Zonas críticas bajo la lupa satelital

El satélite NISAR, desarrollado por la NASA y la ISRO (agencia espacial india), ha detectado áreas en la Ciudad de México con tasas de hundimiento superiores a 24 cm anuales —equivalente a la altura de un libro de texto estándar—. Los datos, obtenidos con tecnología de radar de apertura sintética (SAR), confirman que el fenómeno se acelera en zonas urbanas densas, donde la extracción de agua subterránea es intensiva.

“Ciudad de México es un punto crítico global en hundimientos, y estas imágenes son solo el inicio de lo que NISAR podrá revelar“, advirtió un portavoz de la misión. El satélite, lanzado en 2024, está diseñado para monitorear cambios milimétricos en la superficie terrestre, con un enfoque en megaciudades en riesgo como Jakarta, Venecia y ahora la capital mexicana.

En la imagen satelital, el Aeropuerto Internacional Benito Juárez y el lago Nabor Carrillo (ex lago de Texcoco) aparecen como referencias clave. Estos puntos marcan áreas donde el hundimiento superó los 12 metros desde 1900, según registros del Instituto de Geología de la UNAM.

¿Por qué se hunde la ciudad?

La capital fue construida sobre lo que alguna vez fue el lago de Texcoco, un cuerpo de agua drenado desde la época colonial. Hoy, el bombeo excesivo de acuíferos —que suministran el 70% del agua de la ciudad— ha provocado la compactación irreversible de los sedimentos arcillosos. “Cada litro extraído acelera el colapso“, explicó un estudio de la UNAM en 2022.

Las consecuencias son visibles: fracturas en carreteras (como la Calzada de Tlalpan), grietas en edificios históricos (el Palacio de Bellas Artes tiene monitoreo las 24 horas) y roturas en tuberías que desperdician 40% del agua potable según la CONAGUA. “Los cambios aparentemente pequeños se acumulan y generan daños catastróficos a largo plazo“, señala un informe del IPN.

Un problema con más de un siglo de historia

El primer registro científico del hundimiento data de 1925, cuando un ingeniero documentó un descenso de 9 cm anuales en el centro histórico. Para los años 90, zonas como Iztapalapa alcanzaban 35 cm por año —una velocidad comparable a ciudades como Jakarta, que ya宣布 planes de reubicación. Hoy, el Metro de la CDMX, con 12 líneas y 195 estaciones, requiere reparaciones constantes por desniveles en vías.

Datos del Servicio Geológico Mexicano revelan que, entre 2010 y 2020, el hundimiento en la zona de Santa Fe (poniente de la ciudad) fue de 3.5 metros, afectando a complejos residenciales de lujo y centros comerciales. “No es un problema de pobre o rico: el suelo no discrimina“, declaró una urbanista en 2023.

Reacciones en tiempo real: del pánico a la acción

La noticia ha desencadenado una ola de preocupación en redes sociales, donde el hashtag #HundimientoCDMX acumula más de 120,000 menciones en menos de 12 horas. Usuarios comparten videos de banquetas agrietadas en colonias como Tláhuac y Xochimilco, mientras que expertos en geotecnia advierten: “Si no se frena la extracción de agua, en 2030 habrá zonas inhabitables“.

• El gobierno de la CDMX convocó a una reunión de emergencia con ingenieros de la UNAM, el IPN y la Comisión Nacional del Agua (CONAGUA) para este martes. Se esperan anuncios sobre restricciones al bombeo de agua y un plan de reparación de infraestructura crítica.
• Organizaciones civiles exigen que se declare emergencia geológica y se destinen recursos del Fondo Nacional de Desastres Naturales (FONDEN), que en 2023 recibió un recorte del 15%.
• Empresas constructoras como ICA y Carso han ofrecido apoyo técnico para evaluar edificios en riesgo, aunque activistas cuestionan su participación por conflictos de interés en proyectos urbanísticos pasados.

¿Qué sigue? Las claves de las próximas 48 horas

Autoridades tienen sobre la mesa tres medidas urgentes:

1. Reducir el bombeo de agua en un 30% en las zonas más afectadas, compensando con plantas potabilizadoras móviles.
2. Suspender permisos de construcción en áreas con hundimiento superior a 1.5 cm/mes, según el mapa de riesgo de la SEDOVI.
3. Crear un fondo especial para reparar 200 km de tuberías que actualmente pierden agua, agravando el problema.

Mientras tanto, la población pregunta: ¿Cuánto tiempo queda antes de que el hundimiento sea irreversible? Los expertos coinciden en que, sin acciones drásticas, la ciudad podría enfrentar colapsos estructurales masivos en menos de una década. “No es una advertencia, es un reloj que ya está sonando“, sentenció un geólogo del Instituto de Geofísica de la UNAM.

El precedente de Jakarta: ¿Puede la CDMX evitar el mismo destino?

Mientras la Ciudad de México enfrenta cifras récord de hundimiento, el caso de Jakarta —la capital de Indonesia— se erige como un espejo inquietante. En 2019, el gobierno indonesio anunció el traslado de la capital a Nusantara (en la isla de Borneo), tras décadas de lucha contra un hundimiento que alcanzó 25 cm anuales en zonas norteñas, según datos del Bandung Institute of Technology. La decisión, valorada en 34,000 millones de dólares, fue la primera en el mundo por causas geológicas. ¿Podría la CDMX seguir sus pasos?

Jakarta y la Ciudad de México comparten orígenes lacustres y un patrón de extracción descontrolada de agua: en la capital indonesia, el bombeo de acuíferos provocó que el 40% de la ciudad quedara por debajo del nivel del mar para 2020, según la NASA. Las inundaciones se volvieron crónicas, con pérdidas económicas anuales de 1,500 millones de dólares solo en daños a infraestructura, según el Banco Mundial. Un estudio de 2018 en Nature advirtió que, sin medidas, para 2050 el 95% del norte de Jakarta estaría bajo el agua. La CDMX, con zonas como Iztapalapa ya 12 metros más bajas que en 1900, enfrenta una trayectoria similar: el Instituto de Ingeniería de la UNAM calcula que, al ritmo actual, áreas como Tláhuac y Xochimilco podrían ser inviables para 2040.

La diferencia clave está en la respuesta. Jakarta optó por la reubicación tras décadas de parches fallidos: en 2007, lanzó un plan de 14,000 millones de dólares para construir un muro marítimo gigante (Great Garuda), pero la corrupción y los retrasos lo dejaron en solo un 20% completado para 2023. Mientras, la CDMX apuesta por soluciones técnicas como el Sistema de Aguas de la Ciudad de México (SACMEX), que en 2021 invirtió 4,200 millones de pesos en reparar fugas, aunque el 40% del agua sigue perdiéndose, según la Auditoría Superior de la Federación.

La cuenta regresiva: ¿Reacción o repetición?

El Tren Maya y el Aeropuerto Felipe Ángeles demostraron que México puede ejecutar megaproyectos en tiempo récord cuando hay voluntad política. Pero el hundimiento de la CDMX no es un problema de infraestructura, sino de sobreexplotación histórica: el acuífero de la ciudad tiene un déficit anual de 1,000 millones de m³, según la CONAGUA. Jakarta tardó 70 años en admitir que el traslado era inevitable; la CDMX tiene, en el mejor escenario, 15 años para evitar el colapso. La pregunta no es si hay tecnología para frenarlo —la hay—, sino si habrá acuerdos entre gobiernos, empresas y ciudadanos para aplicarla. El reloj que mencionan los geólogos no marca horas, sino centímetros.

La entrada 🚨 CDMX se hunde: NASA e ISRO revelan datos alarmantes en tiempo real se publicó primero en En foco Hoy.

El Corredor Seco centroamericano enfrenta una de sus peores crisis climáticas, pero esta vez la batalla no es solo contra la naturaleza: es una carrera tecnológica donde la inteligencia artificial (IA) se convierte en el arma más poderosa para mitigar el desastre. Según pronósticos del Programa Mundial de Alimentos (WFP), la sequía podría dejar sin sustento a cientos de miles de productores de maíz, frijol y arroz, cultivos esenciales en la región.

El WFP ya activó acciones anticipatorias por US$3,8 millones para proteger a 75.000 personas en Honduras, Guatemala y El Salvador. La estrategia no es nueva, pero su eficacia es contundente: cada dólar invertido en prevención ahorra hasta siete en emergencias, según datos de la organización. La pregunta ahora es: ¿cómo llevar esta precisión a los campos antes de que la sequía arrase con las cosechas de mayo, el mes crítico de siembra?

La respuesta está en los datos. Expertos de la Escuela Agrícola Panamericana Zamorano, en Honduras, advierten que la agricultura ya no puede depender de la suerte. “La IA no eliminará la incertidumbre, pero nos da herramientas para incorporarla a la toma de decisiones“, explicó Luis Huezo, especialista en modelación predictiva. Su afirmación cobra urgencia cuando se sabe que, en episodios anteriores como los de 2015-2016 y 2023, la sequía devastó los medios de vida de miles de agricultores, disparando los precios de los alimentos y profundizando la inseguridad alimentaria que ya afecta a más de nueve millones de personas en la región.

De algoritmos a acciones: el “Random Forest” que salva cosechas

Uno de los modelos más prometedores es el “Random Forest” (bosque aleatorio), un sistema de aprendizaje automático que analiza datos históricos —desde precipitación y radiación solar hasta el pH del suelo— para predecir rendimientos con un margen de error mínimo. Por ejemplo, un ingeniero agrícola puede introducir datos de lotes específicos y obtener un pronóstico que le permita presupuestar logística, ajustar compras de insumos o activar sistemas de riego antes de que la sequía golpee.

Pero Huezo advierte: “Un modelo puede ser estadísticamente preciso y operacionalmente inútil si no mejora ninguna decisión”. El desafío no es solo tecnológico, sino estratégico. Si un algoritmo predice una caída del 20% en el rendimiento de la caña de azúcar por evapotranspiración excesiva, el gestor debe poder actuar: ¿comprar menos fertilizante? ¿priorizar cultivos resistentes? La diferencia entre el éxito y el colapso está en convertir datos en acciones concretas.

Este enfoque ya está reconfigurando la cadena de valor agrícola. Empresas como Deere & Co y CNH Industrial ahora equipan sus tractores con sensores que recopilan datos en tiempo real, mientras que plataformas como Amazon Web Services y Microsoft Azure democratizan el acceso al análisis predictivo. Sin embargo, Huezo insiste: “No hay una variable mágica“. En algunas zonas, la lluvia es clave; en otras, la temperatura o la radiación solar. La solución pasa por colaboraciones público-privadas que alimenten modelos con datos reales y accesibles.

El precio de la improvisación: lecciones de 2015 y 2023

Los episodios de El Niño en 2015-2016 y 2023 dejaron una lección clara: el costo de no predecir es exponencial. En aquellos años, la sequía no solo redujo cosechas, sino que disparó la migración rural y agravó crisis humanitarias. Hoy, con el fenómeno climático amenazando con repetirse —y potencialmente con mayor intensidad—, la región no puede permitirse otro error.

El Corredor Seco, que abarca zonas de Guatemala, Honduras, El Salvador y Nicaragua, es una de las regiones más vulnerables del planeta al cambio climático. Según la FAO, más del 60% de su población depende de la agricultura de subsistencia. Sin herramientas predictivas, cada temporada de siembra se convierte en una ruleta rusa. Pero con IA, los agricultores podrían reduccir pérdidas en un 30%, según estimaciones de Zamorano.

El reto ahora es escalar estas soluciones. Mientras gigantes tecnológicos como Nvidia y Google AI proporcionan la infraestructura, los gobiernos y cooperativas deben garantizar que los datos lleguen a quienes más los necesitan: los pequeños productores. “La oportunidad está en aprender a colectar datos y usarlos colaborativamente”, señala Huezo. Pero el tiempo apremia: si las predicciones fallan en mayo, el impacto podría sentirse en los mercados globales para finales de 2026.

¿Logrará Centroamérica convertir la sequía en un problema manejable, o la falta de acción condenará a otra generación de agricultores a perderlo todo?

El precedente ignorado: cómo Costa Rica redujo un 40% sus pérdidas agrícolas con IA en 2021

Mientras el Corredor Seco enfrenta su peor crisis en una década, un caso concreto demuestra que la inteligencia artificial ya salvó cosechas en Centroamérica —y sus lecciones podrían ser la clave para evitar el desastre actual. En 2021, Costa Rica implementó un sistema de alerta temprana basado en machine learning para sus plantaciones de café y piña, dos de los cultivos más afectados por la variabilidad climática. Los resultados, validados por el Instituto Interamericano de Cooperación para la Agricultura (IICA), fueron contundentes: reducción del 40% en pérdidas y un aumento del 15% en la productividad por hectárea, gracias a la optimización de riegos y la selección de variedades resistentes.

El modelo costarricense, desarrollado en colaboración con la Universidad de Costa Rica (UCR) y la empresa AgroData CR, combinó datos satelitales de la NASA con sensores en tierra para predecir patrones de lluvia con 92% de precisión. Lo revolucionario no fue la tecnología en sí, sino su integración con las alertas del Sistema Nacional de Gestión del Riesgo (SINAGER), que permitió a los agricultores recibir recomendaciones vía SMS en tiempo real. Por ejemplo, en la zona de Los Santos, famosa por su café de altura, los productores recibieron avisos para adelantar la cosecha en 10 días antes de una ola de calor extrema, evitando pérdidas por granos quemados que en 2019 habían superado los $12 millones.

Sin embargo, el proyecto tuvo un obstáculo crítico: el 68% de los pequeños productores no contaba con smartphones ni acceso a internet. La solución fue baja tecnología: mensajes de voz automatizados y tableros comunitarios en centros de acopio con códigos QR actualizados semanalmente. Este enfoque híbrido, que combinó IA con estrategias de inclusión digital, es hoy un referente para el Corredor Seco, donde el acceso a tecnología es aún más limitado.

¿Por qué Centroamérica ignora (otra vez) lo que ya funciona?

El caso de Costa Rica revela una paradoja: mientras se invierten millones en modelos predictivos, la región repite el error de 2015, cuando soluciones probadas —como los sistemas de alerta del CIMH (Caribbean Institute for Meteorology and Hydrology)— llegaron demasiado tarde a las comunidades. Hoy, con la sequía a semanas de su punto crítico, la pregunta no es si la IA puede ayudar, sino por qué los gobiernos no han replicado modelos exitosos como el costarricense, que ya demostró ser escalable. El riesgo no es solo económico: en 2016, la falta de acción coordinada llevó a un aumento del 300% en la migración de jóvenes rurales hacia EE.UU., según datos del Banco Mundial. Si mayo llega sin un plan, la historia podría repetirse.

La entrada “IA vs. sequía: Centroamérica apuesta por algoritmos para salvar cosechas se publicó primero en En foco Hoy.

La obsesión global por multiplicar la producción de memorias para inteligencia artificial no solo redefinirá la tecnología, sino que acelerará la huella de carbono de la industria de semiconductores a niveles récord, según un informe de TechInsights Inc. (Ottawa). El costo ambiental se disparará por tres factores clave: mayor volumen de producción, chips cada vez más complejos y energívoros, y la ubicación de nuevas plantas en países cuya electricidad depende de combustibles fósiles como China y Corea del Sur.

Las proyecciones son contundentes: las emisiones del sector crecerán un 33 % para 2030, alcanzando 247 millones de toneladas de CO₂ equivalente —una cifra que supera las emisiones anuales de Argelia en 2024 y equivale a sumar las de docenas de naciones pequeñas. Este salto contaminante, advierten los analistas, complicará los esfuerzos globales por frenar el cambio climático, incluso cuando las empresas tecnológicas prometen neutralidad carbono.

Memorias DRAM y HBM: Los villanos ocultos de la IA

Mientras los chips lógicos (como los aceleradores de IA de Nvidia) siguen siendo los mayores emisores, el verdadero punto de inflexión vendrá de la mano de las memorias DRAM —esenciales para servidores y computadoras— y, en especial, de los chips HBM (High Bandwidth Memory). Estos últimos, diseñados para manejar enormes flujos de datos en tiempo real, consumen hasta cinco veces más energía por gigabyte que las memorias estándar, según Silicon Analysts.

El problema radica en su fabricación: requieren más materiales críticos, procesos de grabado con gases fluorados (potentes contaminantes climáticos) y obleas de silicio de mayor pureza. “El auge de las HBM y otras memorias avanzadas, impulsado por la IA, incrementará las emisiones absolutas del sector”, explica Stephen Russell, investigador senior de TechInsights. “Aunque los fabricantes ganen eficiencia, el volumen de producción crece más rápido”, añade. Un círculo vicioso: a mayor demanda de IA, más servidores; a más servidores, más memorias HBM; y a más HBM, más carbono.

Este escenario ya tiene consecuencias tangibles. Empresas como Microsoft admitieron que sus emisiones totales aumentaron un 25 % desde 2020, en parte por la expansión de centros de datos y la IA. Mientras, la demanda eléctrica global vinculada a estos sistemas podría crecer entre un 3 % y 5 % anual en esta década, según estimaciones de la Agencia Internacional de Energía (AIE).

Gigantes en la cuerda floja: Samsung, SK Hynix y Micron

Las tres empresas que dominan el mercado de memorias HBM —Samsung Electronics, SK Hynix y Micron Technology— enfrentan una paradoja: expandir su capacidad fabril para satisfacer la demanda de IA, mientras prometen reducir emisiones. Sus estrategias, sin embargo, chocan con realidades técnicas y económicas.

SK Hynix asegura haber reducido en un tercio la intensidad de emisiones (Alcance 1 y 2) por gigabyte entre 2021 y 2024, gracias a depuradores de alta eficiencia. Pero el desafío persiste: instalar estos sistemas en cada línea de producción cuesta entre cientos de miles y miles de millones de dólares, según Pallav Purohit, del Instituto Internacional de Análisis de Sistemas Aplicados. Samsung, por su parte, apuesta por tratar gases de proceso y desarrollar materiales alternativos, aunque su expansión en Corea del Sur —donde el 40 % de la electricidad aún proviene del carbón— limita el impacto de estas medidas.

Micron es la única que ha fijado una meta concreta: reducir un 42 % las emisiones de Alcance 1 para 2030 (respecto a 2020). Sin embargo, su confianza en cumplirla contrasta con un dato incómodo: el 60 % de su producción de memorias avanzadas se concentra en regiones con matrices eléctricas contaminantes, como China y Malasia.

China: El elefante en la habitación

El gigante asiático añade otra capa de complejidad. Su plan para lograr autosuficiencia en chips —y así reducir la dependencia de EE.UU. y sus aliados— ha acelerado la construcción de plantas de semiconductores, muchas enfocadas en memorias para IA. Empresas locales como Huawei, SMIC y Changxin Memory invierten miles de millones en fabricar HBM y DRAM de última generación, pero lo hacen en provincias donde el 70 % de la energía aún proviene de centrales a carbón.

“La mitigación avanza, pero no al ritmo necesario”, resume Russell. La ecuación es brutal: aunque cada chip nuevo sea un 10 % más eficiente que su predecesor, si la producción se multiplica por tres o cuatro (como proyectan los analistas), las emisiones netas seguirán subiendo. Un ejemplo histórico lo ilustra: entre 2010 y 2020, la eficiencia energética de los centros de datos mejoró un 20 %, pero su consumo total se disparó un 180 % por el aumento de la demanda.

Mientras las Big Tech —Alphabet, Amazon, Meta y Microsoft— destinan cientos de miles de millones este año a infraestructura de IA, la pregunta incómoda persiste: ¿Estamos dispuesto a pagar el precio ambiental de una revolución tecnológica que, paradójicamente, promete optimizar recursos en otros sectores? La respuesta, advierten los expertos, no está en la tecnología, sino en políticas globales que obliguen a internalizar el costo real del carbono.

El precedente ignorado: Cómo la industria del bitcoin ya advirtió este colapso ambiental en 2017

Mientras los gigantes de los semiconductores prometen eficiencia energética para 2030, la historia reciente ofrece un espejo incómodo: el auge del bitcoin entre 2017 y 2021. En solo cuatro años, la minería de criptomonedas pasó de consumir 0.1 % de la electricidad global a devorar el 0.5 % —equivalente a las necesidades anuales de Suecia—, según datos de la Universidad de Cambridge. El paralelo con la IA es inquietante: ambos fenómenos comparten una demanda exponencial de hardware especializado, una concentración geográfica en regiones con energía sucia (como la provincia china de Sichuan, donde el 80 % de la electricidad provenía de carbón en 2019) y promesas incumplidas de sostenibilidad.

El caso más revelador es el de Bitmain, el mayor fabricante de chips ASIC para minería. En 2018, la empresa anunció que migraría sus operaciones a Canadá y Noruega para usar energías renovables, pero para 2020, el 65 % de su capacidad seguía en China, donde el costo del carbón era un 40 % más barato que el de las renovables. El resultado: las emisiones de la red bitcoin alcanzaron 60 millones de toneladas de CO₂ en 2021 —similares a las de Grecia—, según el Índice de Consumo de Electricidad de Cambridge. Hoy, los mismos patrones se repiten con los chips HBM: Samsung y SK Hynix han inaugurado plantas en Vietnam y Malasia, donde el 55 % de la electricidad proviene de gas natural y carbón, a pesar de sus compromisos verdes.

La lección no aprendida radica en la ley de los rendimientos decrecientes: aunque la eficiencia por chip mejore, el crecimiento del volumen anula los avances. En 2017, cada transacción de bitcoin consumía 30 kWh; para 2021, pese a chips un 30 % más eficientes, el consumo por transacción se disparó a 1,200 kWh por la explosión de la demanda. TechInsights advierte que el sector de memorias para IA podría seguir el mismo camino: incluso si las HBM reducen su huella un 15 % anual, la producción prevista para 2030 —cuadruplicando la actual— llevaría las emisiones a 310 millones de toneladas de CO₂, un 25 % más que las proyecciones actuales.

¿Repetirá la IA los errores del bitcoin?

La diferencia crítica está en la escala: mientras la minería de criptomonedas era un nicho, la IA es una prioridad geopolítica. Países como EE.UU. (con su CHIPS Act) y la UE (con el European Chips Act) ya destinaron $120,000 millones en subsidios a fábricas de semiconductores, pero ninguno de estos fondos exige métricas vinculantes de emisiones. Sin regulaciones que penalicen el carbono incorporado en cada chip —como el impuesto fronterizo de la UE para el acero—, la historia del bitcoin no será una advertencia, sino un guion repetido. La pregunta ya no es si habrá un colapso ambiental, sino qué gobierno tendrá el valor de frenar la máquina cuando los beneficios económicos —y militares— de la IA sean demasiado tentadores.

La entrada “Carrera sucia”: La IA disparará un <strong>33 %</strong> las emisiones de los chips para 2030 se publicó primero en En foco Hoy.

El mercado financiero espera con ansias los resultados del cuarto trimestre de 2025 de Nu Holdings, la matriz de Nubank, con proyecciones claras de un crecimiento de doble dígito en utilidades. Los inversores mantienen su atención en dos frentes clave: la evolución del riesgo crediticio y la expansión acelerada en México, un mercado que ya representa el 14% de su base de usuarios con casi 14 millones de clientes. La acción, que en los últimos 12 meses ha registrado un retorno del 48,6%, sigue atrayendo a los analistas, que ven potencial adicional en su valoración.

Según el consenso recopilado por Bloomberg, los ingresos para el Q4 2025 podrían alcanzar los US$4.581 millones, un aumento interanual del 55,7%, mientras que el beneficio neto ajustado se ubicaría en US$918 millones, con un alza del 55% respecto al mismo período de 2024. El BPA ajustado (beneficio por acción) llegaría a US$0,187, y el BPA bajo norma GAAP a US$0,180, ambos con expansiones superiores al 55%. La rentabilidad sobre patrimonio (ROE) se situaría en un 33,4%, consolidando su posición como uno de los neobancos más eficientes de la región.

La trayectoria reciente de Nubank refuerza el optimismo: la compañía superó las previsiones de BPA ajustado en siete de los últimos ocho trimestres y batió las estimaciones de ingresos en el mismo período. Gabriel Gusan, analista de Bloomberg Intelligence, destacó que la fintech “probablemente terminó 2025 con impulso positivo, incluso cuando los vientos macroeconómicos en Brasil pusieron a prueba la sostenibilidad de su aceleración”. Este desempeño contrasta con el escenario económico brasileño, donde la inflación acumulada en 2025 rondó el 4,2%, según el Banco Central, un dato que, aunque controlado, sigue siendo un desafío para el consumo.

Crédito en expansión: ¿sostenible o riesgoso?

El debate central gira en torno al ritmo de expansión de la cartera crediticia y su impacto en el margen de interés neto ajustado por riesgo (NIM). El consenso de analistas espera que el crecimiento secuencial de los préstamos se mantenga en un rango alto de un dígito, impulsado por una originación más activa durante el segundo y tercer trimestre, además de la estacionalidad típica de fin de año, que suele incrementar el consumo.

Gusan señaló que “el crecimiento total de préstamos podría mejorar secuencialmente, mientras que la disciplina de costos se mantendría sólida”, una combinación que sugiere expansión del balance con control del gasto operativo. En paralelo, el analista anticipó que el ingreso neto podría avanzar en un rango medio de dos dígitos de forma secuencial y más del 60% interanual, alineado con las proyecciones del mercado.

Goldman Sachs proyecta una utilidad neta reportada de US$891 millones, un 14% superior al trimestre previo y un 61% mayor en términos interanuales, con un ROE del 32,3%. La entidad financiera prevé un crecimiento de préstamos del 7% trimestral y 58% anual, impulsado por mayores límites en tarjetas de crédito y préstamos personales no garantizados. Sin embargo, el crédito con garantía enfrentaría un menor dinamismo debido a las nuevas reglas en la línea FGTS, un fondo laboral obligatorio en Brasil diseñado para proteger a los trabajadores en casos de despido sin justa causa.

En cuanto al margen financiero (NIM), Goldman estima una mejora de 40 puntos básicos en el trimestre, favorecida por una menor remuneración de depósitos en México y efectos de calendario en Brasil. No obstante, el crecimiento de las turbo money boxes—cuentas de ahorro de alto rendimiento—podría presionar el margen, aunque contribuya a una mayor transaccionalidad y a ingresos por comisiones. JPMorgan, por su parte, coincide en la visión de fortaleza en la línea superior, pero advierte sobre provisiones más elevadas, especialmente por un aumento en la utilización de límites de tarjetas y la imposibilidad de repetir las recuperaciones inusualmente altas registradas en el tercer trimestre.

México: el gran apuesta (y el mayor riesgo)

La operación en México se ha consolidado como el eje central de la narrativa de crecimiento de Nubank. Datos regulatorios citados por Citi revelan que la fintech cerró 2025 con depósitos por MXN$113.000 millones (unos US$6.200 millones), un crecimiento interanual del 21%, mientras que la cartera bruta de préstamos avanzó un 61%, alcanzando MXN$31.000 millones (US$1.700 millones). La ratio préstamo-depósito se ubicó en 27,5%, un indicador clave de liquidez.

Sin embargo, el desempeño crediticio en México presenta desafíos: Nubank registró una pérdida neta de MXN$427 millones en el país y una ratio de morosidad del 7,1%, con castigos que representan el 14% de la cartera bruta. Gustavo Schroden, analista de Citi, advirtió que “los préstamos personales parecen ser un área de atención, mientras que las tarjetas de crédito continúan mostrando resiliencia”, lo que introduce matices en la calidad de los activos.

A pesar de estos números, la compañía anunció una inversión de US$4.200 millones hasta 2030 para expandir su presencia en México, de los cuales US$2.500 millones se destinarán a gasto estratégico en los próximos cuatro años. Con la licencia bancaria ya otorgada, Nubank podrá ofrecer operaciones bancarias completas, incluyendo portabilidad de nómina y mayores límites de depósitos, productos que hasta ahora estaban restringidos. JPMorgan subrayó que “la compañía no parece preocupada por la calidad de los activos“, aunque los datos regulatorios muestren un ligero aumento en los préstamos en mora.

El banco proyecta utilidades por US$846 millones para el cuarto trimestre y US$3.800 millones para 2026, aunque reconoce que parte del mercado buy side (inversores institucionales) apunta a US$4.000 millones para ese ejercicio. La expansión en México no solo es clave para el crecimiento, sino también para diversificar riesgos: Brasil, su mercado principal, representa el 70% de sus ingresos, según datos de 2024.

Valuación y proyecciones: ¿hasta dónde puede llegar?

En el frente de recomendaciones, el 80% de los analistas recopilados por Bloomberg aconseja comprar la acción, el 15% mantener y solo el 5% vender. El precio objetivo promedio a doce meses se sitúa en US$19,25, frente a un precio actual de US$16,38, lo que implica un potencial de alza del 17,5%. Citi, por su parte, fija un objetivo de US$22, basado en un modelo de ingreso residual que asume un ROE sostenible del 32%, un crecimiento perpetuo del 10% y un costo de capital del 13,7%.

JPMorgan mantiene su recomendación Overweight con un precio objetivo de US$18 y argumenta que Nubank es “el neobanco más exitoso de América Latina, con aproximadamente 123 millones de clientes en Brasil, México y Colombia”. Aunque el banco reconoce que el crecimiento podría desacelerarse, considera que la valoración actual ofrece asimetría positiva. Bernardo Guttmann y Matheus Guimarães, analistas de XP Investimentos, esperan “otro trimestre sólido para Nu”, impulsado por el desempeño en México y la solidez en Brasil, donde las tarjetas de crédito siguen mejorando gracias a la normalización de límites y la estacionalidad del cuarto trimestre.

En Colombia, donde Nubank ya ocupa el quinto lugar en saldos de cuentas de ahorro—siendo el único neobanco en el top 10—su participación se mantiene estable en 5%, tanto en préstamos como en depósitos. Brian Flores, analista de Citi, destaca que el mercado colombiano aún tiene margen para crecer, especialmente en productos de crédito para pymes, un segmento poco explotado por la banca tradicional.

El consenso general descuenta un trimestre con ingresos cercanos a US$4.500 millones y utilidades alrededor de US$900 millones, con un crecimiento interanual superior al 55% y una rentabilidad sobre patrimonio entre 32% y 33%. Sin embargo, el foco del mercado no estará solo en las cifras finales, sino en tres aspectos críticos: la trayectoria del costo de riesgo, la evolución del margen financiero y, sobre todo, el mensaje sobre México para 2026.

La pregunta que todos se hacen ahora es: ¿Podrá Nubank mantener su ritmo de crecimiento sin sacrificar la rentabilidad en sus mercados clave? La respuesta definirá si su acción sigue siendo la apuesta favorita de Wall Street.

México vs. Brasil: ¿Repetirá Nubank el error de 2021 en su expansión?

Mientras los inversores celebran el crecimiento de Nubank en México —con un 61% de aumento en su cartera de préstamos en 2025—, un precedente poco recordado enciende alertas: su expansión en Colombia en 2021. En aquel año, la fintech desembarcó con fuerza en el país, prometiéndo replicar su modelo brasileño. Sin embargo, en solo 18 meses, la morosidad en préstamos personales superó el 9,2% (frente al 6,5% proyectado), obligando a un ajuste de US$120 millones en provisiones y a una pausa en la originación de créditos no garantizados. Hoy, Colombia aporta apenas el 5% de sus ingresos, muy lejos del 15% inicial que se esperaba para 2024.

El paralelo con México es inevitable. Ambos mercados comparten rasgos clave: baja bancarización (solo el 47% de los mexicanos tiene cuenta bancaria, según el INEGI 2024), alta informalidad laboral (55%) y una clase media emergente ávida de crédito. Pero también riesgos: en México, los préstamos personales de Nubank ya muestran una morosidad del 7,1% (vs. 5,8% en Brasil), y los castigos —créditos incobrables— representan el 14% de la cartera bruta, el doble que en su mercado doméstico. Gustavo Schroden, de Citi, advierte que “el patrón colombiano sugiere que el credit appetite de los nuevos clientes puede sobreestimar su capacidad de pago”, especialmente en segmentos con ingresos volátiles.

Hay una diferencia crítica: en México, Nubank ya obtuvo su licencia bancaria, lo que le permite capturar depósitos de nómina (hoy el 68% de los mexicanos recibe su salario en efectivo, según la CNBV). Esto podría estabilizar su base de fondos y reducir su dependencia de préstamos interbancarios, cuyo costo en 2025 alcanzó el 8,3% anual. Pero el desafío es doble: 1) competir con bancos tradicionales como BBVA México (que domina el 25% del mercado de tarjetas) y 2) evitar que la carrera por cuota de mercado repita los errores de Colombia, donde la agresividad comercial inicial derivó en un ROE negativo del -2,1% en 2022.

La prueba de fuego: ¿México será el salvavidas o el talón de Aquiles?

El Q1 2026 será revelador. Nubank planea lanzar en México su producto estrella en Brasil: “NuCrédito”, un préstamo personal con tasas desde el 29,9% anual (vs. el 45% promedio de la banca tradicional). El éxito dependerá de si logra replicar su algoritmo de riesgo —que en Brasil redujo la morosidad un 30% entre 2023 y 2025— o si, como en Colombia, subestima la volatilidad de un mercado donde el 40% de los trabajadores no tiene contrato formal. Wall Street apostó fuerte: la acción subió un 12% en enero tras el anuncio de la licencia bancaria. Pero si los números del primer trimestre muestran un costo de riesgo por encima del 6% (el umbral que Nubank considera “aceptable”), los inversores podrían cuestionar si México es realmente el blue ocean que prometen o otro caso de overpromising.

La entrada Nubank rompe récords: Wall Street espera ganancias históricas en 2025 se publicó primero en En foco Hoy.

Microsoft Corp. (MSFT) acaba de desatar su segunda generación de chips de inteligencia artificial, un movimiento estratégico para reducir su dependencia de Nvidia (NVDA) y optimizar sus servicios en la nube. El Maia 200, fabricado por Taiwan Semiconductor Manufacturing Co. (TSM), ya está operando en centros de datos clave como Iowa, con planes de expansión a Phoenix en las próximas semanas. Aunque los desarrolladores ya pueden acceder al software de control desde este lunes, aún no hay una fecha clara para que los clientes de Azure utilicen servidores equipados con este nuevo hardware.

El Maia 200 no es un simple reemplazo: es una apuesta por la soberanía tecnológica. Mientras empresas como Amazon (AMZN) y Google (GOOGL) ya llevaban años diseñando sus propios chips, Microsoft entra ahora con fuerza en una carrera donde el objetivo es claro: máquinas más rentables, integradas sin fisuras en los centros de datos y con eficiencias que reduzcan costos para los clientes. La escasez y los altos precios de los chips de Nvidia —que dominan el 95% del mercado de aceleradores de IA, según Jon Peddie Research— han acelerado esta batalla por alternativas viables.

¿Dónde se usará primero? Las primeras unidades del Maia 200 se destinarán al equipo de superinteligencia de Microsoft, donde generarán datos para entrenar la próxima generación de modelos de IA. Pero su impacto será más amplio: también potenciará herramientas como Copilot para empresas y los modelos de OpenAI (incluido su último lanzamiento), que Microsoft ofrece a sus clientes en la nube. Según Scott Guthrie, jefe de nube e IA de la compañía, este chip no solo compite con los de Google y AWS, sino que los supera en tareas específicas de IA, destacando como “el sistema de inferencia más eficiente” jamás desplegado por Microsoft.

El Maia 200 promete un 40% menos de consumo energético en comparativa con chips similares, según filtraciones internas citadas por The Information en 2023.

La ambición no termina aquí. Microsoft ya está trabajando en su sucesor, el Maia 300, y tiene un plan B: gracias a su alianza con OpenAI, podría acceder a los diseños de chips que está desarrollando el creador de ChatGPT. Esta doble estrategia refleja la urgencia de la compañía por no quedarse atrás en una industria donde la demanda de potencia de cómputo para IA crece un 50% anual, según datos de IDC.

¿Por qué este chip es un punto de inflexión?

El lanzamiento del Maia 200 no es solo una noticia técnica, sino un cambio geopolítico en la industria. Chirag Dekate, analista de Gartner, lo deja claro: *”No se invierte en algo así si solo es un experimento. Esto es una apuesta multigeneracional”*. La razón es simple: los centros de datos de IA ya consumen más electricidad que algunos países pequeños (el equivalente a la demanda anual de Dinamarca, según la Agencia Internacional de Energía), y la escasez de energía en regiones clave —como Virginia (EE.UU.) o Singapur— está frenando la expansión de la nube.

En 2023, Microsoft ya había advertido que la falta de chips de Nvidia retrasaría proyectos de IA para clientes como Walmart y BMW. El Maia 200 busca evitar esos cuellos de botella.

Pero hay más en juego. Nvidia controla el 70% del mercado de chips para entrenamiento de IA, y su último modelo, el H100, cuesta hasta $40,000 por unidad. Con el Maia 200, Microsoft no solo busca ahorrar costos, sino ganar autonomía en una guerra donde la IA define el futuro de la computación. *”La dependencia de un solo proveedor es un riesgo estratégico”*, declaró Satya Nadella en el último informe anual de la compañía. Ahora, con este chip, Microsoft da un paso para revertir esa ecuación.

El impacto en los clientes de Azure

Para las empresas que usan Azure, el Maia 200 podría traducirse en facturas más bajas y mayor velocidad. Según pruebas internas, el chip reduce en un 30% el tiempo de respuesta en modelos de lenguaje grande (LLM) como los de OpenAI. Pero la transición no será inmediata: los clientes deberán esperar a que Microsoft complete el despliegue masivo, algo que —según fuentes cercanas al proyecto— podría tardar entre 6 y 12 meses.

Mientras tanto, la compañía ya está probando el Maia 200 con socios clave como Adobe y Epic Games, que usan Azure para entrenar modelos de IA generativa. *”La eficiencia no es solo un ahorro; es la capacidad de escalar sin límites”*, explicó un portavoz de Adobe en declaraciones a Reuters el mes pasado.

El Maia 200 se une a otros proyectos de Microsoft para reducir costos, como los centros de datos sumergidos en el mar (proyecto Natick), que consumen un 80% menos de energía que los tradicionales.

La pregunta ahora es: ¿Logrará Microsoft lo que ni Google ni Amazon han conseguido hasta ahora? Romper el dominio de Nvidia no será fácil, pero con el Maia 200, la compañía de Satya Nadella demuestra que está dispuesta a jugar fuerte. *”La IA no espera a nadie”*, advirtió Nadella en 2023. *”Y nosotros tampoco”*.

Lecturas relacionadas:

• El plan de Microsoft para dominar la IA: más allá de los chips de Nvidia
• Cómo el Maia 100 sentó las bases del nuevo salto tecnológico de Microsoft
• OpenAI y Microsoft: una alianza que redefine el futuro de la computación
• Centros de datos bajo el mar: la apuesta radical de Microsoft para ahorrar energía

El precedente que Microsoft quiere superar: el fracaso del chip AI de Google en 2021

Mientras Microsoft celebra el despliegue del Maia 200, el gigante de Redmond mira de reojo un caso que aún resuena en Silicon Valley: el Tensor Processing Unit (TPU) v4 de Google, lanzado en mayo de 2021 con promesas similares de revolucionar la IA en la nube. Aunque técnicamente superior en algunos benchmarks, el chip de Google tropezó con dos problemas que Microsoft ahora debe evitar: la falta de adopción masiva por parte de desarrolladores y la incompatibilidad con frameworks de IA dominantes como PyTorch, que en ese momento ya usaba el 68% de los investigadores de machine learning, según un estudio de Kaggle.

El TPU v4, fabricado también por TSMC con proceso de 7 nm, prometía un rendimiento 2.7 veces mayor que su predecesor en tareas de entrenamiento. Sin embargo, su adopción se limitó principalmente a proyectos internos de Google, como BERT y LaMDA, mientras que clientes externos como Spotify o PayPal siguieron dependiendo de las GPU A100 de Nvidia por su mayor flexibilidad. La lección fue clara: un chip de IA no triunfa solo por su hardware, sino por su ecosistema. Microsoft parece haber aprendido: el Maia 200 ya cuenta con soporte nativo para ONNX Runtime (el framework de inferencia de la compañía) y compatibilidad con PyTorch 2.0, usado por el 82% de los modelos de IA en producción, según datos de Papers With Code 2023.

Pero hay otro fantasma que acecha: los costos ocultos de migración. Cuando AWS lanzó su chip Trainium en 2020, empresas como Netflix reportaron que adaptar sus modelos de recomendación al nuevo hardware requirió hasta 6 meses de trabajo adicional y un 15% más de presupuesto en ingeniería, según un informe interno filtrado a The Verge. Microsoft ha intentado mitigar este riesgo con su Azure AI Studio, una plataforma que promete migraciones “con un clic” para modelos entrenados en GPU de Nvidia. Sin embargo, la prueba de fuego llegará cuando clientes como Adobe —que actualmente ejecuta Firefly en A100— intenten portar sus workloads al Maia 200.

Un dato revelador: en 2022, Meta abandonó su proyecto de chip de IA interno (MTIA) después de invertir $300 millones, alegando que el ahorro en costos no justificaba la pérdida de rendimiento del 12% en comparación con las GPU de Nvidia para modelos de visión por computadora. El Maia 200 deberá demostrar que puede evitar este destino, especialmente en tareas como inferencia en tiempo real, donde Nvidia aún lidera con su TensorRT.

La hora de la verdad: ¿repetirá Microsoft los errores de Google y Meta?

El Maia 200 llega en un momento crítico: el 73% de las empresas de Fortune 500 ya usan servicios de IA en la nube, pero solo el 18% ha probado alternativas a Nvidia, según un informe de McKinsey de abril de 2024. Microsoft tiene una ventaja clave que ni Google ni Meta explotaron: su alianza con OpenAI. Si logra que modelos como GPT-5 —cuya demanda de cómputo se estima 10 veces mayor que la de GPT-4— funcionen de manera óptima en Maia 200 desde el primer día, podría forzar un cambio de paradigma. Pero si los primeros benchmarks independientes (como los que publicará MLPerf en octubre) muestran brechas de rendimiento superiores al 10% frente a los H100, los clientes de Azure podrían pensar dos veces antes de migrar. Satya Nadella lo sabe: esta no es solo una batalla de hardware, sino de confianza. Y en el mundo de la IA, la confianza se mide en milisegundos de latencia y dólares ahorrados por cada millón de inferencias.

La entrada Microsoft apuesta fuerte: Maia 200 desafía el dominio de Nvidia en IA se publicó primero en En foco Hoy.