“Seis meses de surrealismo iA”
(Parte I)
Al mundo le venden la idea de que la iA es una capa de software etérea, pensada para optimizar procesos y ampliar el acceso al conocimiento. Sin embargo, los últimos seis meses han dejado esa narrativa bastante expuesta.
En este período, una potencia que lidera el desarrollo de esta tecnología utilizó a un proveedor privado como herramienta activa en operaciones para capturar jefes de Estado y desestabilizar gobiernos. Meses después, el mismo poder impuso restricciones sobre la empresa que le había entregado esa capacidad. El mensaje es claro: se usa mientras sirve, y se corta cuando deja de convenir. El proveedor, que ayer operaba en la sombra, hoy aparece como víctima de un sistema que lo persigue. Es un ciclo predecible de uso y descarte.
Esta dinámica muestra que, para Silicon Valley y el aparato de poder que lo sostiene, el desarrollo de la iA no es una carrera de innovación abierta. Es un mecanismo de contención geopolítica. Bajo el discurso de la “seguridad global”, se han impuesto bloqueos de hardware y barreras regulatorias con el objetivo explícito de frenar al principal competidor.
El resultado, sin embargo, ha sido parcial. Mientras el bloque dominante se encierra en su propia estrategia de asfixia tecnológica, China ha respondido con mayor agilidad de la prevista. A pesar de las restricciones sobre los componentes más avanzados, sus modelos ya no solo resisten: lideran o alternan el primer puesto en varios de los benchmarks más exigentes.
La realidad es que el cerco no detuvo el avance. Solo obligó al competidor a volverse más eficiente. Si queremos entender qué está ocurriendo realmente, es necesario mirar más allá de la superficie y observar las tres capas que sostienen todo el edificio: el cómputo, la energía y los datos.
Cómputo: La aduana del silicio
En la base material del poder no hay genialidad, hay concentración. NVIDIA controla entre el 80% y 86% del mercado de aceleradores de iA. Esta posición no se sostiene únicamente por superioridad tecnológica, sino también por la capacidad de limitar el acceso de otros actores a los componentes más avanzados.
A pesar de estas restricciones, la brecha de rendimiento entre los modelos del actor dominante y su principal competidor se ha reducido drásticamente. Según el Stanford AI Index 2026, esa diferencia se ubica actualmente en torno al 2.7%. Esto demuestra que el hardware es un obstáculo importante, pero no un muro infranqueable. El control del silicio sigue siendo una palanca de poder, aunque su efectividad ha disminuido más rápido de lo que muchos esperaban.
Energía: La frontera física del imperio
El chip es inútil sin energía. Los centros de datos que entrenan y ejecutan modelos de iA consumen cantidades industriales de electricidad. Según la Agencia Internacional de la Energía (IEA), el consumo global de electricidad de los data centers fue de aproximadamente 415 TWh en 2024 y se proyecta que alcance los 945 TWh hacia 2030 en el escenario base, representando cerca del 3% del consumo eléctrico mundial.
En el territorio del actor dominante, la demanda de estos centros pasaría de 80 GW en 2025 a 150 GW en 2028, según estimaciones de la industria. Un solo data center hyperscale puede requerir 100 MW, equivalente al consumo de una ciudad mediana. Este crecimiento impulsado por la iA es el principal motor del aumento. La limitación es física: quien no controle la generación eléctrica ni la infraestructura necesaria para sostener estos consumos, tiene una estrategia incompleta.
Datos: La alquimia de la eficiencia
Los datos atraviesan actualmente un cambio de etapa que modifica las reglas de la competencia. Se puede distinguir, al menos, entre dos fases ya consolidadas y una tercera que permanece abierta.
La primera etapa, que podríamos llamar primitiva, se basó en la extracción masiva de datos generados por humanos. Durante años, el modelo dominante consistió en raspar grandes volúmenes de internet, libros, artículos y código para alimentar los modelos. Esa fuente está llegando a su límite: el internet de alta calidad ya fue mayoritariamente procesado y una parte creciente del contenido disponible está siendo generado por otras inteligencias artificiales, lo que introduce ruido y reduce la calidad de los conjuntos de entrenamiento.
La segunda etapa, que es la que predomina actualmente, está marcada por el uso de datos sintéticos. Estos no provienen directamente de la actividad humana, sino que son generados artificialmente por modelos ya existentes. Su principal ventaja es que permiten crear información controlada, limpia y adaptada a necesidades específicas.
Los datos sintéticos ofrecen una ventaja estratégica doble. Por un lado, reducen los problemas de privacidad, sesgos y restricciones legales asociados a los datos reales. Por otro, y más relevante en términos geopolíticos, permiten entrenar modelos más eficientes con menor necesidad de hardware de última generación. Un modelo alimentado con datos sintéticos de alta calidad puede lograr resultados competitivos utilizando menos capacidad de cómputo y energía que uno entrenado exclusivamente con grandes volúmenes de datos reales. Esta característica convierte a los datos sintéticos en una herramienta de compensación frente a las restricciones de hardware.
La tercera etapa aún no está definida. Queda por ver si el siguiente salto en la calidad y utilidad de los datos vendrá de una inteligencia artificial general (AGI), de nuevos métodos de generación de conocimiento o de una combinación de ambos. Por ahora, lo que se observa es que la capacidad de producir datos sintéticos de alto rendimiento ya está funcionando como una ventaja competitiva real, especialmente para quienes enfrentan limitaciones de acceso a hardware avanzado.
Este texto es la primera parte de un balance semestral. Aquí se analizaron los tres pilares materiales que sostienen el desarrollo de la iA: cómputo, energía y datos. En la siguiente entrega se abordarán las capas superiores: arquitectura y algoritmos, post-training, capital, control político y talento.
Es relevante señalar que la promesa de una iA general (AGI) funciona también como justificación para movilizar inversiones multimillonarias. Ese horizonte futuro opera como un relato que legitima la concentración de recursos e infraestructura, aunque siga siendo, por ahora, un objetivo más discursivo que real.
La única verdad, es la realidad.
Autor: Leo Utzinger
Asistentes: Grok & Gemma4 (Google)
Fuentes principales:
Rendimiento y Benchmarks: Stanford HAI – AI Index Report
Consumo Energético Global: IEA – Energy and AI Reports
Infraestructura de Energía: Bloom Energy – Data Center Power Solutions
Mercado de Aceleradores: NVIDIA Investor Relations / Market Share Data
