Lucía quiere hacer un crucero por el Mediterráneo en junio. Antes de reservar compara navieras, fechas y tipos de camarote. Busca vuelos hasta el puerto de salida y un par de noches de hotel en Barcelona. Abre tres webs, cambia las fechas y vuelve a mirar al día siguiente por si ha bajado el precio. Al final reserva una sola vez.
Para el sector de los viajes, esa única reserva ha generado una cascada de consultas de la que solo una termina en venta. El sector tiene un nombre para esa proporción: look-to-book, el número de búsquedas necesarias para generar una reserva. Es una de las métricas que más preocupan hoy a aerolíneas, agencias y proveedores tecnológicos. Tanto que IATA, la asociación internacional de aerolíneas, le dedicó en octubre de 2025 un informe específico elaborado con aerolíneas, proveedores tecnológicos y vendedores.
La cifra se ha disparado. En los inicios de la venta online, las aerolíneas atendían entre 100 y 200 búsquedas por cada billete vendido. Hoy la cifra se sitúa entre 10.000 y 20.000, y la consultora OAG estima que, con la planificación de viajes mediante IA, podría llegar a 200.000.
Cada una de esas búsquedas cuesta dinero, energía y capacidad de cálculo. Y aquí el sector de los viajes tiene un problema que otros no tienen. Una búsqueda de vuelos no es como cargar una página web, que se puede guardar en caché y servir mil veces sin recalcularla. Los precios y las plazas cambian continuamente. Por eso las tarifas aéreas no se pueden almacenar en caché como el resto de contenidos de internet, y cada consulta obliga, en gran medida, a volver a calcular.
La escala es enorme. Amadeus, la tecnológica con sede en Madrid que conecta buena parte del sector, procesa unos 3.000 millones de búsquedas de vuelos al día. Para cada origen y destino calcula miles de rutas, miles de millones de tarifas y billones de ofertas posibles por pasajero. Y todo debe resolverse en segundos, mientras el usuario espera delante de la pantalla.
Detrás de esas cifras hay infraestructura muy concreta. El data center de Amadeus en Erding, cerca de Múnich, al que la propia compañía llama “el cerebro de los viajes”, procesa más de 1.600 millones de transacciones al día. Es uno de los mayores centros de datos privados de Europa y está en ampliación y renovación constantes.
Los paquetes y los cruceros añaden otra capa de complejidad. Una reserva como la de Lucía combina inventarios que viven en sistemas distintos: el camarote, el vuelo, el hotel, los traslados y, a veces, las excursiones. Cada uno tiene su propia disponibilidad y sus propias reglas, y todos deben bloquearse a la vez hasta que se confirma el pago. Si uno falla, falla el paquete entero. Y si dos clientes intentan reservar el último camarote con vistas al mar en el mismo segundo, el sistema tiene que decidir sin margen de error quién se lo queda.
Ahora llegan los agentes de IA. Un viajero humano se cansa, decide y reserva. Hasta ahora, cada búsqueda exigía a una persona delante de una pantalla, con una intención y un clic. Los agentes eliminan esa limitación. Un agente vuelve a consultar cada vez que cambia un precio, compara entre servicios, negocia en nombre del viajero y puede lanzar cientos de búsquedas para planificar un solo viaje. Y si un usuario utiliza varios agentes, o los agentes consultan a otros agentes, el efecto se multiplica.
El consejero delegado de OAG lo resumió con un ejemplo muy gráfico: no tiene sentido que atender una consulta cueste 200 dólares cuando el billete cuesta 100. Es una exageración deliberada, pero señala un riesgo real: que el coste de buscar crezca más deprisa que el negocio de vender.
Para la infraestructura, esto supone un cambio de fondo. Detrás de cada búsqueda hay procesadores trabajando, energía consumida y calor que hay que evacuar. Los data centers del sector se dimensionan por las búsquedas, no por las ventas. Y eso desacopla el coste de la infraestructura de los ingresos que genera: el tráfico puede multiplicarse por diez sin que se venda un solo billete más.
La respuesta pasa por la eficiencia, y aquí la IA juega en los dos bandos. Amadeus utiliza modelos de aprendizaje automático para descartar combinaciones de tarifas poco útiles antes de calcularlas, con unos 2.500 millones de inferencias diarias en 2025. ¿Tiene sentido explorar una escala en Toronto y otra en Río de Janeiro para volar de Nueva York a Niza? Probablemente no, y el modelo lo descarta antes de gastar recursos en ello. En cuatro años, la compañía ha triplicado la eficiencia de sus aplicaciones: servidores tres veces más rápidos que necesitan tres veces menos cálculo para el mismo volumen de consultas.
La paradoja es interesante. La IA genera buena parte del problema y, a la vez, forma parte de la solución.
Para quien opera la infraestructura, el reto cambia de naturaleza. Ya no basta con tener capacidad para los picos de temporada alta. Hace falta:
- Saber cuánto consume realmente cada carga de trabajo.
- Anticipar el crecimiento del tráfico generado por máquinas, que no sigue los patrones del tráfico humano.
- Planificar la potencia y la refrigeración con datos reales, no con estimaciones.
- Medir la eficiencia por consulta, no solo la capacidad total.
La próxima temporada alta no la marcarán solo los viajeros. La marcarán también las máquinas que buscan por ellos.
Y cuando Lucía por fin embarque, empezará otra historia: la del data center que viaja con ella.