La capacidad computacional se convirtió en el talón de Aquiles de la industria de inteligencia artificial — y ni los mayores jugadores del mundo se están librando de esto.
En marzo de 2025, Google le informó a Meta que simplemente no podía suministrar toda la capacidad de Gemini que la empresa quería contratar.
Parece surrealista, ¿verdad?
Dos de las mayores empresas de tecnología del planeta, y una no podía atender la demanda de la otra.
Pero este episodio no es solo una curiosidad de los pasillos corporativos. Expone algo mucho más grande: la infraestructura de IA está llegando al límite, incluso con miles de millones invertidos en chips, centros de datos y energía eléctrica cada año. La demanda de computación creció tan rápido que hasta quienes construyen los modelos están teniendo dificultades para seguir el ritmo. Y cuando eso pasa, los proyectos se estancan — incluyendo los internos de una gigante como Meta. 👇
Qué pasó entre Google y Meta
De acuerdo con personas familiarizadas con el asunto, Google avisó a Meta alrededor de marzo de 2025 que no podría suministrar toda la capacidad de Gemini que la empresa de Mark Zuckerberg pretendía comprar. La idea de Meta era sencilla: complementar su infraestructura de inteligencia artificial usando los modelos de Google en diversos frentes internos. Pero el plan chocó contra una barrera inesperada — Google no tenía capacidad para atender el volumen que Meta necesitaba. La respuesta fue directa: no es posible suministrar todo eso ahora.
Estas restricciones, que continúan vigentes, terminaron entorpeciendo y retrasando algunos proyectos internos de IA de Meta. Como consecuencia, sumada a un esfuerzo más amplio para recortar los costos con inteligencia artificial, la empresa empezó a incentivar a sus empleados a ser más eficientes en el uso de los llamados tokens de IA — las unidades que miden el consumo de los modelos. En otras palabras, la orden pasó a ser ahorrar procesamiento siempre que fuera posible.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Y Meta no fue la única afectada. Varios otros clientes de Google también sintieron el impacto de estas restricciones, aunque en menor escala. La razón por la que Meta fue tan golpeada es justamente el volumen excepcionalmente alto de demanda que la empresa tenía por los modelos de Google. Cuando necesitas mucho, y la fila es larga, el golpe es mayor.
Lo que llama la atención aquí no es solo el hecho en sí, sino lo que representa para la industria. Si Google — que construyó Gemini, que opera algunos de los centros de datos más grandes del mundo y que invierte decenas de miles de millones al año en infraestructura — no puede dar abasto con toda la demanda, el problema es estructural. No es una falla puntual. Es una señal de que el crecimiento de la IA está superando la capacidad física de soporte, y eso tiene consecuencias que van mucho más allá de una negociación entre dos gigantes. 🔍
La crisis de capacidad computacional que nadie esperaba
Durante años, el mercado tecnológico operó con una lógica relativamente predecible: la demanda crecía, las empresas invertían en infraestructura, y el ciclo se repetía a un ritmo controlado. La llegada de los large language models — modelos de lenguaje de gran escala como Gemini, GPT y otros — cambió todo eso. El entrenamiento de estos modelos exige una cantidad absurda de poder de procesamiento, y la inferencia — es decir, el momento en que el modelo responde una pregunta o genera un contenido — también consume recursos a escala enorme. Cuando estos modelos se pusieron a disposición del público de forma masiva, la demanda simplemente explotó a un ritmo que ninguna proyección logró prever con precisión.
Este aumento de las cargas de trabajo de inferencia — todas las tareas necesarias para ejecutar los modelos después de que ya fueron entrenados — se convirtió en uno de los mayores desafíos del sector. El problema central está en los chips. Las GPUs de NVIDIA, que son el corazón de la mayoría de los sistemas de IA en el mundo, se volvieron un recurso escaso y disputado. La cadena de producción no puede expandirse a la misma velocidad que crece la demanda. Los centros de datos necesitan construirse desde cero, lo que toma tiempo, dinero y — cada vez más — una cantidad enorme de energía eléctrica.
Por toda esta presión, principalmente proveniente de grandes clientes corporativos como Meta, el propio Google corrió para asegurar capacidad adicional. A inicios de diciembre de 2025, la empresa cerró un acuerdo impresionante de 920 millones de dólares al mes para alquilar capacidad computacional de SpaceX, de Elon Musk. Es decir, ni siquiera Google se las arregla solo con infraestructura propia — también está buscando refuerzos externos para no quedarse atrás.
Lo que ocurrió entre Google y Meta es un reflejo directo de este entorno. Cuando la capacidad computacional disponible es menor que la demanda total — ya sea de clientes externos o de proyectos internos —, las empresas necesitan tomar decisiones. Y esas decisiones tienen un peso estratégico enorme. En el mundo de la IA, tener dinero para pagar no es suficiente — todavía necesitas que alguien tenga la estructura para atenderte. 💡
Los números que explican el tamaño del problema
Para entender la dimensión de esta carrera, vale la pena mirar lo que el propio Google reveló. En los resultados del primer trimestre de 2025, divulgados en abril, el CEO Sundar Pichai contó que los ingresos de nube de la empresa superaron los 20 mil millones de dólares por primera vez. Y más: la cartera de contratos de nube ya firmados, pero aún no entregados, casi se duplicó de un trimestre a otro, llegando a más de 460 mil millones de dólares.
El propio Pichai fue sincero sobre la situación. Según él, la empresa está limitada en términos de capacidad a corto plazo, y los ingresos de nube habrían sido aún mayores si hubieran podido atender toda la demanda. Cuando el CEO de una de las mayores empresas de tecnología del mundo admite públicamente que está dejando dinero sobre la mesa por falta de infraestructura, queda claro que el cuello de botella es real y gigante.
La demanda de computación de IA se disparó conforme las empresas empezaron a implementar chatbots, asistentes de programación y agentes de inteligencia artificial en sus operaciones. Y no es solo Google quien está corriendo detrás. Anthropic, creadora del popular chatbot Claude, cerró en noviembre de 2025 un acuerdo con SpaceX similar al que ya tiene con Google. Todo el mundo anda detrás de lo mismo: más capacidad para seguir creciendo. 🚀
Por qué Meta dependía tanto de Gemini
Estas restricciones muestran cuánto Meta venía apoyándose en modelos rivales como Gemini, justamente mientras gasta de forma agresiva para convertirse en líder en IA y mejorar sus propios modelos. Mark Zuckerberg ha volcado miles de millones de dólares para atraer talento y asegurar infraestructura, todo en nombre de lo que él llama superinteligencia personal.
A diferencia de Google, Meta no tiene un negocio de nube y está corriendo para construir su propia flota de centros de datos, orientada tanto al entrenamiento como a la inferencia de sus modelos. Como parte de este esfuerzo, la empresa se comprometió a invertir nada menos que 600 mil millones de dólares en Estados Unidos hasta 2028. Es un número que da vértigo, pero que muestra el tamaño de la apuesta.
Gemini venía siendo usado internamente por Meta en varios frentes. Uno de ellos es la automatización de procesos de seguridad, como identificar estafas y eliminar contenido perjudicial de las plataformas. El modelo también aparecía en chatbots de atención al cliente y de ayuda con anuncios, además de ser utilizado en algunos flujos de trabajo internos y en programación — junto a otros modelos, como Claude, de Anthropic.
¿Y por qué Meta eligió Gemini desde el principio? Simple: tenía un rendimiento mejor que los modelos open-source de la propia empresa, los Llama. Pero las cosas están cambiando. Más recientemente, Meta empezó a priorizar su nuevo modelo Muse Spark, visto como más competitivo frente a Gemini y capaz de reducir la dependencia de modelos externos en algunas aplicaciones. Es decir, la empresa está aprendiendo a caminar con sus propias piernas — y rápido.
Herramientas que usamos a diario
Qué cambia esto para el futuro de la IA
Este episodio abre una discusión importante sobre cómo el mercado de inteligencia artificial se va a organizar en los próximos años. Si hasta las mayores empresas del sector están enfrentando limitaciones de capacidad computacional, ¿qué queda para startups, empresas medianas y desarrolladores independientes que dependen de APIs y servicios en la nube para ejecutar sus productos? La respuesta, por ahora, es incierta — y eso genera una inestabilidad que el mercado todavía está intentando absorber. Quien depende de proveedores externos para acceder a modelos como Gemini está sujeto a limitaciones que no siempre aparecen en el contrato, pero que aparecen en la práctica cuando la fila se aprieta.
Por otro lado, este escenario está acelerando movimientos que ya estaban en curso. Meta, al priorizar Muse Spark y Llama, muestra exactamente ese camino de búsqueda de autonomía. Otras empresas también están siguiendo direcciones similares, buscando mayor independencia sobre su infraestructura de IA. Pero construir esa independencia tiene un costo altísimo, y no todo el mundo tiene el tamaño para bancárselo. El resultado es un mercado cada vez más concentrado en manos de quienes tienen los recursos para construir y mantener su propia capacidad computacional — lo que puede crear desequilibrios significativos en términos de competencia e innovación.
Google, por su parte, sabe que la escasez de infraestructura es tanto un problema como una oportunidad. Quien logre escalar su capacidad computacional más rápido — ya sea a través de nuevos chips, de alianzas estratégicas como la de SpaceX, o de avances en eficiencia energética — va a salir adelante. El camino es largo, las inversiones son masivas y los resultados no siempre llegan al ritmo que el mercado exige. Lo que está claro es que la carrera por la IA se convirtió también en una carrera por infraestructura — y esa parte de la disputa ocurre lejos de los reflectores, pero tiene un impacto enorme en lo que vemos en las pantallas.
La limitación impuesta por Google a Meta no es un accidente aislado. Es un termómetro del momento en que la industria de inteligencia artificial se encuentra: crecimiento demasiado acelerado para que la infraestructura actual pueda seguirle el paso, con consecuencias reales para empresas de todos los tamaños.
El mercado de IA va a seguir creciendo — eso es prácticamente seguro. Pero la forma en que va a crecer, y quién logrará acompañar ese ritmo, depende mucho de cómo se resuelva la cuestión de la capacidad computacional en los próximos años. Y si un episodio como este entre Google y Meta sirve para algo, es para recordar que detrás de cada respuesta generada por un modelo como Gemini, existe una infraestructura física enorme — y finita.
