Desmitificando conceptos de la IA: energía, privacidad y burbuja
Qué hay de cierto en lo que se dice sobre el consumo energético de la IA, la privacidad de nuestros datos y la posible burbuja, con cifras y fuentes.
La IA, como todo, tiene sus partes positivas y negativas. Es una tecnología con luces y sombras, pero siendo objetivos, podemos aprovechar las ventajas y protegernos de las amenazas.
Origen de este artículo
Este artículo nace de una mesa redonda sobre innovación e inteligencia artificial celebrada el 1 de octubre en la segunda edición del evento de innovación de Arahealth en Zaragoza. La mesa estuvo moderada por Pere Estupinyà y participé junto a María Barrié, líder de innovación de L'Oréal.
En la conversación pudimos hablar de cómo la IA está cambiando el consumo, la prescripción y la manera de crear, además de cómo aprovecharla sin debilitar nuestra capacidad de pensar, argumentar y debatir. La IA puede ayudarnos a hacer, aprender, equivocarnos pronto e iterar, siempre que conservemos el criterio humano.
Las demás intervenciones ampliaron el debate hacia la economía, la geopolítica, el poder y la sostenibilidad. De ahí surge este artículo, de revisar algunas afirmaciones frecuentes sobre la IA y distinguir entre riesgos reales, exageraciones y cuestiones todavía abiertas.
Qué conviene aclarar sobre la IA
Las afirmaciones sobre la IA suelen mezclar problemas comprobables con comparaciones incompletas y predicciones todavía inciertas. En cada apartado separaré qué sabemos, qué depende del contexto y qué conviene vigilar, sin presentar la tecnología como buena o mala por sí misma.
Gasto energético
El consumo de energía y las emisiones asociadas a la IA generan una controversia comprensible. La pregunta útil es cuánto se consume en cada etapa, qué cantidad de electricidad se utiliza y qué valor produce ese uso.
Un modelo generativo como ChatGPT o Claude pasa por varias fases: definición de su objetivo, recopilación y preparación de datos, elección de su arquitectura, entrenamiento, evaluación, despliegue y mantenimiento. Tanto el entrenamiento como el uso posterior consumen energía, y el peso de cada fase cambia según el modelo y el número de consultas.
No existe una cifra universal válida para determinar lo que contamina la IA. El entrenamiento de BLOOM, un modelo de IA generativa de 176.000 millones de parámetros, consumió unos 433 megavatios-hora. Las diferentes fases por las que va pasando (diferentes para cada modelo) cambian mucho las emisiones.
La electricidad se suele medir en los hogares en kilovatios-hora (kWh) y, a gran escala, como en fábricas o en cadenas de producción, en teravatios-hora (TWh) (1 teravatio-hora son mil millones de kilovatios-hora). La Agencia Internacional de la Energía (AIE) estima que los centros de datos consumieron 485 TWh en 2025 y podrían alcanzar unos 950 TWh en 2030, que equivaldría al 3 % de la demanda eléctrica mundial para ese entonces. La IA es un impulsor importante de ese consumo, pero no todo el consumo de los centros de datos procede de la IA.
El gasto depende además de la tarea que se solicita. Un estudio que comparó 1.000 inferencias (cada vez que se usa un modelo para obtener una respuesta) encontró que las relacionadas con generar imágenes consumían más energía que las tareas basadas solo en texto. También se observó que los modelos fundacionales, también llamados de propósito general (ChatGPT, Claude, etc.), podían consumir varios órdenes de magnitud más que modelos especializados.
El impacto no se limita a la electricidad, aunque esta sea su principal fuente y cuello de botella actual. Los centros de datos también utilizan agua de forma directa para refrigerar equipos e indirectamente para generar electricidad. Un estudio estimó que el entrenamiento de GPT-3 (modelo presentado en mayo de 2020), en centros de datos estadounidenses, pudo consumir directamente unos 700.000 litros de agua dulce. La huella hídrica también varía según el lugar, el clima, la hora y el sistema de refrigeración. Propuestas como instalar centros de datos en el espacio siguen siendo especulativas y no pueden presentarse todavía como una solución. Pero si llegan a hacerse realidad, sería un gran ahorro de agua de refrigeración, además de un avance considerable e innovador.
¿Es, entonces, la IA un problema que debemos tener en cuenta a nivel medioambiental?
Sí, pero conviene evitar una conclusión de sí o no. El impacto depende del entrenamiento, del uso, del tipo de tarea, de la eficiencia del centro de datos, de la procedencia de la electricidad (de fuentes renovables o no) y de la disponibilidad local de agua.
Si el beneficio de cada uso justifica los recursos empleados y los proveedores miden, publican y reducen esa huella, entonces sí sería una inversión sostenible y constructiva. Innovación tecnológica y sostenibilidad medioambiental podrían ir de la mano.
Fuentes del apartado
Agencia Internacional de la Energía (2026), Key Questions on Energy and AI
Privacidad de los datos
Acá tampoco hay blancos o negros, sino una escala de grises que conviene tener en cuenta para saber qué se usa y si nuestra privacidad está siendo vulnerada o no.
Los modelos generativos de IA se pueden clasificar como modelos abiertos y cerrados. Los cerrados tienen una configuración que es más difícil de personalizar, especialmente en los niveles más profundos de su funcionamiento. Los abiertos son bastante más personalizables y, sobre todo, puedes descargarte el modelo en tu ordenador.
Esa es la gran ventaja que tienen actualmente los modelos abiertos: toda la información que generes se mantiene en el entorno local de tu ordenador, lo que es más seguro que usar aplicaciones de terceros si lo que buscas es máxima privacidad. La desventaja es que los modelos punteros tienen como poco 150.000 millones de parámetros, y un ordenador que soporte un modelo así necesita una tarjeta gráfica potente y bastante memoria RAM. Eso sí, para muchos usos no hace falta el modelo más potente: hay modelos abiertos más pequeños que funcionan bien en un portátil.
Alternativas actuales
Si no estás dispuesto a descargar un modelo en tu ordenador, pero sigues buscando privacidad y seguridad para tus datos, estas serían las opciones que irían después.
Aclaración antes de continuar: cualquier información que sea altamente confidencial es mejor no compartirla si no usamos modelos locales.
Para datos de clientes, contratos, inversiones, bienestar, código de aplicaciones o estrategia de negocio, lo más conveniente es usar una cuenta Enterprise o Team con contrato, o usar la clave API que ofrecen. Las conversaciones van a los servidores de las empresas que ofrecen estos modelos, pero de forma predeterminada no se usan para entrenarlos, por lo que el nivel de seguridad es mayor.
Un escalón por debajo están las cuentas de pago individuales (Plus o Pro). Aquí, si no lo desactivamos desde los ajustes, las empresas pueden usar nuestras conversaciones para entrenar sus nuevos modelos. En ChatGPT se desactiva desde los controles de datos, y en Claude cada usuario elige si acepta o no. Gemini lo plantea de otra forma: si quieres guardar el historial de chats, hay revisores humanos que pueden leer algunas conversaciones. Si desactivas el historial, hay más privacidad y esto no ocurre (aunque Google guarda las conversaciones hasta 72 horas).
Ya si usamos los modelos gratuitos, casi seguro que usan nuestros datos para entrenarse, salvo que lo desactivemos.
| Tipo de información | Modo de la herramienta a utilizar |
|---|---|
| Pública o genérica | Plan gratuito |
| Interna y no sensible | Plan de pago con el entrenamiento apagado |
| Datos de clientes, facturación y sensibles | Plan de empresa con contrato, uso de API o modelo local |
| Información altamente confidencial o muy sensible | Modelo local o, directamente, no recurrir a la IA |
Fuentes del apartado
Anthropic, Updates to Consumer Terms and Privacy Policy
Google, Gemini Apps Privacy Hub
¿Revolución o burbuja a punto de estallar?
Imagen generada con IA.
La frase de «el pasado sirve para aprender, pero siempre mirando hacia adelante» la suscribo. Vivir del pasado nunca es bueno, alimenta nuestro ego y nos impide mejorar.
Jeff Bezos, el año pasado en un congreso de tecnología en Italia con el presidente del grupo automovilístico Stellantis como entrevistador, explicó lo que para él es la industria de la IA y si es o no una burbuja a punto de estallar.
Me gustó bastante lo que dijo porque permitió diferenciar entre una burbuja financiera y una tecnológica o productiva.
La burbuja financiera que ocurrió en 2008 tras la caída de Lehman Brothers fue el claro ejemplo de que, cuando ofreces algo sin valor real, sin transparencia y sin principios, todo se puede derrumbar de un día para el otro.
Cuando apareció internet, justo antes de la burbuja de las .com, había empresas gigantescas que dedicaron ingentes cantidades de recursos (en gran parte con deuda) a instalar los cables de internet que conectarían al mundo entero a través de los océanos. La cantidad de dinero que se invirtió en esa tecnología fue inmensa; tanta, que varias de estas empresas quebraron, pero su valor aportado quedó. Hoy, si estamos tan globalmente conectados a través de la fibra óptica, es gracias a estos proyectos que fracasaron a nivel empresarial pero que cambiaron el mundo, y que hicieron que conectarse sea hoy mucho más barato y accesible que entonces.
Para Bezos, esta burbuja que puede llegar a haber tiene que ver más con la segunda opción que con la primera. Bezos también advirtió que, en este frenesí, los inversores no distinguen las buenas ideas de las malas.
Varios estudios coinciden además en que la IA solo aporta un retorno real a las empresas dispuestas a repensar sus flujos de trabajo para que la IA sea un unificador, y no un complemento.
Por tanto, vayamos al pasado para comparar cifras y estimaciones de lo que puede ser otra sobrevaloración, pero que podría traer grandes avances.
Los números, en octubre de 2026
Según Sequoia Capital, en 2023 la IA necesitaba generar unos 200.000 millones de dólares al año en ingresos para justificar lo que se estaba invirtiendo, y todavía faltaban 125.000 millones para llegar a esa cifra.
En junio de 2024, esa cifra aumentó hasta los 600.000 millones de dólares al año para sostener toda la demanda e infraestructura.
Para dentro de cinco años, según Bain, serían 6 billones de dólares al año (6 trillion en inglés).
Las cifras de inversión ya asustan, pero hay más.
En tres años, la inversión en IA creció más que en cualquier boom anterior respecto de su punto de partida. La tecnología se renueva, no es estática. Se estima que entre el 70 y el 90 % del gasto se va en equipos (chips, servidores, redes) que se renuevan cada cinco años aproximadamente. Y si no te renuevas, probablemente termines notando la diferencia. Por tanto, el capex tiene que ser constante.
Además, con capacidades más agénticas, las tareas consumen más tokens y recursos, aun teniendo en cuenta que el coste para una misma tarea cae actualmente unas 10 veces por año.
Ahora lo positivo
Los principales inversores de IA, a diferencia de lo que ocurrió con las .com, son empresas con mucha caja, por lo que es una inversión directa en esta tecnología por parte de estas compañías líderes. Aunque cada vez recurren más a la deuda: según el Banco de Pagos Internacionales, entre un 30 y un 40 % de esta inversión ya se financia con deuda y arrendamientos.
Además, la IA está generando ingresos reales. Cursor, que fue comprada por SpaceX, la empresa de Elon Musk, y ahora forma parte de SpaceXAI, multiplicó sus ingresos por 20 en 14 meses (hasta los 2.000 millones de dólares). Y las empresas líderes, que se toman la IA como algo estratégico y no como una herramienta para redactar emails o hacer textos para redes sociales, mejoran su EBITDA entre un 10 y un 25 %.
Por otro lado, están las valoraciones astronómicas de OpenAI y Anthropic, además de sus ingresos de 2026. Anthropic, la empresa detrás de Claude, dirigida por Dario Amodei y su hermana Daniela, factura a un ritmo de unos 65.000 millones de dólares anualizados (si mantuviera todo el año lo que facturó en julio), y el New York Times estima que superará los 100.000 millones. OpenAI factura ya a un ritmo de unos 70.000 millones anualizados, aunque sus ingresos reales de 2026 se estiman en unos 36.000 millones, y prevé alcanzar el punto de equilibrio (dejar de tener pérdidas) en 2030. Anthropic lo lograría en 2027 o 2028.
Que OpenAI valga más que Toyota o que Anthropic valga lo mismo que Walmart (ambas a falta de que se ejecute su salida a bolsa) es solo el primer indicador de la expectativa gigante que hay sobre estas compañías.
Fuentes del apartado
Sequoia Capital, AI's $600B Question
Bain & Company, Technology Report 2026
Banco de Pagos Internacionales, The AI investment race
Bezos en la Italian Tech Week (Malay Mail)
Lo que queda por mirar
Hay varios puntos más que hay que tener en cuenta a la hora de evaluar una tecnología como esta: la potencia que puede llegar a alcanzar al ritmo al que está evolucionando, los riesgos que acarrea, la concentración de poder en pocos actores del mercado, su uso y su comportamiento ético y moral, y la fiabilidad y los errores que puede cometer (un 97 % de acierto en cada paso de un proceso de 30 pasos se convierte en solo un 40 % de acierto al final). No significa que sean malos o que den miedo, pero sí que está bueno conocer sus virtudes y defectos para estar preparados y que no nos sorprendan.
Si les interesa este tipo de artículos, un comentario estaría genial para hablar más en detalle de ellos y explicarlos con ejemplos, ilustraciones o lo que más pueda servirles.
Para mí está claro que una tecnología así puede suponer grandes avances. Ir demasiado rápido puede hacernos no disfrutar tanto del paisaje y de cada etapa, obsesionándonos con llegar a un lugar que no sabemos si es bueno o no. Velocidad no siempre es avance y progreso, pero si se hace con sentido, criterio y juicio, sin duda estaremos en la dirección adecuada.
¿Y tú, de qué lado de la balanza pones hoy a la IA?
Gracias por leerme.
Comentarios
Deja un comentario
¿Te resonó esto?
Recibe un aviso cuando publique algo nuevo en el blog o en recursos. Nada de spam, solo cuando hay algo que valga la pena.
Te llegará un email para confirmar. Puedes darte de baja cuando quieras.
También te puede interesar
Qué le ocurre al ser humano cuando externaliza partes de su inteligencia
Una reflexión personal sobre las posibilidades y los riesgos de buscar comodidad y eficiencia con la inteligencia artificial.
¿Sabemos a dónde vamos?
En IA, cuatro semanas pueden parecer tres meses. Entre avances increíbles y advertencias serias, me pregunto si sabemos qué futuro estamos construyendo.
SuperNext 2025: ética digital, IA y nuevas generaciones
La charla que di ante unas 700 personas en SuperNext 2025 sobre nuevas generaciones, inteligencia artificial y cómo llevar sus usos al negocio con criterio.
¿Te ha resultado útil?
Si quieres hablar sobre este tema en tu empresa o evento, me encantaría escucharte.
Contáctame