VentureBeat: el 79% de las empresas tiene sus GPU sin uso al menos la mitad del tiempo

Según datos de VentureBeat Intelligence, la división de investigación de VentureBeat, el 79% de los representantes de empresas encuestados afirma que su capacidad de GPU permanece al menos la mitad del tiempo sin ninguna ocupación. Los datos proceden de una encuesta continua del tercer trimestre de 2026, y el indicador se mantuvo en ese nivel durante los tres meses de observación. Es decir, un mercado que en los últimos años se quejaba de la escasez de aceleradores, en su mayoría no sabe aprovechar lo que ya ha comprado o alquilado.

El contraste es marcado. Mientras los presupuestos de infraestructura de IA crecen y los planes corporativos siguen incluyendo nuevas compras y reservas a largo plazo en la nube, la mayoría de las empresas tiene la mitad o más de su recurso de cómputo funcionando en vacío.

De dónde salen las horas vacías

Detrás de la inactividad de las GPU rara vez hay un único factor: suele ser un conjunto de causas organizativas y técnicas habituales. Estas son las más comunes:

• compras dimensionadas para un pico de carga que ocurre una vez cada varias semanas, mientras el clúster espera el resto del tiempo;
• aceleradores asignados a equipos o proyectos concretos, de modo que las horas libres de un grupo no están disponibles para otro;
• el entrenamiento del modelo ha terminado, pero la inferencia no ha alcanzado los volúmenes previstos;
• los datos llegan más despacio de lo que calcula la tarjeta, y un chip caro espera al cargador de datos;
• los experimentos se lanzan a mano, entre ellos se producen pausas, y por la noche y los fines de semana la cola se vacía;
• orquestación débil: no hay un planificador común, no hay partición de tarjetas en fracciones y no hay prioridades.

Un detalle importante: la encuesta registró específicamente inactividad total, es decir, tarjetas que no están ocupadas en absoluto. Es distinto de una GPU que trabaja al 30% de su rendimiento dentro de una tarea activa. En ese caso, el problema está en el código y la arquitectura. Aquí, el problema está en la gestión del recurso.

Cuánto cuesta no hacer nada

La aritmética es sencilla. Si un acelerador está ocupado la mitad del tiempo, cada hora realmente trabajada cuesta el doble que el valor nominal. Si la utilización es menor, el multiplicador crece. Con hardware propio, la amortización, la electricidad, la refrigeración y el mantenimiento se pagan tanto si la tarjeta calcula como si no. Con capacidad reservada en alquiler, la factura también llega por todas las horas, no solo por las utilizadas.

Para los proveedores, esta señal es ambigua. Por un lado, la demanda de aceleradores está respaldada por presupuestos reales. Por otro, si la mayoría de los clientes no aprovecha ni la mitad de lo que ha comprado, tarde o temprano los directores financieros empezarán a preguntar por qué se sigue comprando más. Los primeros en ser cuestionados serán los aumentos de clústeres justificados con la frase «nos falta capacidad». Se benefician quienes venden herramientas de planificación y uso compartido de GPU, así como los proveedores de nube con un modelo flexible por horas, que permite no mantener reservas de antemano.

Parámetros clave del estudio:

• fuente: VentureBeat Intelligence, la división de investigación de VentureBeat;
• formato: encuesta continua a encuestados corporativos;
• periodo: tercer trimestre de 2026;
• resultado: el 79% de las empresas informa de inactividad de GPU de al menos el 50% del tiempo;
• evolución: el indicador no cambió a lo largo de tres meses.

Por dónde empezar a cazar la inactividad

El primer paso es aburrido pero obligatorio: medir. Muchas empresas desconocen la utilización real de cada tarjeta desglosada por horas y equipos. Basta con exportar las métricas de los drivers y del sistema de planificación de un mes y ver cuándo y en manos de quién las tarjetas están vacías.

Después funcionan técnicas probadas. Pasar de asignar tarjetas a equipos a un pool común con cola y prioridades. Dividir los aceleradores grandes en fracciones aisladas para tareas pequeñas e inferencia. Trasladar a ventanas nocturnas las tareas aplazables, como el ajuste fino, la evaluación y el procesamiento por lotes. Comprobar si la tarjeta está esperando datos: si la utilización oscila mientras el procesador o el disco llegan a su límite, el problema está en el pipeline y no en la falta de GPU.

Y el último punto, el más práctico: antes de aprobar una nueva compra, exigir al equipo un informe de utilización actual. Si las cifras se parecen a las de la encuesta, es más barato poner primero orden en lo que ya está en los racks.