En los últimos meses, el ámbito tecnológico vive una dualidad marcada por la euforia hacia la inteligencia artificial (IA) y las preocupantes cifras de inversión que pueden sugerir un camino insostenible a largo plazo. Las recientes observaciones presentadas por IBM, las advertencias de Geoffrey Hinton y los análisis de McKinsey detallan un panorama incierto, particularmente en la construcción de infraestructura masiva para impulsar la IA sin contar todavía con un modelo de negocio claro que garantice su viabilidad futura.
El CEO de IBM, Arvind Krishna, arrojó luz sobre la magnitud del gasto necesario, estimando que un megacentro de datos de gigavatio para IA puede requerir inversiones de hasta 80,000 millones de dólares por unidad. Considerando proyecciones de la construcción de cerca de 100 de estos centros en la próxima década, la inversión podría ascender a una cifra escalofriante de 8 billones de dólares. Este gasto titánico es atribuible a la necesidad de centros que superen las capacidades actuales en términos de potencia, refrigeración y diseño eléctrico, con componentes críticos cuya vida útil no supera los cinco años.
Por su parte, McKinsey pinta un panorama menos optimista al reportar que, aunque el 88% de las empresas encuestadas usa IA regularmente, solo un 39% percibe un impacto económico significativo. Muchas organizaciones permanecen estancadas en proyectos piloto deslumbrantes, pero sin capacidad de despliegue a escala. Mientras, las pocas que destacan logran rediseños de procesos completos y modelos de negocio basados en IA.
Geoffrey Hinton añade una capa de complejidad a esta perspectiva, advirtiendo que, dado el elevado coste de estas infraestructuras, podría haber una tendencia a sustituir masivamente la fuerza laboral humana, en lugar de optimizar la productividad. Esto podría derivar en decisiones de negocio que prioricen recortes laborales masivos para justificar el gasto en infraestructura, incrementando una presión por márgenes que podrían resultar en un automatismo extremo de funciones.
El enfoque predominante en el uso de la IA también muestra fallas significativas. Muchas empresas intentan integrar la tecnología en procesos arcaicos, resultando en errores amplificados sin aprovechar el potencial de generar nuevas fuentes de ingreso. El liderazgo muchas veces permanece desconectado de la realidad técnica, confiando en costosos proyectos de infraestructura que no se traducen en beneficios reales.
La clave del éxito para aquellas pocas empresas que logran rentabilidad mediante IA yace en un enfoque práctico: desarrollan agentes de IA operativos más allá de simples chatbots, ajustan arquitecturas centradas en el costo total de propiedad (TCO) y permiten intervenciones humanas significativas en los flujos de trabajo. Miden el éxito no en términos de datos vanos, sino en ingresos nuevos y mejoras tangibles en eficiencia operativa y reducciones de errores.
La industria tecnológica enfrenta el reto de ajustar sus expectativas y planes para evitar que la ola de inversión desmedida sobrepase la lógica económica. Es crucial no sobredimensionar infraestructuras sin tener un uso real claro, y rediseñar procesos con base en las capacidades que ofrece la IA hoy. Asimismo, proteger el capital humano como un activo valioso y preparar a las infraestructuras para un probable aumento en la regulación y costos energéticos son pasos fundamentales hacia un futuro donde la IA reescriba no solo los algoritmos, sino también los métodos de trabajo. Las promesas y potenciales de la inteligencia artificial necesitan no solo fascinar en teoría, sino también demostrar pragmatismo y sostenibilidad económica.
