Una sesión que cambió el ánimo del mercado
El 5 de noviembre de 2026, dos días después de las elecciones de medio mandato en Estados Unidos, Wall Street vivió su peor sesión en más de un año. El S&P 500 cayó un 4,4 %, equivalente a 334,89 puntos, hasta cerrar en 7.353,73, su peor jornada desde abril de 2025. El Dow Jones perdió 1.833 puntos, un 3,4 %, y el Nasdaq Composite retrocedió un 5,5 % y entró formalmente en corrección, al situarse más de un 10 % por debajo de su máximo histórico del 6 de octubre. Nvidia, el emblema bursátil de la era de la inteligencia artificial, cedió más de un 9 % y borró todo lo ganado en lo que iba de 2026.
La explicación que se impuso entre analistas y operadores fue política más que tecnológica. Según esa lectura, los inversores temieron que la victoria demócrata, con triunfos en estados que concentran buena parte de los proyectos de centros de datos, acabe frenando la expansión de la infraestructura que sostiene a los modelos de IA. No se trató de un hallazgo técnico ni de una mala noticia de resultados empresariales: fue una reevaluación del riesgo regulatorio y local de un negocio que depende de edificios, terrenos, agua, electricidad y permisos.
Este artículo repasa cómo se llegó a ese punto, qué se sabe con certeza y qué cifras difieren según la fuente, cuál es el estado del rechazo a los centros de datos, y qué implica todo ello para quienes desarrollan software con modelos de lenguaje: costes de cómputo, límites de uso y, sobre todo, eficiencia. Se cierra con la situación a 21 de noviembre de 2026. Como las estimaciones varían entre informes, las cifras no confirmadas se presentan con atribución explícita y las valoraciones se asignan a quienes las formularon.
Qué ocurrió exactamente en los mercados
Conviene empezar por separar lo medido de lo interpretado. Los datos de cierre del 5 de noviembre son los que cualquier terminal financiera reproduce: el S&P 500 en 7.353,73 tras perder 334,89 puntos, el Dow con una pérdida de 1.833 puntos y el Nasdaq Composite con un descenso del 5,5 %. Lo que sigue siendo materia de debate es el recorrido completo de la semana y la magnitud de los movimientos en subsectores.
Según distintos informes, el golpe se concentró en los semiconductores y en las llamadas neonubes, empresas que alquilan capacidad de cómputo para IA. Un informe habló de un desplome cercano al 15 % de un fondo cotizado de semiconductores entre el 3 y el 5 de noviembre; otro situó caídas de dos dígitos en proveedores de capacidad especializados, con cifras como un 11 % y un 15 % para dos de ellos. También se citó un retroceso mayor al de Nvidia en otro fabricante de chips. Para el Nasdaq 100 se publicaron cifras distintas, en torno al 4,5 % en un caso y al 5,5 % en otro, lo que ilustra que la métrica y el periodo elegidos cambian el titular. Aquí se toman como confirmadas solo las cifras de cierre del 5 de noviembre indicadas arriba.
Un detalle relevante, según esos mismos informes, es que los grandes proveedores de nube, que habían resistido el miércoles, cayeron después. Eso sugiere que el mercado no distinguió al principio entre quien fabrica chips, quien alquila máquinas y quien construye modelos, y que descontó el riesgo sobre toda la cadena.
Hay también una lectura contraria. Algunos columnistas sostuvieron que la venta fue excesiva y que una regulación más estricta podría incluso tranquilizar a los financiadores al ordenar un ciclo de inversión que consideran acelerado. Otros recordaron que los resultados de Nvidia vinculan el momento de sus ingresos, no necesariamente su volumen total, a la disponibilidad de centros de datos: si los edificios se retrasan, los pedidos se desplazan en el tiempo más que desaparecer. Son valoraciones de analistas, no hechos, y el tiempo dirá cuál tenía razón.
De la apuesta masiva al choque con el territorio
Para entender por qué una elección legislativa pudo mover billones de dólares de capitalización, hay que mirar el ritmo de la construcción de infraestructura de IA en los últimos años. Los grandes proveedores de nube y las empresas de IA anunciaron campus de cientos de megavatios, a veces de gigavatios, con inversiones de decenas de miles de millones de dólares cada uno. Esos proyectos necesitan tres recursos escasos a escala local: suelo, energía y agua. Y requieren algo más, políticamente decisivo: aceptación social.
El rechazo vecinal no nació en 2026. Desde hace tiempo, comunidades de distintos estados se quejan del ruido de los sistemas de refrigeración, del consumo de agua en zonas con estrés hídrico, de las exenciones fiscales concedidas a proyectos que crean pocos empleos permanentes y, de forma creciente, del efecto de la demanda de electricidad sobre las facturas domésticas. Cuando los precios de la energía suben, el centro de datos pasa de ser una promesa de inversión a ser un sospechoso evidente. Ese es el terreno en el que se sembró la reacción política.
Algunos análisis publicados en las semanas previas a las elecciones señalaron que el malestar con los centros de datos no era patrimonio de un solo partido. Según esas valoraciones, había críticas tanto desde sectores progresistas, centradas en el clima y en las facturas, como desde sectores conservadores rurales, centrados en el uso del suelo y en la pérdida de control local. Esa transversalidad, según los mismos análisis, es lo que hacía el riesgo difícil de cubrir para un inversor: no dependía de quién ganara, sino de que en cada estado alguien tuviera incentivos para frenar el siguiente proyecto.
Moratorias, pausas y auditorías: lo que hicieron los estados
El caso más concreto es el de Nueva York. Según los informes, en julio de 2026 el estado aprobó una moratoria de un año a los centros de datos de gran tamaño. Las descripciones detallan que la medida se articuló mediante una orden ejecutiva de la gobernadora y que suspende durante hasta un año los permisos ambientales estatales para instalaciones a partir de 50 megavatios. La patronal del sector respondió que la decisión desviaría inversión, empleo e ingresos fiscales hacia estados vecinos. La orden contempla además propuestas legislativas para retirar exenciones del impuesto sobre ventas a los grandes centros de datos ya existentes.
El caso de Texas es más matizado, y aquí las fuentes no coinciden. Según informes, el estado pausó aprobaciones en agosto de 2026. Otras descripciones precisan que no hubo una moratoria formal, sino una orden del gobernador al operador de la red eléctrica y al regulador de servicios públicos para auditar todos los proyectos que avanzan en la cola de interconexión, lo que en la práctica retrasa decisiones mientras dura la auditoría. También se informó de que el gobernador abogó por prohibir estas instalaciones en zonas rurales. Por tanto, hablar de pausa es razonable como descripción de efecto práctico, pero no debe confundirse con una prohibición.
A escala nacional, distintos medios especializados contaron que más de una docena de estados, en algunas cuentas hasta quince, estudiaron limitaciones o moratorias durante el año. Un organismo que sigue estos proyectos estimó que al menos 75 iniciativas importantes, con más de 130.000 millones de dólares de inversión, se retrasaron o cancelaron solo en el primer trimestre. Por su parte, el dato que circula en otros informes es que se cancelaron más de 50 proyectos a lo largo de 2026. Las dos cifras no son necesariamente contradictorias, porque una incluye retrasos y la otra cancelaciones, y se miden con metodologías distintas. Lo prudente es citarlas como estimaciones de terceros.
Respecto a la exposición geográfica, según informes cerca del 40 % de la capacidad planificada está en estados que quieren pausar la construcción. Un análisis atribuido a un banco de inversión habló de aproximadamente un 30 % de las adiciones de capacidad esperadas para 2028 en riesgo por posibles paralizaciones. De nuevo, la diferencia entre 30 % y 40 % responde a horizontes y definiciones distintas, y ninguna es una cifra oficial.
Cómo se transmite el riesgo a las cuentas de las empresas
Una moratoria sobre permisos no cancela contratos, pero cambia el calendario. Y en un negocio en el que el valor de las acciones se apoya en un crecimiento de ingresos muy rápido, el calendario lo es casi todo. Si un campus planificado para entrar en servicio en 2027 se retrasa dieciocho meses, los ingresos asociados a esa capacidad se desplazan, y con ellos los pedidos de chips, de redes, de refrigeración y de energía.
El ejemplo más citado de ese mecanismo es el de Microsoft. Según informes, la compañía recortó su estimación de gasto de capital para 2026 hasta unos 170.000 millones de dólares, y atribuyó el ajuste a retrasos en la capacidad que construyen terceros. Es una redacción importante: no se habla de menor demanda de IA, sino de menor capacidad entregada a tiempo. Para un proveedor de nube que ya vende más de lo que puede servir, un recorte de gasto por retrasos no es un síntoma de debilidad comercial, aunque sí un indicio de que la restricción efectiva está en los permisos y las obras, no en el dinero.
Cuando el cuello de botella es físico, quienes mejor posicionados quedan son los que ya tienen capacidad construida o autorizada. Algunos analistas han apuntado que las instalaciones ya existentes podrían ganar valor estratégico, mientras que los desarrolladores de proyectos nuevos en estados restrictivos afrontan más incertidumbre. Es una hipótesis razonable, pero todavía no una tendencia demostrada.
También cabe una segunda vía de transmisión: el coste de financiación. Muchos proyectos se levantan con deuda, y los prestamistas fijan el precio según la probabilidad de que el activo entre en servicio y se alquile. Un entorno regulatorio más incierto encarece ese crédito. Aquí hay opiniones enfrentadas: unos temen que se encarezca el capital de toda la industria, y otros sostienen que una regulación clara reduce la incertidumbre y, con ello, la prima de riesgo. Es otro ejemplo de que la misma noticia admite lecturas opuestas.
Nvidia, de máximos a la corrección
Nvidia concentró la atención porque su cotización resume la tesis de que la demanda de cómputo para IA seguirá creciendo. La caída de más de un 9 % el 5 de noviembre le hizo perder el avance acumulado del año. Para una compañía de esa capitalización, un descenso así en un día se traduce en cientos de miles de millones de dólares de valor.
Sin embargo, la presión sobre el valor no equivale a un problema en el negocio. En los días siguientes, según informes, la volatilidad continuó: el 17 de noviembre las acciones tecnológicas ligadas a la IA volvieron a caer, con el S&P 500 en 7.340,53 puntos, y el 18 de noviembre cerró en 7.323,63, según esos mismos informes. En ese contexto, Nvidia presentó sus resultados trimestrales, que, según varias crónicas, superaron las previsiones y vinieron acompañados de una guía optimista, lo que ayudó a un rebote parcial del Nasdaq. Hay cifras de crecimiento de ingresos que circulan en distintas versiones, y por eso aquí no se reproducen: solo se retiene que el mercado interpretó la presentación como un alivio frente a los temores sobre el gasto en IA.
Esa secuencia es útil para entender lo que el mercado estaba valorando. La demanda de chips, hoy, parece sólida. Lo que se pone en duda es la capacidad de convertir esa demanda en centros de datos operativos en el plazo previsto. Un fabricante puede tener pedidos de sobra y, aun así, ver retrasada la entrega efectiva porque el cliente no tiene dónde instalar los equipos.
Es también un recordatorio de que los resultados de una empresa y la dirección de una acción pueden ir por caminos distintos durante semanas. Quien lea la corrección como un veredicto sobre la tecnología se equivoca de pregunta: lo que se discute es cuánto, dónde y a qué velocidad se podrá desplegar.
El debate político y por qué conviene atribuirlo
El vínculo entre las elecciones y la caída bursátil es una interpretación ampliamente difundida, pero no es la única posible. Según la lectura dominante, el mercado reaccionó a que gobernantes demócratas ganaran en territorios clave para los centros de datos, y se temió que impulsaran más moratorias. Es una hipótesis sobre intenciones futuras, no un cambio legal consumado.
Quienes respaldan una política más restrictiva sostienen que los proyectos han avanzado sin suficiente evaluación del impacto sobre la red eléctrica, el agua y las tarifas, y que los beneficios fiscales prometidos no compensan los costes locales. Quienes se oponen, incluidas asociaciones de la industria, argumentan que frenar la construcción desplaza la inversión a otras regiones o países, perjudica la competitividad nacional y encarece la capacidad de cómputo. Ambas posturas son valoraciones, y cada una ofrece cifras que apoyan su tesis.
Dos puntos merecen precisión. Primero, las medidas más conocidas, como la de Nueva York en julio, se adoptaron antes de las elecciones, de modo que el rechazo no es consecuencia del resultado electoral, sino un fenómeno previo que el resultado puede haber amplificado. Segundo, según varios análisis, la oposición a ciertos proyectos atraviesa líneas partidistas, de modo que atribuirla a una sola fuerza política simplifica un cuadro más complejo. Este medio no toma partido: expone qué se hizo, qué se dijo y quién lo dijo.
Qué significa para quienes desarrollan con IA
Para un equipo de ingeniería, una caída bursátil no cambia el precio de una API de un día para otro. Pero el trasfondo, es decir, una oferta de cómputo que podría crecer más despacio de lo previsto, sí puede afectar a las decisiones de arquitectura y de presupuesto. Conviene separar lo observado de lo plausible: hasta la fecha no hay un anuncio generalizado de subidas de precios por parte de los grandes proveedores atribuido a estos acontecimientos. Lo que sigue son riesgos razonables a los que prestar atención, no predicciones.
Costes de cómputo y disponibilidad
Si la capacidad nueva llega con retraso y la demanda sigue creciendo, la presión sobre los precios de las GPU en la nube y sobre la disponibilidad de instancias de alto rendimiento tiende a aumentar. Los contratos de capacidad reservada, que ya eran una herramienta común, ganan atractivo para quien tiene cargas previsibles, aunque implican compromiso a largo plazo. Para cargas variables, conviene medir cuánto cuesta de verdad el cómputo bajo demanda en horas pico y qué ocurre cuando una región se queda sin existencias.
Una cuestión poco discutida es la ubicación. Si las restricciones afectan sobre todo a determinados estados, los proveedores podrían concentrar capacidad en otras regiones, con efectos sobre la latencia y sobre los requisitos de residencia de datos. Los equipos con obligaciones normativas sobre dónde se almacenan o procesan los datos deberían revisar con qué regiones cuentan y qué alternativas tendrían.
Límites de tokens y políticas de uso
Las empresas ya vienen ajustando cuánto gasto en IA toleran. Un ejemplo reciente fue el de una gran compañía de software empresarial que, según se informó, limitó el gasto en tokens de IA y comunicó despidos, un caso que se analiza en Salesforce limita el gasto en tokens de IA y reporta despidos. Ese tipo de decisión muestra que la disciplina de costes ya forma parte de la conversación, con independencia de lo que ocurra con los centros de datos.
Para los desarrolladores, esto se traduce en límites de uso por equipo, por proyecto o por usuario, y en la necesidad de monitorizar el consumo con la misma seriedad con la que se vigila la factura de infraestructura tradicional. Si los proveedores de modelos afrontan restricciones de capacidad, es posible que endurezcan las cuotas, prioricen a clientes con contratos y limiten el acceso gratuito. Es una posibilidad que conviene tener en cuenta al diseñar productos que dependan de un único proveedor.
La eficiencia como ventaja competitiva
Si el cómputo se encarece o escasea, cada token ahorrado vale más. Hay varias palancas, bien conocidas, que se vuelven más importantes en ese contexto. Una es elegir el modelo adecuado para cada tarea: no todas las consultas necesitan el modelo más grande, y enrutar las sencillas a modelos pequeños reduce el coste sin afectar a la calidad percibida. Otra es la caché de prompts y de resultados, que evita pagar varias veces por el mismo contexto. Una tercera es acotar el contexto enviado, resumiendo historiales y recuperando solo los fragmentos relevantes en lugar de enviar documentos completos.
También ayuda diseñar los flujos con agentes pensando en el coste: limitar el número de pasos, establecer presupuestos de tokens por tarea, cortar bucles improductivos y registrar cuánto cuesta cada ejecución. La cuantización y la destilación de modelos permiten, por su parte, ejecutar cargas con menos hardware, y los modelos de pesos abiertos servidos en infraestructura propia ofrecen una alternativa para cargas estables, siempre que se haga la cuenta completa de operación.
En el plano del hardware, la eficiencia por vatio gana protagonismo cuando la energía y los permisos son el cuello de botella. Es el contexto en el que se leen los avances de las plataformas de nueva generación, como el debut de una arquitectura de Nvidia en las pruebas de entrenamiento del consorcio de referencia, que se detalla en el análisis del debut de Vera Rubin NVL72 en MLPerf. Una mayor capacidad por megavatio es, en un mundo de restricciones, tan valiosa como una mayor capacidad bruta.
Riesgo de proveedor único y estrategia multinube
Un efecto práctico de un mercado más ajustado es que depender de un solo proveedor expone al equipo a cambios de precio, de cuotas o de condiciones. Mantener una capa de abstracción que permita cambiar de modelo o de proveedor sin reescribir la aplicación no es nuevo, pero la coyuntura refuerza su valor. Conviene probar periódicamente alternativas, comparar resultados en conjuntos de evaluación propios y documentar el coste por funcionalidad, de manera que la migración, si hiciera falta, sea una decisión informada y no una urgencia.
El mercado laboral y las prioridades de las empresas
Una corrección bursátil de este tamaño suele llegar a las plantillas con retraso. Las empresas que se han apoyado en promesas de productividad por IA para justificar inversiones muy grandes se verán más presionadas para demostrar retorno. En la práctica, eso favorece a los perfiles capaces de unir ingeniería con control de costes: quienes saben medir, optimizar y justificar el gasto en modelos. También da ventaja a quienes dominan técnicas de evaluación, observabilidad y despliegue eficiente, frente a quienes solo integran una API sin medir su impacto.
No hay, a fecha de hoy, datos que permitan afirmar que el empleo en el sector vaya a resentirse de forma general por este episodio; sería especulación. Lo que sí puede decirse es que la narrativa del gasto ilimitado en IA ha dejado paso a otra más centrada en el retorno, y que esa transición se nota en las conversaciones de presupuesto.
Antecedentes y casos comparables
La volatilidad de las acciones vinculadas a una tecnología emergente cuando aparece un obstáculo físico o regulatorio tiene precedentes. Durante el auge de las telecomunicaciones a finales de los años noventa, el exceso de fibra instalada llevó a una corrección profunda cuando la demanda tardó más de lo previsto en llegar. La diferencia con el momento actual, según defienden quienes minimizan el riesgo, es que hoy la capacidad no sobra: falta. Quienes sostienen la tesis contraria replican que la concentración de gasto en un pequeño grupo de compradores sí recuerda a ciclos anteriores. De nuevo, son lecturas enfrentadas.
Otro paralelismo es el de las criptomonedas y la minería, que en distintas regiones provocaron restricciones locales por consumo energético. Algunas jurisdicciones respondieron con prohibiciones o tarifas específicas, y la actividad migró hacia donde la energía era más barata y las normas más favorables. Si algo similar ocurre con los centros de datos, el resultado probable sería una redistribución geográfica más que una desaparición del negocio, con costes de adaptación y con beneficiarios y perjudicados diferentes.
En el plano regulatorio, el debate sobre la seguridad de los sistemas de IA también avanza por otras vías. Un ejemplo es la propuesta californiana de apagado de emergencia y auditorías, que se explica en California propone apagado de emergencia y auditorías para IA. Aunque se trata de una cuestión distinta, de seguridad y no de infraestructura física, ilustra que la regulación de la IA se está moviendo a escala estatal, y que los estados son hoy protagonistas de decisiones con efecto económico real.
Qué pueden hacer los equipos técnicos ahora
Sin ánimo de dar consejos de inversión, que no es el objeto de este medio, hay medidas de ingeniería sensatas con independencia de cómo evolucione la política. La primera es conocer el coste unitario: cuánto cuesta cada petición, cada usuario activo y cada funcionalidad basada en IA. Sin ese dato, cualquier discusión sobre presupuesto es especulativa.
La segunda es construir evaluaciones propias que permitan sustituir un modelo por otro sin perder calidad. Es la mejor póliza frente a cambios de precio o de disponibilidad. La tercera es planificar la capacidad con margen: pruebas de carga que incluyan escenarios en los que el proveedor limite el caudal, estrategias de degradación elegante, colas y reintentos con retroceso exponencial. La cuarta es revisar los contratos y las condiciones de uso, prestando atención a cuotas, prioridades y compromisos de nivel de servicio.
Por último, vale la pena vigilar los indicadores adecuados. En lugar de seguir cada oscilación bursátil, conviene prestar atención a los anuncios de capacidad de los proveedores, a los cambios de precios y cuotas, a las decisiones de los reguladores estatales y a la evolución de la demanda eléctrica. Son las señales que, con más probabilidad, acabarán afectando a un presupuesto de desarrollo.
Las grandes tecnológicas y su respuesta de inversión
La reacción de las grandes compañías al ruido regulatorio no ha sido uniforme. Algunas han reiterado sus planes de inversión y otras han ajustado el calendario. Un caso que ilustra la tendencia a elevar la apuesta es el de una gran empresa de redes sociales que, según se informó, aumentó su inversión mínima prevista en IA, lo que se cuenta en el análisis de Meta y su inversión mínima prevista en IA. Esa decisión convive con el recorte de estimación que se atribuye a Microsoft por retrasos de terceros, y juntas muestran que la inversión no se comporta de forma monolítica: depende de la estrategia de cada empresa, de su capacidad propia y de su exposición a los lugares donde construye.
Para el observador, la clave está en distinguir entre gasto planificado y gasto ejecutado. Los anuncios fijan intenciones; los permisos, las turbinas, los transformadores y las obras determinan lo que de verdad se invierte cada trimestre. Si las restricciones locales se multiplican, la diferencia entre ambos puede ampliarse, y eso es exactamente lo que el mercado intentó fijar en precio el 5 de noviembre.
Conviene además recordar el papel de la energía. Los operadores de red advierten desde hace tiempo de que la demanda de los centros de datos exige nueva generación y nuevas líneas de transmisión, procesos lentos que no dependen de ninguna elección. Incluso sin moratorias, el calendario eléctrico limita la velocidad de expansión. Por eso algunos analistas sostienen que la política es un factor adicional y no el único determinante del ritmo de construcción.
Situación a 21 de noviembre de 2026
A fecha de 21 de noviembre, la historia sigue abierta. Los índices han mostrado una volatilidad elevada desde el 5 de noviembre. Según informes de mediados de mes, el S&P 500 encadenó varias sesiones a la baja, con cierres en torno a 7.340 y 7.320 puntos el 17 y el 18 de noviembre, niveles cercanos al del día de la fuerte caída. La presentación de resultados de Nvidia, que según las crónicas superó las expectativas, dio un respiro al Nasdaq, pero no despejó la incógnita sobre el ritmo real de despliegue de capacidad. No ha sido posible confirmar con fuentes fiables los cierres del viernes 20 de noviembre, por lo que este texto no los incluye.
En el plano político y regulatorio, la moratoria neoyorquina sigue vigente según los informes, y el proceso de auditoría en Texas continúa su curso. Otros estados estudian medidas, y la composición de los nuevos gobiernos y legislaturas condicionará lo que llegue a aprobarse. Hasta ahora, la mayoría de las propuestas más severas son eso, propuestas, y su suerte final es incierta.
Entre los puntos todavía sin resolver destacan cuatro. Primero, si las pausas se prolongarán más allá de su plazo inicial o si se sustituirán por requisitos específicos, como exigir energía propia o limitar el consumo de agua. Segundo, cuánta de la capacidad retrasada se reubicará en otros estados o países, y a qué coste. Tercero, cómo trasladarán los proveedores de nube y de modelos esa escasez a sus precios y cuotas. Y cuarto, si la corrección bursátil se consolida o se revierte si los resultados empresariales siguen siendo sólidos.
Mientras tanto, el calendario de salidas a bolsa y de resultados seguirá poniendo a prueba el apetito del mercado por la IA. Un ejemplo de esa expectativa es el debut bursátil de una de las grandes empresas de modelos, que se analiza en Anthropic fija su OPV en 83 dólares y debuta como ANT, y que formó parte de la discusión sobre si el entusiasmo inversor podía resistir el cambio de clima. Los efectos concretos de ese tipo de operaciones sobre la evolución de los índices deben valorarse con cautela, porque la información disponible es todavía parcial.
Conclusiones
El 5 de noviembre de 2026 dejó una imagen nítida: el S&P 500 en 7.353,73 tras su peor día desde abril de 2025, el Nasdaq Composite en corrección y Nvidia devolviendo lo ganado en el año. La explicación predominante es que el mercado empezó a valorar un riesgo que hasta entonces trataba como secundario, el de que la expansión de la IA choque con límites territoriales, regulatorios y políticos.
Los hechos que sostienen ese temor son reales, aunque las cifras exactas varían según la fuente: la moratoria neoyorquina de julio, las pausas o auditorías en Texas, decenas de proyectos cancelados o retrasados y una proporción significativa de la capacidad planificada en estados que quieren frenar. El recorte atribuido a Microsoft de su gasto de 2026, motivado por retrasos de terceros, muestra que el cuello de botella no es solo financiero, sino físico y administrativo.
Para quienes desarrollan, la lección es práctica y no depende de acertar en política. Medir el coste por funcionalidad, elegir el modelo adecuado a cada tarea, aprovechar cachés y contextos acotados, evitar la dependencia de un único proveedor y diseñar con presupuestos de tokens son decisiones que reducen el riesgo en cualquier escenario. Si la capacidad crece más despacio de lo prometido, la eficiencia pasará de ser una buena práctica a ser una ventaja competitiva.
Queda por ver si la corrección fue una reacción exagerada o un ajuste duradero. Quienes defienden la primera opinión apuntan a la solidez de la demanda; quienes defienden la segunda, a la fragilidad de depender de permisos y redes eléctricas. Ambas posturas tienen argumentos, y la evolución de los permisos, los precios de cómputo y los resultados empresariales de los próximos meses ofrecerá los datos para decidir cuál se acerca más a la realidad.
