La imparable expansión de la Inteligencia Artificial (IA) ha puesto en jaque la cadena de suministro de equipos tecnológicos de alta especialización en México. Los tiempos de entrega para servidores diseñados para IA se han disparado hasta alcanzar los siete meses, un lapso considerablemente mayor a las seis u ocho semanas que solían requerirse anteriormente. Esta situación, según expertos, se debe a la altísima demanda mundial de estos componentes críticos.
Esteban Rey, CEO de Ignia, compartió su experiencia reciente al realizar una orden de compra de servidores de IA, confirmando que los plazos de entrega se extienden hasta por siete meses. "Estamos hablando de tiempos de entrega muy largos que sólo se pueden explicar por la alta demanda que hay en todo el mundo", afirmó, subrayando la magnitud del cuello de botella.
Los plazos actuales oscilan entre 27 y 30 semanas para los servidores más avanzados, mientras que los equipos menos sofisticados tardan entre 16 y 18 semanas. La principal causa de esta demora es la escasez de componentes esenciales, como las unidades de almacenamiento de estado sólido (SSD), la memoria RAM y, de manera crucial, los procesadores gráficos (GPU).
La naturaleza de la IA exige servidores con capacidades de procesamiento excepcionales. Estos equipos requieren componentes de última generación, incluyendo discos duros de alta velocidad, memoria avanzada y chips potentes. La creciente demanda ha provocado un aumento en los precios de estos componentes, una tendencia que se anticipa continuará.
La presión sobre la disponibilidad de componentes también se ve exacerbada por un cambio en las prioridades de los fabricantes. Estos están destinando una porción cada vez mayor de su producción a los gigantes proveedores de servicios en la nube, conocidos como hiperescaladores. Los pedidos de estos colosos tecnológicos para infraestructura de IA representan negocios de gran escala y rentabilidad, lo que desvía recursos de otros mercados.
"Estos grandes hiperescaladores están pidiendo billones de dólares en tarjetas para hacer inteligencia artificial, que es la que lleva la GPU y que llevan ese chip de alta potencia, y ellos sí están pagando los costos muy altos porque necesitan crecer su negocio de forma acelerada", explicó Rey, detallando la dinámica del mercado.
La Carrera por la Eficiencia Energética y el Costo de Procesamiento
A la urgencia por obtener servidores a tiempo, se suma la necesidad de equipos que ejecuten modelos de IA con mayor rapidez y eficiencia. La clave no solo reside en la potencia bruta, sino en optimizar el consumo de recursos, especialmente la energía.
Carlos Sánchez, director de Desarrollo de Negocios de Qualcomm para Hispanoamérica, señaló que la expansión de la IA estará marcada por la "inferencia", el proceso que ocurre cada vez que un usuario interactúa con un modelo de IA. Se estima que más del 90% de las actividades desarrolladas sobre estos modelos serán para inferencia.
Este enfoque en la inferencia modifica las exigencias para los centros de datos. Ahora, la coordinación entre procesadores, memoria y conectividad es vital para evitar cuellos de botella y responder ágilmente a un volumen creciente de solicitudes. La eficiencia energética se convierte en un factor determinante para controlar los costos operativos.
Qualcomm, por ejemplo, se enfoca en aumentar la capacidad de procesamiento sin incrementar proporcionalmente el consumo energético. El objetivo es ofrecer soluciones que equilibren la capacidad de cómputo, la memoria y la transferencia de datos, reduciendo así los costos de operación de los data centers especializados en IA.
Un indicador clave para estos centros de datos será la cantidad de "tokens" (unidades de información generadas en cada interacción) que pueden producir por vatio de energía, así como el costo asociado a la generación de cada millón de tokens. "El costo es lo que va a determinar con qué velocidad se puede adoptar, a qué velocidad se puede masificar", comentó Sánchez.
México, un Potencial Hub de IA con Retos Pendientes
La eficiencia en costos y la disponibilidad de infraestructura son factores decisivos para la adopción empresarial de la IA. México, con su ubicación estratégica y potencial de nearshoring, podría convertirse en un centro importante para la inversión en centros de datos de IA en América Latina.
Sánchez estima que, si se logran costos eficientes, México podría capturar cerca de la mitad de la inversión prevista para centros de datos de inferencia en la región, excluyendo a Brasil. Sin embargo, este potencial está intrínsecamente ligado a la superación de los desafíos actuales en la cadena de suministro y la infraestructura energética.
La disponibilidad de servidores, el precio de los componentes y el consumo energético son, en conjunto, los pilares sobre los que se construirá el futuro de la IA en el ámbito empresarial. La capacidad de México para atraer y retener inversión en este sector dependerá de su habilidad para abordar estas complejas interconexiones.
En el contexto global, la competencia por la infraestructura de IA no solo se centra en el desarrollo de chips más potentes, sino en la entrega de soluciones con la máxima eficiencia. Las empresas que logren optimizar estos factores estarán mejor posicionadas para liderar la próxima ola de innovación tecnológica.