← Portada /Opinion
Opinion

Hay que frenar: la IA no necesita correr más, necesita correr mejor

Cada gigavatio que consume un datacenter es energía que no llega al mercado residencial. La carrera de la IA infla precios, destruye empleos y acelera el cambio climático. Hay que hacer un alto.

Josué GO · · 4 min
file_0000000014c881f8ba9a3563b4dcca7f.png

Hay que frenar: la IA no necesita correr más, necesita correr mejor

Los kilowatts no mienten. Microsoft firmó un acuerdo a 20 años por 835 megavatios de la planta nuclear de Three Mile Island —no la compró, pero el efecto es el mismo: un contrato que le garantiza energía las 24 horas. Anthropic y AMD cerraron por dos gigavatios más. El recibo de luz del ciudadano común no es inmune a nada de esto. Cada megavatio-hora que consume un cluster de entrenamiento compite con la demanda residencial y presiona los precios al alza, sobre todo en horas pico.

El patrón se repite. Las tarjetas gráficas subieron primero con la minería de criptomonedas. Una RTX 3080 pasó de 699 dólares a más de 2,000 en meses. Después llegó la IA y las GPU para centros de datos alcanzaron precios industriales: entre 25,000 y 40,000 dólares por una H100 de NVIDIA —ponle 30,000 en promedio. Las memorias HBM, el mismo componente que usan las GPU y los servidores, treparon 40% en 2025. El usuario final compra hardware más caro, paga electricidad más cara, paga servicios cloud con márgenes más altos. Y el que no innova también paga, porque la cadena de suministro entera está torcida por dos industrias sedientas de silicio y watts.

La mejora continua es un mantra empresarial. Pero cuando se vuelve una compulsión —siempre el siguiente modelo, siempre la siguiente GPU, siempre el siguiente datacenter— deja de ser virtud y se vuelve patología. Las big tech compiten en una carrera donde frenar cuesta valoración bursátil pero donde todas destruyen valor social: Google aumentó sus emisiones 48% desde 2019. Más extracción de minerales raros. Más agua para refrigerar en regiones con sequía. Más poder computacional concentrado en tres empresas.

Hay que hacer un alto. No hablo de detener el desarrollo. Hablo de preguntarnos para qué y para quién. La IA actual ya alcanza para avanzar con velocidad en medicina, en ciencia de materiales, en educación personalizada. No necesitamos modelos de diez billones de parámetros que cuesten 500 millones de dólares entrenar para responder correos o generar imágenes de gatitos. Necesitamos eficiencia, no escala.

La Agencia Internacional de Energía proyecta que los centros de datos consumirán cerca del 3% de la electricidad mundial para 2030, y la trayectoria apunta al alza. Las tecnológicas firman contratos por gigavatios y los hogares absorben parte del costo incremental, sobre todo en regiones donde la red eléctrica ya está al límite. Existen alternativas: generación distribuida, reactores nucleares modulares, y del lado del software, modelos más pequeños y especializados —DeepSeek, Phi-4, Mistral Small ya demuestran que la eficiencia por parámetro compite con la escala bruta. Pero la inercia de la industria sigue favoreciendo más GPUs sobre mejor optimización.

Conviene no ignorar el elefante geopolítico en la sala. Buena parte de esta carrera no responde a una "compulsión adolescente" de las big tech: es la competencia EE.UU.-China por la soberanía tecnológica. Frenar unilateralmente tiene costos estratégicos que un artículo de opinión no debería omitir. Dicho esto, hay matices: la Ley de Chips de EE.UU. y las restricciones a exportaciones de semiconductores son intervenciones públicas que ya están frenando —con criterios de seguridad nacional, no de eficiencia energética. El debate no es frenar o acelerar: es quién decide el ritmo y con qué criterios.

La guerra mental ya empezó y sus bajas no son servidores apagados. Son miles de profesionales que abandonan carreras porque sienten que la IA lo hará todo. El estudiante de diseño que deja la carrera porque DALL-E genera logotipos en segundos. El traductor que ve cómo DeepL y GPT vacían su mercado. El programador junior al que le dicen que Codex ya escribe mejor que él. Da igual si es verdad o percepción: el daño está hecho.

Hay alternativas. Eficientar el consumo energético con modelos más pequeños y especializados —no como idea marginal, sino como estrategia central: cuantización, destilación, fine-tuning eficiente. Invertir en centros de datos carbono-negativos. Regular el acceso preferencial a GPUs para evitar oligopolios de infraestructura. Sobre todo, dejar de medir el progreso en parámetros y empezar a medirlo en impacto social neto.

file_00000000517c81f5b6bbbc661a57f58f.png

Fuentes

Más lecturas

related