El gasto mundial en infraestructura como servicio (IaaS) optimizada para inteligencia artificial alcanzará los 42.276 millones de dólares en 2026, un 96,4 % más que el año anterior, según las últimas previsiones de Gartner. El dato refleja el rápido aumento de la capacidad de cómputo que necesitan las empresas para entrenar modelos, pero también un cambio que puede ser todavía más importante para la industria cloud: la inferencia ya moverá más dinero 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 % este año y otro 56,5 % en 2027.
- La inferencia alcanzará los 23.300 millones, frente a 19.000 millones destinados al entrenamiento.
- El despliegue empresarial y los agentes de IA elevan la demanda continua de capacidad de cómputo.
La diferencia con el conjunto del mercado cloud es considerable. Gartner calcula que el gasto mundial total en IaaS pasará de 222.170 millones de dólares en 2025 a 287.347 millones en 2026, un crecimiento del 29,3 %. La infraestructura específicamente preparada para cargas de inteligencia artificial avanzaría, por tanto, a más del triple de ese ritmo.
La previsión también apunta a que este crecimiento no terminará en 2026. Gartner estima que el mercado de IaaS optimizada para IA llegará a 66.143 millones de dólares en 2027, otro incremento interanual del 56,5 %. Son previsiones, no gasto ya ejecutado, pero muestran hasta qué punto la inteligencia artificial está modificando las necesidades de infraestructura de las empresas y de los proveedores cloud.
De entrenar grandes modelos a ejecutar millones de consultas
Durante buena parte del auge reciente de la inteligencia artificial, la atención se ha concentrado en el entrenamiento. Crear grandes modelos de lenguaje (LLM) requiere enormes cantidades de capacidad de cálculo, aceleradores especializados y sistemas de almacenamiento y red capaces de alimentar esos procesadores con grandes volúmenes de datos.
Esa demanda continúa. Gartner calcula que durante 2026 se destinarán alrededor de 19.000 millones de dólares a infraestructura cloud para entrenamiento de IA.
Pero la siguiente fase ya está ganando peso: 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 ejecuta una tarea, se produce inferencia. A diferencia de determinados procesos de entrenamiento, que pueden concentrarse durante periodos concretos, las aplicaciones en producción necesitan capacidad disponible de manera permanente.
Por primera vez dentro de estas previsiones, esa parte del mercado superará al entrenamiento. Gartner estima que el gasto asociado a inferencia alcanzará 23.300 millones de dólares en 2026, aproximadamente el 55 % de todo el gasto en IaaS optimizada para IA.
En 2027 su peso aumentaría 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.
La evolución supone un cambio relevante para los proveedores de infraestructura. Entrenar un modelo exige una gran concentración de recursos durante un periodo determinado. Servir modelos en producción plantea otro tipo de necesidades: disponibilidad constante, baja latencia, capacidad para absorber picos de demanda y costes suficientemente controlados como para ejecutar enormes cantidades de peticiones.
Los agentes de IA aumentan todavía 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. Un sistema basado en agentes puede necesitar dividir una petición en varias tareas, consultar distintas fuentes de información, utilizar herramientas externas, llamar varias veces a uno o varios modelos y comprobar los resultados antes de completar el trabajo.
Eso significa que una única petición del usuario puede desencadenar múltiples operaciones de inferencia.
Gartner considera que este tipo de ejecución autónoma y en varios pasos aumenta la intensidad computacional de las aplicaciones y ayuda a convertir la inferencia en el principal modelo de consumo de infraestructura para IA.
También está cambiando la forma en la que las empresas utilizan los modelos. Junto a los grandes modelos generalistas aparecen modelos ajustados para determinadas organizaciones, sectores o conjuntos de datos. Cuando estas herramientas se incorporan a aplicaciones de atención al cliente, procesos internos, desarrollo de software o sistemas operativos de negocio, necesitan ejecutar inferencias continuamente.
Hardeep Singh, analista principal sénior de Gartner, atribuye el crecimiento previsto tanto a la demanda de infraestructura para entrenar grandes modelos como a la rápida incorporación de la IA a aplicaciones y flujos de trabajo empresariales.
Según el analista, el paso desde el desarrollo experimental hacia despliegues a escala de producción está creando patrones de consumo cloud más continuos. Los modelos ajustados y especializados por dominio dejan de utilizarse únicamente durante pruebas para integrarse en sistemas que funcionan de forma permanente.
La infraestructura se convierte en una parte central del coste de la IA
Las cifras ayudan a explicar por qué los grandes proveedores tecnológicos están dedicando tantos recursos a ampliar sus plataformas de inteligencia artificial. El debate sobre IA suele centrarse en los propios modelos, pero detrás de cada servicio existe una cadena de infraestructura que incluye aceleradores, servidores, memoria, almacenamiento, redes de alta velocidad, centros de datos, sistemas eléctricos y refrigeración.
La inferencia introduce además una cuestión económica distinta. Para una empresa no basta con disponer de un modelo capaz de realizar una tarea. También debe poder ejecutarlo de forma repetida con unos niveles aceptables de rendimiento, disponibilidad y coste.
Esto puede influir en decisiones como el tamaño del modelo utilizado, el tipo de acelerador, la ubicación de la infraestructura, el proveedor cloud o incluso la conveniencia de combinar servicios cloud con infraestructura dedicada o privada.
La previsión de Gartner muestra también que la IaaS para IA todavía representa una parte minoritaria del mercado global de infraestructura como servicio. Los 42.276 millones de dólares previstos para 2026 equivalen aproximadamente al 14,7 % de los 287.347 millones que Gartner calcula para el conjunto de IaaS.
En 2027 esa proporción se acercaría al 18,4 %, con 66.143 millones sobre un mercado total estimado en 359.899 millones.
El crecimiento porcentual se moderaría respecto al salto de 2026, pero seguiría siendo muy superior al del mercado general de IaaS. Gartner espera que este último avance un 25,2 % en 2027, frente al 56,5 % previsto para la infraestructura optimizada para inteligencia artificial.
La diferencia refleja una transición que ya va más allá de construir modelos cada vez mayores. El reto empieza a trasladarse a cómo ejecutar la IA de forma continua y a gran escala, especialmente cuando asistentes, modelos especializados y agentes pasan de las demostraciones a aplicaciones utilizadas diariamente.
Preguntas frecuentes
¿Cuánto se gastará en infraestructura cloud para IA en 2026?
Gartner prevé que el gasto mundial en IaaS optimizada para inteligencia artificial alcance los 42.276 millones de dólares en 2026, un 96,4 % más que en 2025.
¿Se gastará más en entrenar modelos o en ejecutar IA?
La inferencia superará al entrenamiento según las previsiones de Gartner. En 2026 moverá unos 23.300 millones de dólares, frente a los 19.000 millones destinados al entrenamiento.
¿Por qué los agentes de IA necesitan más infraestructura?
Porque una petición puede generar varias operaciones: consultas al modelo, llamadas a herramientas, búsquedas y nuevas inferencias antes de obtener el resultado final. Esto puede elevar la cantidad de cómputo necesaria para cada tarea.
¿Seguirá creciendo la infraestructura para IA en 2027?
Gartner estima que sí. El gasto mundial en IaaS optimizada para IA alcanzaría 66.143 millones de dólares en 2027, un crecimiento interanual del 56,5 %.
Fuentes:
- Gartner, Gartner Forecasts Worldwide AI-Optimized IaaS Spending to Grow 96% Through 2026, 10/08/2026.
