La IA no se vuelve más lista: un informe del MIT alerta del auge del consumo energético

La inteligencia artificial avanza no gracias a algoritmos más inteligentes, sino porque las empresas simplemente compran más servidores. Esa es la conclusión a la que han llegado investigadores del Instituto Tecnológico de Massachusetts, y trastoca la idea habitual sobre el progreso en IA. En lugar de inventar formas radicalmente nuevas de entrenar redes neuronales, líderes del sector como OpenAI han elegido el camino de menor resistencia: aumentar los recursos de cómputo que dedican a entrenar modelos. Funciona, pero el precio no deja de subir, tanto en sentido literal como figurado.

La esencia del informe del MIT es una conclusión sencilla pero inquietante: la era del desarrollo extensivo de la IA se acerca a sus límites. Cuando se entrena GPT o Claude, no se da ningún salto científico mágico. El proceso se parece más a intentar hervir el océano: cuantos más datos pasan por el modelo, más patrones complejos es capaz de captar. Pero eso exige cantidades astronómicas de electricidad. Si se mantienen las tendencias actuales, entrenar un solo modelo de frontera podría costar cientos de millones de dólares en los próximos años, y su consumo energético sería comparable al de una ciudad entera.

¿Por qué importa ahora? Porque la industria ha llegado a un punto crítico. La cola mueve al perro: la potencia de cálculo determina las capacidades de una empresa, y no al revés. Eso significa que crear una IA competitiva se está convirtiendo en privilegio exclusivo de las megacorporaciones, que pueden permitirse inversiones de decenas de miles de millones de dólares. OpenAI, Google, Meta* y un puñado de actores más controlan el terreno simplemente porque tienen dinero para la potencia de cómputo. Las startups y los grupos de investigación se quedan al margen, por muy brillantes que sean sus ideas.

La cuestión medioambiental es igual de aguda. El entrenamiento de los modelos actuales consume energía a una escala tal que ya se nota en las estadísticas de consumo eléctrico de países concretos. Los centros de datos que alimentan estos cálculos necesitan enormes cantidades de agua para refrigerarse y generan una huella de carbono considerable. Si el progreso en IA se mide exclusivamente por el volumen de recursos de cómputo, el planeta pagará un precio alto. No es una hipótesis ni un escenario alarmista: es la realidad actual, y se agrava con cada nueva generación de modelos.

El estudio del MIT señala, en esencia, la necesidad de un cambio de paradigma. En lugar de aumentar la capacidad, la industria necesita auténticos avances algorítmicos: métodos que permitan a los modelos aprender con más eficiencia y arquitecturas que logren mejores resultados con menos datos y menos cómputo. Este tipo de desarrollos no atrae la misma atención de los inversores de capital riesgo que los modelos gigantes, pero es crucial para el futuro de la IA. Es más difícil y exige comprender más a fondo los cimientos del aprendizaje automático, pero es el camino que de verdad conduce al progreso.

El informe del MIT no es solo un trabajo académico, es una llamada de atención para el sector. El modelo actual de desarrollo de la IA es económicamente insostenible, peligroso para el medio ambiente y concentra el poder en pocas manos. La siguiente etapa de la inteligencia artificial debe basarse en la inteligencia, no en un crecimiento desbocado de los recursos de cómputo. De lo contrario, el mundo acabará con unas pocas corporaciones controlando la tecnología del futuro mientras el planeta paga la factura.

*Meta está reconocida como organización extremista y prohibida en Rusia.