El gasto global en infraestructura como servicio (IaaS) optimizada para IA registrará un incremento del 96,4% en 2026 hasta alcanzar los US$ 42.300 millones, según las más recientes proyecciones publicadas por la firma de investigación y consultoría tecnológica Gartner.
El informe de la consultora anticipa que esta tendencia de expansión se mantendrá durante 2027, año en el que la inversión en este segmento ascenderá a US$ 66.100 millones, lo que representa un aumento del 56,5% en comparación con las cifras estimadas para 2026.
De acuerdo con Hardeep Singh, analista principal senior de investigación en Gartner, este comportamiento del mercado responde a la demanda sostenida de recursos informáticos para el entrenamiento de modelos de lenguaje de gran tamaño (LLM) y a la rápida puesta en marcha operativa de la IA dentro de las aplicaciones y flujos de trabajo empresariales.
En el ámbito general, el gasto mundial en infraestructura como servicio alcanzará los US$ 287.300 millones en 2026, lo que equivale a un crecimiento del 29,3% frente a los US$ 222.200 millones proyectados para 2025. Para 2027, la firma prevé que el mercado total de IaaS se expanda hasta los US$ 359.900 millones.
Cambio de paradigma en los patrones de consumo
Una de las principales transformaciones señaladas por Gartner para 2026 es el cambio de predominio entre las cargas de trabajo de la IA. Por primera vez a nivel global, el gasto destinado a la inferencia superará al capital invertido en el entrenamiento de modelos.
Las estimaciones de la firma prevén una inversión de US$ 23.300 millones en cargas de inferencia durante 2026, frente a los US$ 19.000 millones que se asignarán a las tareas de entrenamiento. Con estos datos, la inferencia concentrará el 55% del gasto total en IaaS optimizada para IA en 2026, una proporción que aumentará al 59% durante el año 2027.
El incremento en el uso de la denominada IA agéntica (sistemas capaces de ejecutar múltiples procesos de forma autónoma) constituye uno de los factores que impulsa la necesidad de mayor capacidad de cómputo. A medida que las organizaciones migran de la fase de desarrollo a la producción a escala, se intensifica la integración de modelos ajustados y de dominio específico en plataformas operativas y de atención al cliente.
Singh explicó que la adopción de modelos especializados exige una ejecución continua y en tiempo real en lugar de sesiones de entrenamiento periódicas. Este cambio acelera los patrones de consumo en la nube y genera una demanda constante de infraestructura física adaptada a las exigencias de procesamiento de la IA, lo que modificará de manera sustancial la distribución de los presupuestos tecnológicos en las empresas.
Fuente: PressWire
