes inflacionario a una fuerza deflacionaria: las economías de escala reducen los costes marginales, amplían la capacidad productiva general y disminuyen el coste a largo plazo de operar la IA de forma fiable, segura y a escala.

Un escéptico podría llamar a esto crecimiento en lugar de inflación: las empresas gastan más porque utilizan más. Eso es parcialmente cierto, pero no capta el punto. La inflación es el aumento del coste de obtener el mismo resultado, y eso es lo que muestran los datos. Alrededor del 93 % de las empresas afirma superar sus presupuestos de IA y, aunque el 89 % utiliza la IA con regularidad, solo el 37 % asegura que haya tenido algún efecto en sus beneficios. En el software, las herramientas agénticas aumentaron la actividad de programación un 180 %, pero el número de versiones publicadas solo creció un 30 %. En algunos lugares, la palabra ni siquiera es una metáfora: la demanda de los centros de datos de IA ya ha contribuido al aumento de los precios de la electricidad en algunas regiones, un coste que soportan hogares y empresas que nunca han utilizado un agente.

Por qué el sistema cuesta más

La razón es un cambio fundamental en lo que es la IA. Hace dos años, la mayor parte de la IA empresarial era un chatbot: se introducía una pregunta, salía una respuesta y el intercambio terminaba en el borde de la pantalla. Los agentes actuales apenas funcionan en la pantalla. Planifican flujos de trabajo de varios pasos entre bastidores: inician sesión en sistemas, llaman a software externo, leen y escriben en bases de datos y actúan sobre lo que descubren en toda la web abierta.

Cada paso exige una infraestructura que el chatbot nunca necesitó: capacidad de red, credenciales de máquina, controles de gobernanza y electricidad ininterrumpida. En entornos empresariales, un solo flujo de trabajo agéntico ya consume entre 5 y 30 veces más tokens que una consulta a un chatbot, y los tokens son solo la parte visible de la factura.

Un agente es valioso precisamente porque conecta cosas y, a escala, cada conexión conlleva un coste de integración social que no necesariamente disminuye cuando bajan los precios de los tokens. El informe trata la conectividad, la ciberseguridad y la energía no como temas secundarios, sino como condiciones para el progreso que determinarán la rapidez y el lugar en que se extienda la IA. Cualquiera puede comprar inteligencia más barata; nadie puede sortear pagando una espera de dos años para recibir un transformador de red.

Costes que recaen sobre otros

La teoría económica nos dice que todo coste descrito aquí acaba repercutiéndose en el consumidor. La IA es una actividad comercial con ánimo de lucro, y sus proveedores recuperarán su capital. No es una crítica, sino una realidad que ningún líder, regulador o ciudadano debería perder de vista.

La ciberseguridad, por ejemplo, muestra el lado menos evidente de esta inflación: parte del coste recae sobre personas que nunca compraron la IA. Cada credencial de máquina es una puerta, y el riesgo ya no consiste únicamente en que los atacantes utilicen la IA. Ahora, agentes con instrucciones perfectamente ordinarias pueden atravesar esas puertas por sí solos.

Parte de este tráfico es consentido. Por ejemplo, Morgan Stanley está abriendo sus plataformas de administración de acciones a los agentes de sus clientes corporativos, y los agentes en China ya piden bebidas y reservan vuelos para los consumidores. Otra parte no lo es. En junio, un agente de OpenAI accedió sin permiso a un departamento del Gobierno de Nueva Gales del Sur y recuperó datos históricos no públicos sobre incendios forestales, semanas después de que se conociera una brecha similar en un portal federal que albergaba estadísticas de Medicare.

Este tipo de episodios se convertirá en la norma, no en la excepción. Los agentes están empezando a moverse por la sociedad como lo hacen las personas: visitan sitios web, consultan servicios públicos, tratan con empresas y, cada vez más, con otros agentes. Ese alcance los hace útiles, pero también vuelve sistémico el riesgo: toda organización que un agente pueda tocar pasa a formar parte del sistema, haya elegido la IA o no. Los Gobiernos tendrán que proteger sistemas públicos que nunca fueron diseñados para visitantes autónomos; los reguladores, establecer normas claras sobre responsabilidad y notificación de incidentes; las grandes empresas, vigilar sus propios agentes con la misma atención que las amenazas externas; las pequeñas empresas, encontrar defensas asequibles; y los particulares, entender qué pueden hacer sus agentes.

¿Quién paga y durante cuánto tiempo?

Durante todo el tiempo que la sociedad siga pagando los costes de capital de integrar la IA en su estructura. Aunque el precio de las salidas individuales de los modelos seguirá desplomándose a medida que avancen los chips y los modelos más pequeños se ocupen de las tareas rutinarias, los centros de datos, las redes eléctricas, las redes de comunicaciones y las capas de seguridad requieren un elevado gasto de capital. Cada agente de IA que penetra más profundamente en la economía multiplica estas exigencias. La inflación persistirá durante la expansión de la infraestructura, y esa expansión apenas ha comenzado.

Nada de esto convierte a la IA en una mala inversión, ni justifica la vacilación. Las organizaciones que consideren los costes del sistema un motivo para esperar no los evitarán; simplemente los pagarán más adelante, en las condiciones fijadas por competidores que construyeron antes y se adaptaron más rápido. La factura del sistema es el precio de entrada a la próxima era económica. Lo que ha terminado es la ilusión de la IA como un complemento de software barato y autosuficiente.

Siempre esperada, siempre limitada

Prepararse para esto implica actuar en dos frentes, tanto si diriges un departamento gubernamental o una empresa como si simplemente gestionas tu propia vida digital:

• El primero es el coste: la IA debe presupuestarse para el sistema completo, no para el precio de un token. El razonamiento costoso debe reservarse para los trabajos que realmente lo necesiten, y el gasto debe evaluarse por lo que consigue, no por cuánta IA utiliza.
• El segundo es el acceso: todo el mundo debería asumir que los agentes llegarán a sus sistemas, desde una base de datos gubernamental hasta las cuentas en línea de una familia. Esto empieza con una decisión deliberada sobre qué es público, aplicada por los propios sistemas en lugar de dejarla a la buena educación de los visitantes. Los agentes solo deberían acceder a lo que necesite su tarea, con credenciales limitadas y de corta duración, y con una actividad registrada y vigilada. Cada acción debería mostrar posteriormente quién la autorizó, si el agente se mantuvo dentro de sus límites y cómo pasó esa autoridad de un sistema a otro. Los sistemas antiguos que nunca se diseñaron para visitantes automatizados deberían revisarse primero. La ciberseguridad debe reconstruirse sobre un nuevo supuesto: la interacción agéntica siempre se espera y siempre está limitada.

Esto no es puramente defensivo. La seguridad y la gobernanza no son frenos para la IA; son lo que hace posible la velocidad. Quienes establezcan pronto los límites de sus agentes, ya sean empresas, servicios públicos o particulares, podrán confiar en ellos a escala, mientras que otros se quedarán atrapados en revisiones, proyectos piloto o una simple desconfianza. Quienes permitan la entrada segura de agentes externos llegarán a las personas a través de canales que otros todavía no pueden abrir. Como demuestra Morgan Stanley, el acceso, correctamente gobernado, deja de ser una fuente de riesgo y se convierte en una fuente de valor.

Reflexiones finales

En última instancia, concluyo que el impacto inmediato de la IA será casi con toda seguridad inflacionario. Como tecnología transformadora que trasciende sectores a una velocidad sin precedentes, su integración en la sociedad exige un enorme gasto de capital, ya sea impulsado por una convicción directa o por la necesidad de competir. Sin embargo, considero que este elevado coste inicial es el precio de entrada a un cambio generacional. A medida que la IA madure, pasando de ser un proyecto de infraestructura pesada a convertirse en una parte fluida de la vida cotidiana, las economías de escala se impondrán y acabarán transformando las inversiones de capital inflacionarias de hoy en ganancias deflacionarias a largo plazo mañana.