La materialidad de la IA: lo que la nube oculta

Una de las metáforas más persistentes en informática y, al mismo tiempo, más engañosas de nuestro tiempo es la metáfora de la “Nube”. Hablamos de computación en la Nube como si se tratara de algo ligero, casi vaporoso, desligado del mundo físico. Los datos “fluyen”, los modelos “se ejecutan”, los sistemas “aprenden”. Todo parece ocurrir en un espacio abstracto, inmaterial, pero la “Nube” no es una Nube: es, entre otras cosas, principalmente silicio, cobre, aluminio, plásticos, resinas, cables, acero, consumo energético y, sobre todo, es poder, mucho poder.Existe una tendencia a pensar la Inteligencia Artificial como una nueva capacidad que emerge de la combinación de datos y algoritmos, pero esta mirada, aunque no es falsa, es incompleta. La IA es también una cuestión de infraestructura, y las infraestructuras nunca son neutrales. Siempre se inscriben en un lugar físico, siempre requieren recursos, siempre tienen consecuencias materiales.Un centro de procesamiento de datosCC0La IA se materializa en los actuales centros de datos y en las futuras giga-fábricas que ocupan extensiones cada vez mayores de territorio, en zonas seleccionadas según criterios que combinan geopolítica, economía y logística: proximidad a fuentes de Energía y agua, estabilidad institucional, acceso a grandes infraestructuras de transporte y comunicación. En el interior de estos centros hay miles, o decenas de miles, de procesadores que operan de manera continua, transformando Energía eléctrica en computación y, inevitablemente, en calor que desprenden los miles de procesadores de muy altas prestaciones calculando sin descanso. Ese calor debe disiparse, y disiparlo es una operación costosa en términos de volumen de agua.Así, cada operación computacional deja una huella que no es simbólica, sino material: consumo de Energía, uso de agua, ocupación de espacio. El problema es que esta huella no se percibe como tal. Cuando interactuamos con un sistema de Inteligencia Artificial, no vemos los centros de datos; vemos una interfaz, una respuesta inmediata. Pero esa respuesta está sostenida por una materialidad de extraordinaria complejidad, que funciona gracias a un consumo constante de recursos.La metáfora de la Nube es engañosa: la IA necesita recursos materiales que tienen un gran impactoEl elemento que revela con mayor claridad esta materialidad es la Energía. Durante décadas, el sector digital ha podido presentarse como una alternativa “ligera” frente a las industrias tradicionales. Pero la Inteligencia Artificial, especialmente en su versión contemporánea basada en modelos de gran escala, rompe esa imagen. Entrenar un gran modelo de lenguaje implica activar durante semanas miles de unidades de procesamiento funcionando simultáneamente. Ejecutarlo, aunque desde la interfaz parezca trivial, exige mantener esta infraestructura operativa de forma constante, y cada incremento de capacidad —modelos más grandes— conlleva un aumento del consumo que no es marginal, sino acumulativo.Esto plantea una cuestión que rara vez se formula en los términos adecuados. No se trata solo de qué puede hacer la IA, sino de qué cuesta hacerla posible. Y ese coste, como hemos dicho, no es únicamente económico: también es energético, ambiental y territorial. Aquí es donde la narrativa comienza a mostrar sus fisuras, porque si el progreso tecnológico se basa en un aumento sostenido del consumo de recursos, entonces no estamos ante una ruptura con el pasado, sino ante una continuidad. Los beneficios de la IA se concentran en un número reducido de actores; los costes recaen sobre el conjunto de la sociedadLa IA no es una excepción en la historia del desarrollo tecnológico; es una nueva fase de un mismo patrón: la transformación de recursos naturales en capacidad técnica. Pero con una diferencia importante: esta vez el proceso es menos visible. No hay chimeneas, pero hay emisiones; no hay minas visibles, pero hay extracción; no hay fábricas en el sentido clásico, pero sí instalaciones industriales de gran escala.El caso del agua es especialmente revelador. Los centros de datos necesitan refrigeración constante y, en muchos casos, esta depende de sistemas que utilizan grandes volúmenes de agua. Agua que se extrae de recursos locales, a menudo en regiones que ya sufren estrés hídrico y que, por tanto, compite con usos agrícolas y urbanos. Esta competencia no siempre se hace explícita, pero existe y, cuando se hace visible —cuando una comunidad percibe que un centro de datos consume una cantidad significativa de agua en un contexto de escasez—, el conflicto emerge no como un problema técnico, sino como una cuestión política. ¿Quién prioriza el uso de los recursos? ¿Con qué criterios? ¿Con qué compensaciones? ¿Con qué consecuencias?Estas preguntas son, en esencia, preguntas sobre poder, porque toda infraestructura implica una forma de distribución de recursos, de costes y de beneficios. Y, en el caso de la IA, esta distribución tiende a ser profundamente asimétrica. Los beneficios (económicos, estratégicos) se concentran en un número reducido de actores. En cambio, los costes (ambientales, energéticos, territoriales) recaen sobre el conjunto de la sociedad. Esta asimetría se hace especialmente evidente en la relación entre centros de datos y territorios locales. Las empresas tecnológicas negocian con los gobiernos locales desde una posición de fuerza, ofreciendo inversión, visibilidad y la promesa de formar parte de la economía del futuro. A cambio, solicitan incentivos como exenciones fiscales, acceso preferente a recursos y flexibilidad regulatoria. Estas negociaciones suelen producirse en un marco de competencia entre territorios: ciudades, regiones y países compiten por atraer estas infraestructuras y, en esa competencia, las condiciones tienden a relajarse.El resultado es que lo que se presenta como desarrollo puede acabar generando dependencia. Por un lado, dependencia energética, porque la demanda de los centros de datos puede alterar el equilibrio de las redes eléctricas; por otro, dependencia económica, porque la actividad generada es limitada mientras que los compromisos adquiridos son duraderos; y también dependencia política, porque la capacidad de decisión queda condicionada por la presencia de estas infraestructuras. Esta dependencia no es inmediata; se construye con el tiempo y, una vez consolidada, resulta difícil de revertir.Otro aspecto inquietante es la idea de que el crecimiento de las infraestructuras —más centros de datos, más giga-fábricas— es inevitable para el progreso tecnológico. Esta idea es errónea, porque el modelo actual de la IA generativa no es el único posible. Es el resultado de un conjunto de decisiones técnicas, económicas y políticas que podrían haber sido diferentes. En particular, se podría haber optado por desarrollar modelos de IA más pequeños y especializados para tareas concretas, en lugar de grandes modelos de propósito general que, por otra parte, tienen muchas deficiencias. Esta alternativa haría innecesarias las ingentes inversiones en grandes centros de datos y giga-fábricas.Pero, lamentablemente, no es este el camino que impulsan las grandes tecnológicas. Su relato insiste en que la Inteligencia Artificial general es inminente, una promesa que les permite seguir captando cantidades ingentes de capital riesgo e inflar el valor de sus acciones, fieles a la máxima de Mark Zuckerberg: “muévete rápido y rompe cosas”. El problema es que, entre esas “cosas”, están las personas y también nuestro planeta.Ramon López de Mántaras. Instituto de Investigación en Inteligencia Artificial, CSIC