Una semana negra para la deuda del neocloud más visible de la IA
CoreWeave, el proveedor de computación en la nube especializado en GPU que se convirtió en uno de los símbolos del auge de la inteligencia artificial, atraviesa la semana más tensa de su historia en los mercados de deuda. Entre el 4 y el 6 de noviembre de 2026, sus bonos marcaron nuevos mínimos, el rendimiento de su deuda superó el 16% y el costo de asegurarse contra un posible incumplimiento de la compañía escaló a niveles que superan el pico registrado en octubre. Sus notas con vencimiento en 2031 llegaron a negociarse a 79,5 centavos por cada dólar de valor nominal, una cotización que el mercado reserva para emisores a los que percibe con un riesgo elevado.
La presión no surge de un evento único. Se combinan una carga de deuda de unos 35.000 millones de dólares, un calendario de vencimientos exigente en el corto plazo, un sector que ha recurrido de forma masiva a los mercados de capital para financiar la construcción de centros de datos y, como detonante más reciente, un giro político: en las elecciones de medio término del 3 de noviembre, varios candidatos demócratas que han defendido frenar la construcción de data centers ganaron gubernaturas, incluida la de Texas, un estado donde CoreWeave opera instalaciones.
Conviene subrayar desde el inicio lo que no ha ocurrido. La compañía no ha incumplido pagos, no ha anunciado una reestructuración y no hay, a la fecha de esta nota, resultados del tercer trimestre confirmados que cambien el panorama. Lo que existe es una señal de estrés crediticio: inversores que exigen mucho más rendimiento para prestarle dinero y que pagan primas elevadas para cubrirse. Para el público técnico, y en especial para los equipos que dependen de capacidad GPU alquilada, entender esa señal es más útil que dramatizarla.
Qué es un neocloud y por qué CoreWeave se volvió el ejemplo de referencia
El término neocloud se popularizó para describir a una nueva generación de proveedores de infraestructura que no compiten con los grandes hiperescaladores en todo el catálogo de servicios, sino en un nicho muy concreto: alquilar acceso a clústeres de GPU de alto rendimiento para entrenar e inferir modelos de inteligencia artificial. Mientras una nube generalista ofrece cientos de productos, desde bases de datos gestionadas hasta colas de mensajes, un neocloud concentra su propuesta en el hardware acelerado, la red de baja latencia entre nodos y el software de orquestación que permite exprimir esos equipos.
CoreWeave encarna ese modelo. Su negocio consiste en comprar grandes volúmenes de aceleradores, desplegarlos en centros de datos con suministro eléctrico y refrigeración adecuados, y alquilarlos a clientes que necesitan potencia de cálculo de forma intensiva, normalmente mediante contratos plurianuales. La lógica es sencilla de enunciar y difícil de ejecutar: si la demanda de cómputo para IA sigue creciendo y los contratos están firmados, los ingresos futuros permiten pagar el hardware comprado hoy.
Esa promesa explica por qué la compañía se convirtió en un termómetro del sector. Cada vez que el mercado discute si el gasto en infraestructura de IA es sostenible, CoreWeave aparece en la conversación, porque su balance refleja de forma directa la apuesta: activos físicos costosos, financiados en gran medida con deuda, cuyo valor depende de que la demanda se mantenga durante años.
Cómo se financia la infraestructura de inteligencia artificial
Para entender la tensión actual hay que mirar la mecánica financiera detrás de cada clúster. Una GPU de última generación es un activo caro, con una vida útil económica limitada porque cada nueva generación de chips reduce el valor relativo de la anterior. Montar un centro de datos para IA exige, además, terrenos, conexión eléctrica de alta capacidad, sistemas de refrigeración y redes especializadas. El desembolso inicial es enorme y los ingresos llegan de manera escalonada a lo largo de los contratos. Para entender por qué el hardware se ha convertido en un activo estratégico, el libro Chip War, de Chris Miller reconstruye la historia de la industria de los semiconductores.
Las empresas del sector han recurrido a varias fórmulas para cerrar esa brecha. La primera es la deuda corporativa tradicional, en forma de bonos emitidos en el mercado. La segunda son los préstamos respaldados por activos, en los que el propio hardware o los contratos con clientes sirven como garantía. La tercera son los arrendamientos, tanto de equipos como de instalaciones, que permiten usar un activo sin comprarlo a cambio de pagos periódicos. Y la cuarta es el capital: emitir acciones nuevas o instrumentos híbridos como los convertibles obligatorios, que con el tiempo se transforman en acciones.
Este último canal ha tenido un volumen extraordinario. Según datos de mercado, en lo que va de 2026 las tecnológicas, los fabricantes de chips y los proveedores de nube para IA han vendido o colocado más de 300.000 millones de dólares en acciones nuevas y convertibles obligatorios. La cifra ilustra la magnitud del apetito de capital que exige la carrera por la infraestructura y, al mismo tiempo, la dependencia del sector respecto a que los inversores sigan dispuestos a financiarla.
En ese contexto, la financiación de infraestructura de IA se parece más a la de una empresa de servicios públicos o a la de una compañía de telecomunicaciones construyendo redes que a la de una startup de software. Los márgenes pueden ser atractivos cuando los activos están plenamente utilizados, pero el apalancamiento convierte cualquier duda sobre la demanda, el costo del dinero o el entorno regulatorio en un problema amplificado.
La deuda de CoreWeave en cifras y por qué hay dos números distintos
Cuando se habla de la deuda de CoreWeave aparecen dos magnitudes que conviene distinguir. La primera, de alrededor de 35.000 millones de dólares, corresponde a la deuda financiera en sentido estricto: bonos, préstamos y otras obligaciones de crédito. Al 30 de junio de 2026 esa cifra era de 35.600 millones, de los cuales 10.600 millones vencen antes de que termine 2027. Ese tramo de corto plazo es el que más atención recibe, porque obliga a la compañía a refinanciar o a generar caja suficiente en una ventana relativamente estrecha.
La segunda magnitud, de unos 52.000 millones de dólares en el segundo trimestre, incluye además los arrendamientos. Bajo las normas contables vigentes, las empresas deben reconocer en su balance las obligaciones derivadas de contratos de arrendamiento de largo plazo, como el alquiler de instalaciones o de equipos. No son bonos ni préstamos bancarios, pero sí compromisos de pago que la empresa debe cumplir. Por eso, los analistas suelen mirar ambas cifras: la deuda financiera refleja lo que se negocia en los mercados de crédito, y la cifra ampliada muestra el peso total de los compromisos fijos.
La diferencia, de unos 16.000 a 17.000 millones de dólares, no es un detalle contable menor. Para un proveedor de infraestructura, los arrendamientos de centros de datos son parte esencial del modelo de negocio: permiten crecer sin construir todo desde cero, pero generan pagos que no desaparecen si la demanda se enfría. A efectos de riesgo, un acreedor tiene en cuenta que esos pagos compiten con el servicio de la deuda por el mismo flujo de caja.
Frente a esas obligaciones, la compañía exhibe una cartera de pedidos, o backlog, de 104.000 millones de dólares, sin incluir los compromisos firmados en el tercer trimestre. El backlog representa ingresos contratados que se reconocerán a medida que se preste el servicio. Es el principal argumento de quienes consideran que la empresa puede atender su deuda: hay clientes comprometidos a pagar durante años. La duda del mercado no es tanto si esos contratos existen, sino si su conversión en caja llegará al ritmo necesario para cubrir los vencimientos y si todos los contrapartes mantendrán su capacidad de pago.
Señales de estrés crediticio explicadas para un público técnico
Para un ingeniero acostumbrado a leer métricas de latencia o tasas de error, los indicadores del mercado de crédito pueden entenderse de manera análoga: son señales agregadas que resumen cómo perciben miles de participantes el riesgo de un sistema. Tres de ellas concentran la atención esta semana.
La primera es el precio del bono. Un bono se emite con un valor nominal, típicamente expresado como 100 centavos por dólar, y promete devolver ese valor al vencimiento junto con pagos periódicos de intereses. Si el bono cotiza a 79,5 centavos, como ocurrió con las notas de CoreWeave que vencen en 2031, significa que un comprador puede adquirir ese derecho con un descuento de más del 20%. Los inversores solo aceptan vender con semejante descuento cuando perciben un riesgo relevante de no cobrar la totalidad, o cuando necesitan reducir exposición con urgencia.
La segunda es el rendimiento. Cuando el precio de un bono baja, su rendimiento sube, porque el comprador obtiene los mismos pagos fijos a cambio de una inversión menor. Un rendimiento superior al 16%, como el registrado el 6 de noviembre, sitúa a la deuda de CoreWeave muy por encima de lo que pagan las empresas consideradas sólidas y en una zona que el mercado asocia con emisores de alto riesgo. Es, en términos sencillos, el precio que los prestamistas exigen hoy para financiar a la compañía.
La tercera, y la más técnica, son los credit default swaps. Un CDS funciona como un seguro sobre la deuda de una empresa: el comprador paga una prima anual y, a cambio, recibe una compensación si el emisor sufre un evento de crédito, como un impago. La prima se expresa en puntos básicos, donde 100 puntos básicos equivalen al 1% anual del monto asegurado. Que los credit default swaps a cinco años de CoreWeave superaran los 1.289 puntos básicos el jueves 5 de noviembre implica que asegurar 10 millones de dólares de su deuda cuesta más de 1,2 millones al año. Ese nivel superó el pico alcanzado en octubre.
Es importante leer estas señales con matices. Un CDS caro indica que el mercado asigna una probabilidad de problemas mayor que antes, no que el problema vaya a materializarse. Los precios también reflejan factores técnicos, como la liquidez, la demanda de cobertura por parte de fondos con exposición al sector o el uso de estos instrumentos como apuesta contra toda la cadena de la IA. En otras palabras, el termómetro marca fiebre, pero no da el diagnóstico.
Octubre, el primer aviso
La tensión de noviembre tiene un precedente cercano. En octubre de 2026, un primer episodio de dudas sobre la deuda de CoreWeave sacudió Wall Street y obligó a muchos inversores a revisar su exposición al conjunto de empresas que construyen infraestructura para la inteligencia artificial. Aquella primera ola puso sobre la mesa la pregunta que hoy vuelve con más fuerza: cuánto apalancamiento puede soportar un modelo de negocio que depende de que la demanda de cómputo siga creciendo sin pausa.
En aquel momento, algunos analistas sostuvieron que no veían un riesgo sistémico para el despliegue de la IA. Su argumento era que los problemas de financiación de un proveedor concreto no frenarían por sí solos la adopción de la tecnología, porque los grandes compradores de cómputo tienen alternativas y los fabricantes de chips mantienen una demanda sólida. Al mismo tiempo, reconocían que la carga de deuda seguía pesando sobre la cotización de la acción, que se había convertido en un activo muy sensible a cualquier noticia sobre crédito.
El episodio de octubre dejó, además, una enseñanza sobre la dinámica de estos mercados: una vez que los inversores empiezan a mirar los vencimientos y las coberturas de una compañía, cada dato nuevo se interpreta bajo esa lente. Lo que en otro momento sería una noticia neutral o positiva puede quedar eclipsado por la preocupación crediticia.
Una alianza que no bastó para calmar al mercado
Ese fenómeno se observó con claridad el 2 de noviembre. Ese día, CoreWeave anunció la ampliación de su alianza con CrowdStrike, la empresa de ciberseguridad, un movimiento que en circunstancias normales se leería como una señal de diversificación comercial y de confianza de un cliente relevante en su plataforma. Sin embargo, la acción cayó, arrastrada por las preocupaciones sobre la deuda.
La reacción ilustra una regla conocida en los mercados: cuando la conversación dominante gira en torno a la solvencia, los anuncios comerciales pierden capacidad de mover el precio. Los inversores no dudan de que la compañía tenga clientes, sino de la relación entre el ritmo al que esos clientes generan caja y el ritmo al que vencen las obligaciones. Un acuerdo adicional ayuda en el largo plazo, pero no resuelve la pregunta inmediata sobre los 10.600 millones que vencen antes de que termine 2027.
El factor político: elecciones y rechazo a los data centers
El detonante más reciente llegó desde la política. Las elecciones de medio término del 3 de noviembre de 2026 en Estados Unidos tuvieron un ingrediente poco habitual en comicios anteriores: el rechazo a los centros de datos de inteligencia artificial se convirtió en un factor relevante para parte del electorado. Las preocupaciones por el consumo eléctrico, el uso de agua, el impacto en las tarifas de energía y la ocupación del territorio alimentaron campañas que proponían frenar o condicionar la construcción de nuevas instalaciones. Analizamos ese fenómeno con detalle en cómo el rechazo a los data centers impulsó la victoria demócrata en 2026.
El miércoles 4 de noviembre, con los resultados ya conocidos, los bonos de CoreWeave cayeron a nuevos mínimos. Varios candidatos demócratas partidarios de frenar la construcción de data centers ganaron gubernaturas, entre ellas la de Texas, uno de los estados donde la compañía tiene centros de datos. Para los inversores, el mensaje fue directo: el riesgo político de los data centers dejó de ser un escenario teórico y pasó a formar parte del cálculo.
Ese riesgo puede manifestarse de varias maneras. Los gobiernos estatales tienen influencia sobre permisos de construcción, regulación de la red eléctrica, incentivos fiscales y normas ambientales. Una administración hostil a la expansión de los centros de datos podría ralentizar proyectos en marcha, encarecer la conexión a la red o retirar beneficios que hicieron atractivas ciertas ubicaciones. Para una empresa cuya capacidad de pagar la deuda depende de poner en marcha nueva capacidad a tiempo, cualquier retraso tiene un costo financiero directo.
Conviene, no obstante, mantener la proporción. Las nuevas autoridades aún no han asumido sus cargos ni han aprobado medidas concretas, y la distancia entre un discurso de campaña y una política aplicada suele ser considerable. Lo que el mercado ha incorporado es la incertidumbre, no una decisión regulatoria ya tomada.
El contexto de las grandes tecnológicas y el gasto en IA
La presión sobre CoreWeave coincide con la temporada en que las grandes tecnológicas presentan sus resultados, con el gasto en inteligencia artificial como protagonista. Los inversores examinan cada trimestre cuánto destinan los gigantes del sector a centros de datos, chips y energía, y cuánto de ese gasto se traduce en ingresos. Esas cifras importan doblemente para un neocloud: los hiperescaladores son a la vez competidores, potenciales clientes y referencia del ritmo de inversión de toda la industria.
Si las grandes tecnológicas mantienen o elevan sus planes de inversión, el argumento de una demanda de cómputo sostenida se refuerza. Si, por el contrario, empiezan a moderar el gasto o a priorizar su propia infraestructura frente al alquiler a terceros, los proveedores especializados podrían enfrentar un entorno más competitivo. La diferencia clave es que los gigantes financian buena parte de su expansión con flujos de caja propios muy abundantes, mientras que los neoclouds dependen en mayor medida del crédito y del capital externo.
Esa asimetría explica por qué el mercado distingue entre unos y otros. Una gran tecnológica puede absorber un año de inversión con retorno incierto; una empresa apalancada, con vencimientos concentrados en el corto plazo, tiene menos margen para equivocarse en el timing.
Casos comparables: lecciones de otras burbujas de infraestructura
La historia de la tecnología ofrece paralelos útiles, aunque ninguno es idéntico. A finales de los años noventa, la expansión de las redes de fibra óptica se financió en gran medida con deuda, sobre la premisa de que el tráfico de internet crecería sin límite. El tráfico efectivamente creció, pero no al ritmo que exigían los balances de muchas operadoras, y varias acabaron en procesos de reestructuración. La infraestructura construida, sin embargo, no desapareció: terminó siendo aprovechada por otros actores a precios mucho menores.
El paralelo debe manejarse con cautela. La demanda actual de cómputo para inteligencia artificial está respaldada por contratos firmados y por clientes con capacidad financiera, algo que no siempre ocurría en la era de la fibra. Además, el caso de CoreWeave no incluye impagos ni reestructuraciones. Lo que sí comparte con aquel episodio es la estructura del riesgo: activos de capital intensivo, financiados con deuda, cuya rentabilidad depende de proyecciones de demanda a varios años vista.
Otro paralelo aparece en el sector de la minería de criptomonedas, donde varias empresas compraron hardware especializado con financiación respaldada por los propios equipos. Cuando los ingresos por unidad de hardware cayeron, el valor de las garantías se desplomó al mismo tiempo, lo que complicó la refinanciación. La lección para la infraestructura de IA es que la depreciación tecnológica de las GPU es un factor de riesgo en sí mismo: si una nueva generación de chips abarata drásticamente el cómputo, el valor de los equipos anteriores como garantía disminuye.
Implicaciones para los equipos que dependen de capacidad GPU
Para los equipos de ingeniería, ciencia de datos y operaciones que alquilan capacidad de cómputo, la noticia tiene una lectura práctica que va más allá de los mercados. No existe hoy evidencia de interrupciones en el servicio de CoreWeave, y el estrés crediticio no implica por sí mismo un problema operativo. Pero el episodio es un recordatorio de que la infraestructura en la nube no es una abstracción: detrás de cada instancia hay un balance, contratos de energía y decisiones regulatorias. El debate sobre cuánto acabará costando el cómputo se conecta con la pregunta de si subirá el precio de la IA.
La primera lección es la diversificación de proveedores. Muchas organizaciones concentraron sus cargas de entrenamiento en un único proveedor de GPU por razones de disponibilidad o precio, algo comprensible en un mercado de escasez. Sin embargo, depender de una sola fuente de capacidad crítica introduce un riesgo de concentración que los equipos de arquitectura suelen evaluar con rigor en otros ámbitos, como las bases de datos o los proveedores de identidad, y que con frecuencia se pasa por alto en el cómputo acelerado.
La segunda lección es la portabilidad de cargas de trabajo. Los equipos que empaquetan sus entrenamientos en contenedores, utilizan orquestadores estándar, separan el almacenamiento de datos y checkpoints del proveedor de cómputo y evitan dependencias de servicios propietarios tienen más facilidad para mover cargas si las condiciones cambian. Esa portabilidad tiene un costo de ingeniería, pero funciona como un seguro operativo, de manera similar a como un CDS lo hace en el plano financiero.
La tercera lección afecta a los contratos. Las cláusulas sobre niveles de servicio, continuidad, propiedad de los datos y salida ordenada cobran relevancia cuando el proveedor atraviesa tensiones financieras. Revisar qué ocurre con los datos y los modelos almacenados en caso de cambios de control, qué plazos de preaviso existen y qué compromisos de capacidad son exigibles es una tarea que conviene hacer en tiempos de calma, no en medio de una crisis.
Buenas prácticas para reducir la exposición
Más allá del caso concreto, los responsables técnicos pueden adoptar varias prácticas para reducir su vulnerabilidad ante problemas en cualquier proveedor de infraestructura. Una de ellas es mantener copias de los checkpoints de entrenamiento y de los artefactos de modelo en un almacenamiento independiente del proveedor de cómputo, de forma que una migración no obligue a reentrenar desde cero.
Otra consiste en validar periódicamente que las cargas pueden ejecutarse en al menos un segundo proveedor. No se trata de mantener capacidad duplicada permanente, algo costoso, sino de comprobar que la infraestructura como código, las imágenes de contenedor y los scripts de despliegue funcionan fuera del entorno principal. Un simulacro anual de migración puede revelar dependencias ocultas que de otro modo solo aparecerían en una emergencia.
También resulta útil incorporar indicadores de salud de los proveedores a la gestión de riesgos tecnológicos. Del mismo modo que se monitorizan las páginas de estado y los incidentes, los equipos de compras y finanzas pueden seguir señales públicas como la evolución de la deuda o los anuncios regulatorios que afecten a los centros de datos. Esa información, compartida con los equipos técnicos, permite anticipar decisiones en lugar de reaccionar tarde.
Finalmente, es recomendable evitar el error de reaccionar en exceso. Migrar cargas de forma precipitada ante cada titular negativo tiene costos reales en tiempo de ingeniería, rendimiento y precios. La clave está en tener la opción de moverse, no en ejercerla de inmediato.
Errores comunes al interpretar noticias de deuda corporativa
En momentos de tensión, la cobertura de noticias financieras tiende a simplificar. Uno de los errores más habituales es confundir estrés crediticio con quiebra. Un bono que cotiza con descuento o un CDS caro reflejan percepciones de riesgo, no hechos consumados. Muchas empresas han atravesado periodos de rendimientos elevados y han salido adelante refinanciando, vendiendo activos o mejorando su generación de caja.
Otro error frecuente es comparar cifras de deuda sin aclarar su perímetro. Como ocurre en el caso de CoreWeave, la diferencia entre la deuda financiera y la deuda que incluye arrendamientos puede ser de miles de millones de dólares. Citar una u otra sin explicación genera confusión y alimenta interpretaciones alarmistas o, al contrario, excesivamente tranquilizadoras.
Un tercer error es ignorar el lado de los activos y los ingresos contratados. Una cartera de pedidos de 104.000 millones de dólares es un dato relevante que debe ponerse junto a la deuda, aunque no la compense de forma automática: los ingresos futuros tienen costos asociados y su cobro depende de la ejecución y de la salud de los clientes.
Por último, conviene recordar que el análisis de la situación financiera de una empresa con fines informativos no constituye una recomendación de inversión. Las decisiones sobre comprar o vender títulos dependen de circunstancias personales que ninguna noticia puede evaluar.
Impacto en la industria tecnológica
El caso de CoreWeave trasciende a una sola empresa porque pone a prueba un modelo que otros proveedores especializados han replicado. Si el mercado concluye que el apalancamiento del sector es excesivo, el costo de financiación podría subir para todos los neoclouds, lo que a su vez podría trasladarse a los precios del cómputo que pagan las startups y los laboratorios de IA.
También podría acelerar una tendencia hacia la consolidación. Los proveedores con balances más sólidos o con el respaldo de grandes grupos tendrían ventaja para captar clientes y financiación, mientras que los más apalancados podrían verse obligados a buscar socios, vender activos o moderar su expansión. Para los compradores de cómputo, una consolidación implicaría menos opciones, aunque potencialmente proveedores más estables.
El componente político añade otra capa. Si el rechazo social a los centros de datos se traduce en regulaciones más estrictas en algunos estados, la geografía de la infraestructura de IA podría reconfigurarse, con proyectos desplazándose hacia jurisdicciones más favorables. Esa reubicación tiene costos y plazos que afectarían a todo el sector, no solo a CoreWeave. Para la industria, el reto consiste en demostrar que la expansión puede ser compatible con las preocupaciones legítimas de las comunidades sobre energía, agua y precios.
Situación actual
A 8 de noviembre de 2026, el panorama de CoreWeave puede resumirse en pocos puntos verificables. Sus bonos acumulan una fuerte caída: el rendimiento superó el 16% el 6 de noviembre y sus notas con vencimiento en 2031 llegaron a cotizar a 79,5 centavos por dólar. Los CDS a cinco años superaron los 1.289 puntos básicos el 5 de noviembre, por encima del máximo de octubre. Los bonos tocaron nuevos mínimos el 4 de noviembre, tras unas elecciones en las que candidatos partidarios de frenar la construcción de data centers ganaron varias gubernaturas, incluida la de Texas.
La compañía mantiene una deuda financiera de unos 35.000 millones de dólares, con 10.600 millones que vencen antes de que termine 2027, y unos 52.000 millones si se incluyen los arrendamientos. En el otro lado de la balanza, cuenta con un backlog de 104.000 millones de dólares sin incluir los compromisos del tercer trimestre. No se han producido impagos ni se ha anunciado ninguna reestructuración, y la ampliación de su alianza con CrowdStrike confirma que la actividad comercial continúa.
Los próximos hitos que el mercado observará son la publicación de los resultados trimestrales, la estrategia de refinanciación de los vencimientos de corto plazo y las primeras señales concretas de las nuevas administraciones estatales sobre la política de centros de datos. Cualquiera de esos factores podría aliviar o intensificar la presión actual.
Conclusiones
La semana que acaba de terminar ha convertido a CoreWeave en el caso de estudio más visible sobre los límites financieros del auge de la inteligencia artificial. Los indicadores de crédito, desde el precio de sus bonos hasta el costo de sus CDS, muestran que los inversores exigen hoy una compensación mucho mayor por financiar a la compañía. Esa señal no equivale a un impago, que no se ha producido, pero sí refleja dudas reales sobre la relación entre una deuda abultada, unos vencimientos cercanos y unos ingresos contratados que deben convertirse en caja a tiempo.
El episodio también deja claro que el riesgo de la infraestructura de IA ya no es solo tecnológico o financiero, sino político. El resultado de las elecciones de medio término ha introducido una variable que los modelos de negocio del sector apenas consideraban: la posibilidad de que la sociedad y sus gobernantes pongan freno a la expansión de los centros de datos.
Para los profesionales técnicos, la lección más útil es operativa. La capacidad GPU es un recurso crítico que depende de balances, contratos y permisos, y conviene gestionarla con la misma disciplina que cualquier otra dependencia esencial: diversificando proveedores, cuidando la portabilidad, protegiendo los artefactos de entrenamiento y revisando los contratos antes de que surjan problemas. Al margen de cómo evolucione el caso de CoreWeave, esa preparación será valiosa en un sector que, por su intensidad de capital, seguirá expuesto a ciclos de euforia y de corrección.