Hay una clase de reunión de kickoff que parece sencilla sobre el papel. El cliente llega con los requerimientos definidos, el presupuesto aprobado, los plazos claros. Todo está ahí, en la presentación. El equipo asiente. El acta se firma.
Seis meses después, ese mismo cliente llama para decir que cambió las especificaciones. No por capricho — porque la tecnología que iban a instalar quedó obsoleta antes de que se terminara la obra. Y ahora hay que rediseñar tres salas mientras el resto del edificio ya está en construcción.
Eso no es un escenario hipotético. Es lo que está pasando hoy en los proyectos de infraestructura más grandes del mundo: los datacenters diseñados para soportar la inteligencia artificial.
Y lo que nadie cuenta en los titulares sobre los miles de millones que se invierten — es lo que ocurre después de que se firma el contrato.
1. La ola que ya llegó — y que en LATAM apenas empieza a sentirse
Los números globales son difíciles de dimensionar. En 2025 los cuatro grandes — Amazon, Microsoft, Google y Meta — invirtieron cerca de $320 mil millones en infraestructura de AI. Solo en deals de datacenters, S&P Global registró más de $61 mil millones en transacciones ese año, cifra que ya superaba todo lo hecho en 2024.
Pero lo que importa para los que trabajamos en telecomunicaciones e IT en América Latina no es lo que pasa en Texas o en Virginia del Norte. Es lo que está pasando en Santiago, São Paulo, Querétaro y Bogotá.
En marzo de 2026, la conferencia Capacity LATAM reunió a operadores, inversores y reguladores en São Paulo con un mensaje que habría sido impensable hace tres años: la región ya no se discute como mercado emergente. Se discute como destino de ejecución. Brasil y México concentran más del 60% de la expansión proyectada. Santiago se posiciona como hub para campuses AI-ready, apoyado en energía renovable, madurez regulatoria y conexión a rutas marítimas internacionales. Se estima que el mercado latinoamericano pasará de $3 mil millones en 2025 a casi $7 mil millones en 2031.
“La pregunta ya no es si LATAM va a ser parte de la infraestructura global de AI. La pregunta es quién va a tener la capacidad de ejecutar cuando llegue el capital.”
Esa última frase es la que debería hacernos pensar. Porque el capital ya está llegando. Lo que escasea no es el dinero — es otra cosa.
2. El cuello de botella que nadie menciona en las noticias
Cuando los medios hablan de datacenters para AI, hablan de GPUs, de gigawatts, de billones de dólares. Rara vez hablan de transformadores.
Los transformadores de alta tensión necesarios para alimentar un datacenter moderno tienen tiempos de entrega de entre 12 y 18 meses. Los generadores de respaldo, el switchgear, los sistemas de distribución redundante — el mismo panorama. Eso significa que si hoy alguien toma la decisión de construir un datacenter AI-ready en Santiago, la infraestructura eléctrica crítica tiene que pedirse antes de que se aprueben la mayoría de los permisos de construcción.
Y los permisos — que en teoría deberían agilizarse para proyectos estratégicos — se están complicando. Se suman revisores externos, requisitos ambientales más estrictos, aprobaciones que antes tomaban semanas ahora toman meses.
Luego está el problema del cooling. Los racks de hace cinco años manejaban entre 5 y 8 kilowatts de densidad. Los racks actuales para cargas de AI pueden exigir entre 15 y 50 kilowatts — en algunos proyectos, más de 100 kW por rack. Eso obliga a rediseñar la arquitectura mecánica y eléctrica completa de las instalaciones, e introduce liquid cooling como estándar, no como excepción. Un sistema de liquid cooling no se instala igual en cada proyecto: las configuraciones varían, las posiciones de las unidades de distribución cambian, y cada cliente tiene requerimientos específicos que pueden mutar a mitad del deployment.
Cualquier equipo que haya gestionado un proyecto IT en producción reconoce esa lógica de inmediato: cambia el requerimiento, cambia la arquitectura, cambia el plan. Lo que diferencia a un datacenter es que la escala amplifica cada error de coordinación en semanas de retraso y millones en reprocesos.
“El capital para construir datacenters sobra. Lo que escasea es la capacidad de entregar cuando los componentes llegan tarde, los permisos se complican y el cliente cambia las especificaciones con el proyecto en marcha.”
3. Lo que se ve desde adentro — sin el discurso del corte de cinta
Un datacenter AI-ready en 2026 no es un edificio. Es un sistema integrado de subsistemas que deben funcionar en conjunto desde el primer día: energía, cooling, networking, seguridad física, control ambiental, y el hardware de compute que vive dentro.
Construirlo exige coordinar civil, eléctrico, mecánico, networking y al cliente — que es quien define los requerimientos, y que en la industria actual los cambia con frecuencia. Proyectos que antes requerían 750 personas en obra ahora mueven equipos de 4.000. El commissioning — la fase de validación y puesta en marcha — se ha vuelto tan exigente como la construcción misma, porque el margen de error operacional es mínimo.
El diseño modular y prefabricado se está imponiendo como estándar precisamente porque permite acortar tiempos: power skids, cooling assemblies, módulos de espacio blanco — todo se ensambla y prueba fuera del sitio antes de instalarse. Pero incluso eso requiere una gestión de proveedores y una coordinación de cronogramas que no perdona improvisación.
El desafío no es hacer las tareas. Es que las tareas tienen dependencias entre sí, y las dependencias tienen dependencias. Y cuando el cliente cambia algo — en producción, en plena obra — la onda expansiva toca todo el árbol.
“Construir un datacenter AI-ready no es un problema de ingeniería. Es un problema de coordinación que la ingeniería tiene que resolver.”
4. LATAM: dónde están las oportunidades reales — y para quién
No todas las oportunidades en este mercado son para quienes van a construir el datacenter. Eso es lo primero que hay que entender.
El ecosistema que rodea a un datacenter es amplio: diseño y consultoría de infraestructura, gestión de proveedores locales, integración de sistemas, operación y mantenimiento, seguridad, conectividad. Y en LATAM, donde los grandes operadores globales llegan con capital pero sin conocimiento local del terreno regulatorio, los proveedores de servicios, y los riesgos de ejecución — hay espacio real para quienes tienen ese conocimiento.
Las ciudades que ya están en el mapa:
São Paulo — el hub más maduro, con la mayor concentración de capacidad instalada y el ecosistema de proveedores más desarrollado de la región. Alta competencia, pero también la mayor demanda.
Santiago — emergiendo con fuerza por tres razones: energía renovable abundante y barata, estabilidad regulatoria comparada con el resto de la región, y posición geográfica estratégica con acceso a cables submarinos del Pacífico. Un hub que hace tres años no aparecía en los planes de los hyperscalers y hoy sí.
Querétaro (México) — consolidado como el hub más importante de México para infraestructura de hyperscalers, con inversión creciente de AWS, Google y Microsoft.
Bogotá y Buenos Aires — mercados en desarrollo, con demanda local creciente pero aún con más fricción regulatoria y de infraestructura energética.
Las oportunidades no son solo para las empresas grandes. Para profesionales en gestión de proyectos, consultoría de infraestructura IT, o integración de sistemas — la demanda de talento con experiencia real en proyectos complejos está creciendo más rápido que la oferta.
5. Para los que gestionamos proyectos: qué leer de todo esto
Hay una tentación fácil al leer sobre el boom de los datacenters: verlo como algo que le pasa a otros. A las empresas grandes, a los inversores, a los países con más capital.
Pero para quienes trabajan en gestión de proyectos IT — en telco, en banca, en cualquier industria con infraestructura crítica — lo que está pasando con los datacenters para AI es una señal directa. No porque el paso siguiente sea construir un campus de 300 acres. Sino porque las habilidades que se necesitan para ejecutar esos proyectos son exactamente las que ya existen en los equipos operacionales: gestión de dependencias complejas, coordinación entre disciplinas técnicas con lógicas distintas, control de cambios en producción, comunicación con stakeholders bajo presión.
La diferencia es de escala y de industria — no de lógica.
Lo que el mercado de infraestructura de AI está comenzando a demandar en LATAM no son solo ingenieros de datacenter. Son perfiles que puedan gestionar la complejidad de proyectos donde los requerimientos cambian, los proveedores tienen lead times inmanejables, y el cliente necesita certeza de entrega en entornos que son, por definición, inciertos.
Ese perfil ya existe en la región. A veces solo falta reconocerlo — y posicionarlo.
“El próximo gran proyecto de infraestructura no va a pedirte que cambies de industria. Va a pedirte que apliques lo que ya sabes en una escala que todavía no imaginabas.”
Cierre
El titular sobre los miles de millones de dólares que se invierten en datacenters es real. Lo que no aparece en ese titular es la reunión donde alguien descubrió que el transformador tiene 18 meses de espera, que el cliente cambió la spec de cooling a mitad del proyecto, y que los permisos se van a demorar el doble de lo previsto.
Esa conversación — donde la complejidad real aparece — es la que define si un proyecto se entrega o no. Y es ahí donde el expertise operacional tiene un valor que los titulares no miden.
LATAM está en el mapa. El capital está llegando. La pregunta es quién va a estar listo para ejecutar cuando toque.
Claudio from ViaMind
Atrévete a imaginar, crear y transformar.
— Claudio
¿Te resonó algo de esto? Comparte o comenta — la conversación empieza ahí.
POST DESTACADOS
SOBRE MI
Ecosistema ViaMind
- ViaMind — El núcleo de ideas, tecnología y estrategia.
- NeuraPRO — Software práctico para gestionar operaciones reales.
- Consulting — Asesoría para decisiones complejas en IA y telecomunicaciones.