IA, energía y modelo económico. (23/03/2026)
Diario de Innovación #319
Hay una pregunta que casi nadie está haciendo.
Ni en conferencias.
Ni en artículos de investigación.
Ni en planes estratégicos.
Y, sin embargo, debería ser la primera:
¿Está la inteligencia artificial generando más valor del que consume?
No valor abstracto.
No hype.
No “potencial”.
Valor real.
Medido contra algo muy concreto, por ejemplo, la energía.
Durante años hemos evaluado la tecnología con tres métricas:
Más rápida.
Más barata.
Más potente.
Y con eso bastaba.
Pero la IA introduce una variable nueva que rompe ese equilibrio, el coste energético.
Porque, por primera vez, estamos construyendo sistemas cuyo consumo escala con su inteligencia.
Y eso nos obliga a enfocar los problemas de otra forma, ya no es tanto, qué puede hacer la IA.
La pregunta debería ser, ¿compensa lo que cuesta hacerla funcionar?
De eficiencia a balance
Aquí entra un concepto que empieza a emerger con fuerza, el paradigma net-positive.
La idea es sencilla de entender y brutal en sus implicaciones:
Una tecnología solo tiene sentido si genera más ahorro (energético, económico o social) del que consume.
No basta con que sea eficiente.
No basta con que optimice.
Tiene que compensar.
Tiene que devolver más de lo que toma.
El problema de fondo
Porque si no aplicamos ese criterio, pasa algo muy predecible.
Mejoramos la eficiencia y multiplicamos el uso.
Automatizamos tareas y generamos nuevas.
Reducimos costes y expandimos el sistema.
Resultado, consumimos más.
Siempre.
No porque la tecnología falle.
Sino porque nosotros escalamos sin límite.
Desde el punto de la producción se ve mucho más sencillo, a nadie se le ocurriría vender por debajo de coste, si los materiales con los que fabrico un coche cuestan 1.000 € nadie vendería el coche por debajo de eso.
Pues en mayor o menor medida es lo que estamos viendo en estos momentos.
Distintas fuentes evidencian el problema que están afrontando empresas como OpenAI, con 3,7 B$ de ingresos y ~5 B$ de pérdidas, apuntando a que por cada dólar que ingresa, gasta alrededor de 1,35 dólares, siendo la inferencia una de las partidas clave.
En parte esta es la paradoja de la IA.
Puede optimizar redes eléctricas.
Reducir emisiones.
Mejorar procesos industriales.
Y al mismo tiempo multiplicar la demanda de energía.
Expandir los centros de datos.
Incrementar el consumo global.
Las dos cosas pueden ser ciertas a la vez.
Y ahí está el dilema.
Porque no estamos ante una tecnología más.
Estamos ante una tecnología que:
Escala extremadamente rápido
Se integra en todo
Y consume recursos físicos de forma intensiva
Esto obliga a introducir un filtro nuevo.
Uno que hasta ahora no existía, y que las empresas deberían empezar a plantearse, ¿es esta aplicación de IA net-positive?
Y es que los servicio de los principales actores siguen estando subsidiados por las empresas de Capital Riesgo, si las primeras no son capaces de cambiar la tendencia, las segundas se cansaran de sostener esta apuesta y el mercado colapsará.
Tres preguntas incómodas
Si nos tomamos esto en serio, cualquier uso de IA debería pasar por tres preguntas:
¿Reduce consumo en otro sistema o solo añade una capa más?
¿Genera valor real o solo conveniencia marginal?
¿Escala bien o amplifica el problema?
La mayoría de proyectos actuales no pasan este test.
No porque estén mal diseñados. Sino porque nadie está mirando ahí.
Y aquí está el núcleo del problema.
Los incentivos siguen apuntando en otra dirección:
Más usuarios.
Más uso.
Más engagement.
Nadie está siendo recompensado por:
Menos consumo.
Menos compute.
Menos uso innecesario.
Y mientras eso no cambie, el sistema no cambiará.
Lo que viene ahora
El paradigma net-positive no es una moda.
Es una necesidad.
Porque introduce algo que llevábamos años evitando, responsabilidad.
Responsabilidad en el diseño.
Responsabilidad en el despliegue.
Responsabilidad en el uso.
Y, sobre todo, una idea incómoda.
No toda IA debería existir.
Durante décadas, innovar significaba hacer más cosas posibles.
Ahora empieza a significar otra cosa:
Elegir cuáles merecen la pena.
Porque cuando el límite no era visible, todo valía.
Pero ahora el límite tiene nombre, energía y recursos naturales.
Food for thought
La IA no va a frenar.
Ni debería.
Pero sí va a obligarnos a decidir mejor.
Y quizá ese sea el verdadero avance.
No que podamos hacer cualquier cosa.
Sino que, por primera vez, tenemos que preguntarnos si debemos.
🌍 El eco del mercado
🤖 OpenAI baja al terreno del desarrollador. La adquisición de Astral confirma un movimiento claro: controlar no solo los modelos, sino también las herramientas con las que se construye sobre ellos. El poder se desplaza hacia quien domina el stack completo.
🌐 El internet ya no es humano-first. Cloudflare anticipa que los bots superarán a los humanos en tráfico antes de 2027. La web empieza a rediseñarse para agentes que interactúan entre sí, no para usuarios.
💰 La IA entra en fase de mega-capital. Jeff Bezos explora la creación de un fondo de 100.000 millones de dólares. La inteligencia artificial deja de ser una apuesta tecnológica para convertirse en infraestructura económica.
⚡ Meta rompe con el statu quo de los chips. Desarrolla hardware propio para inferencia, reduciendo dependencia de Nvidia, Intel o AMD. La verticalización ya no es opcional.
❤️ La IA cruza la línea emocional. Cada vez más personas recurren a chatbots para tomar decisiones sentimentales. La tecnología empieza a ocupar espacios íntimos donde antes solo había humanos.
🔐 Android abre… pero bajo vigilancia. Google rediseña el sideloading para permitir más libertad sin perder control. Un equilibrio delicado entre apertura y seguridad.
🌍 La geopolítica entra en la ecuación de la IA. El riesgo de conflicto con Irán podría disparar el precio del petróleo y frenar el crecimiento de la infraestructura tecnológica. La IA depende, más de lo que parece, de la energía.
🤖 Amazon lleva la robótica a la vida real. Compra Rivr, especializada en robots capaces de subir escaleras. La automatización de la última milla empieza a enfrentarse al mundo físico… de verdad.
🧠 China acelera la carrera cerebro-máquina. Autoriza su primer chip cerebral comercial con una ambición clara: liderar la industria de interfaces neuronales antes que Occidente.
🎮 Intel compite desde la eficiencia, mejorando el rendimiento de sus GPUs. Introduce técnicas como shaders precompilados para acelerar el rendimiento sin necesidad de más potencia. Optimizar también es innovar.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.