El gasto mundial en infraestructura como servicio (IaaS) optimizada para inteligencia artificial alcanzará los 42.276 millones de dólares en 2026, un incremento del 96,4 % respecto al año anterior, según las últimas previsiones de Gartner. Este dato refleja el rápido crecimiento en la capacidad de cómputo que las empresas necesitan para entrenar modelos, pero también indica un cambio aún más relevante para la industria cloud: la inferencia ya representará más inversión que el entrenamiento de IA.
Las claves de la infraestructura cloud para IA en 20 segundos
- Gartner prevé un gasto de 42.276 millones de dólares en IaaS optimizada para IA durante 2026.
- El mercado crecería un 96,4 % en 2026 y otro 56,5 % en 2027.
- La inferencia alcanzará los 23.300 millones de dólares, frente a los 19.000 millones destinados al entrenamiento.
- El despliegue empresarial y los agentes de IA incrementan la demanda continua de capacidad de cómputo.
La diferencia con el mercado global de cloud es significativa. Gartner estima que el gasto mundial total en IaaS pasará de 222.170 millones de dólares en 2025 a 287.347 millones en 2026, lo que supone un crecimiento del 29,3 %. La infraestructura específicamente diseñada para cargas de trabajo de inteligencia artificial experimentaría, por tanto, un crecimiento superior a tres veces esa tasa.
Las previsiones también indican que este crecimiento no se detendrá en 2026. Gartner estima que en 2027 el mercado de IaaS optimizada para IA alcanzará los 66.143 millones de dólares, lo que representa otro aumento interanual del 56,5 %. Estas cifras son previsiones, no gasto ya realizado, pero ilustran hasta qué punto la inteligencia artificial está modificando las necesidades de infraestructura de las empresas y proveedores de la nube.
De entrenar grandes modelos a ejecutar millones de consultas
Durante gran parte del auge reciente de la inteligencia artificial, la atención se ha centrado en el entrenamiento. Crear grandes modelos de lenguaje (LLM) requiere enormes cantidades de capacidad de cálculo, aceleradores especializados y sistemas de almacenamiento y redes capaces de alimentar esos procesadores con grandes volúmenes de datos.
Esa demanda continúa. Gartner calcula que en 2026 se destinarán unos 19.000 millones de dólares en infraestructura cloud para entrenamiento de IA.
Pero la siguiente fase ya está tomando protagonismo: utilizar los modelos una vez entrenados.
Cada vez que un usuario consulta un asistente de IA, una empresa procesa documentos mediante un modelo, un sistema genera código o un agente realiza una tarea, se produce inferencia. A diferencia de ciertos procesos de entrenamiento, que pueden concentrarse en periodos específicos, las aplicaciones en producción requieren capacidad disponible de forma contínua.
Por primera vez en estas previsiones, esa parte del mercado superará la inversión en entrenamiento. Gartner estima que el gasto en inferencia llegará a 23.300 millones de dólares en 2026, aproximadamente el 55 % del total destinado a infraestructura en IA.
En 2027, su peso aumentará hasta el 59 %.
| Mercado | 2025 | 2026 | Crecimiento 2026 | 2027 | Crecimiento 2027 |
|---|---|---|---|---|---|
| IaaS optimizada para IA | 21.529 M$ | 42.276 M$ | 96,4 % | 66.143 M$ | 56,5 % |
| IaaS total | 222.170 M$ | 287.347 M$ | 29,3 % | 359.899 M$ | 25,2 % |
Previsiones de Gartner publicadas en agosto de 2026.
Esta evolución implica un cambio fundamental para los proveedores de infraestructura. Entrenar un modelo requiere concentración de recursos en un período determinado. Pero servir modelos en producción plantea otras necesidades: disponibilidad constante, baja latencia, capacidad para absorber picos de demanda y costos suficientemente controlados para gestionar un elevado volumen de peticiones.
Los agentes de IA incrementan aún más la demanda de cómputo
La expansión de los agentes de inteligencia artificial puede acelerar esta tendencia. Un chatbot convencional puede recibir una consulta y generar una respuesta. Sin embargo, un sistema basado en agentes puede precisar dividir una petición en varias tareas, consultar distintas fuentes de información, utilizar herramientas externas, llamar a múltiples modelos varias veces y verificar los resultados antes de completar el trabajo.
Esto significa que una sola petición del usuario puede desencadenar múltiples operaciones de inferencia.
Gartner considera que este tipo de ejecución autónoma y en múltiples pasos aumenta la intensidad computacional de las aplicaciones y ayuda a convertir la inferencia en el principal modelo de consumo de infraestructura en IA.
También está cambiando la forma en que las empresas emplean los modelos. Además de los grandes modelos generalistas, surgen modelos ajustados para organizaciones, sectores o conjuntos de datos específicos. Cuando estas herramientas se integran en aplicaciones de atención al cliente, procesos internos, desarrollo de software o sistemas de negocio, requieren inferencias continuas.
Hardeep Singh, analista sénior de Gartner, atribuye el aumento previsto tanto a la creciente demanda de infraestructura para entrenar grandes modelos como a la rápida integración de la IA en aplicaciones y flujos de trabajo empresariales.
Según el analista, el paso de desarrollos experimentales a despliegues a gran escala está creando patrones de consumo cloud cada vez más continuos. Los modelos ajustados y especializados por dominio dejan de ser solventes solo durante pruebas, para integrarse en sistemas operativos permanentes.
La infraestructura se vuelve una parte central del coste de la IA
Las cifras explican por qué los grandes proveedores tecnológicos invierten tantos recursos en ampliar sus plataformas de inteligencia artificial. Aunque los modelos en sí mismos son clave, tras cada servicio hay una cadena de infraestructura que incluye aceleradores, servidores, memoria, almacenamiento, redes de alta velocidad, centros de datos, sistemas eléctricos y de refrigeración.
La inferencia plantea además una cuestión económica diferente. Para una empresa, no basta con tener un modelo capaz de realizar una tarea; también debe poder ejecutar ese modelo de forma repetida con niveles aceptables de rendimiento, disponibilidad y coste.
Esto puede influir en decisiones como el tamaño del modelo, el tipo de acelerador, la ubicación de la infraestructura, el proveedor cloud o incluso la combinación de servicios en la nube con infraestructura privada o dedicada.
La previsión de Gartner también muestra que la IaaS para IA aún representa una parte menor del mercado global de infraestructura en la nube. Los 42.276 millones de dólares previstos para 2026 representan aproximadamente el 14,7 % del total estimado en 287.347 millones de dólares para el conjunto de IaaS.
En 2027, esa proporción aumentaría al 18,4 %, con 66.143 millones sobre un mercado total estimado en 359.899 millones.
El crecimiento porcentual se moderaría respecto a 2026, pero seguiría siendo muy superior al crecimiento general del mercado de IaaS. Gartner espera que para 2027 la infraestructura en la nube para IA crezca un 56,5 %, frente a un 25,2 % del crecimiento global en IaaS.
Esta tendencia refleja que la transición va más allá de crear modelos cada vez mayores. El reto consiste en cómo ejecutar la IA de forma continua y a gran escala, especialmente cuando asistentes, modelos especializados y agentes evolucionan de las demostraciones a aplicaciones de uso diario.
Preguntas frecuentes
¿Cuánto se gastará en infraestructura cloud para IA en 2026?
Gartner estima que el gasto mundial en IaaS optimizada para inteligencia artificial alcanzará los 42.276 millones de dólares en 2026, lo que representa un aumento del 96,4 % respecto a 2025.
¿Se invertirá más en entrenar modelos o en ejecutar IA?
Según las previsiones de Gartner, la inferencia superará al entrenamiento en 2026, con aproximadamente 23.300 millones de dólares, frente a los 19.000 millones destinados a entrenamiento.
¿Por qué los agentes de IA necesitan más infraestructura?
Porque una sola petición puede generar múltiples operaciones: consultas al modelo, llamadas a herramientas, búsquedas y nuevas inferencias antes de obtener el resultado final. Esto puede incrementar considerablemente el cómputo necesario para cada tarea.
¿Seguirá creciendo la infraestructura para IA en 2027?
Sí, Gartner estima que en 2027 el gasto en IaaS optimizada para IA alcanzará los 66.143 millones de dólares, con un crecimiento interanual del 56,5 %.
Fuentes:
- Gartner, Previsión del gasto mundial en IaaS optimizado para IA crecerá un 96 % en 2026, 10/08/2026.