La distancia entre lo que la IA es y lo que se vende como si fuera no es un matiz cosmético. Es el mecanismo que está inflando una burbuja inversora.
La inteligencia artificial generativa funciona. Redacta, resume, traduce, programa, clasifica información. Negarlo sería tan absurdo como aceptar sin reservas todo lo que prometen sus fabricantes. La IA no es una estafa tecnológica, pero está siendo comercializada como un producto mucho más maduro, fiable y rentable de lo que realmente es.
Esa distancia entre lo que la tecnología es y lo que se vende como si fuera no es un matiz cosmético. Es el mecanismo que está inflando una burbuja inversora. Y para entenderlo hay que juntar dos cosas que normalmente se explican por separado: la prisa estructural del capital por vender cuanto antes, y el hecho de que esta tecnología concreta, en sus aspectos físicos más básicos, todavía está verde.
El capital no puede permitirse esperar
En el segundo volumen de El capital, Marx describe el ciclo D-M...P...M'-D': el dinero se adelanta para producir una mercancía que debe venderse para regresar convertido en dinero incrementado. Cuanto más rápido se completa ese ciclo, más veces puede repetirse la valorización en el mismo periodo. Una tecnología que permanece años en un laboratorio es capital inmovilizado: genera patentes y expectativas, pero no el retorno que exige la inversión adelantada.
En la IA, las cifras comprometidas hacen que esa presión sea descomunal.
El hype y el marketing no son ruido añadido a esta presión: son el canal por el que actúa. Hartmut Rosa lo explica con la estabilización dinámica: las tecnológicas lanzan modelos porque sus rivales también lo hacen, y las empresas los compran por miedo a quedarse atrás, no porque hayan verificado que están listos. Eso desplaza quién decide el calendario: ya no lo marca la investigación, lo marca el inversor que quiere ver beneficios cuanto antes. El resultado es medible. Según McKinsey, el 88% de las organizaciones usa IA regularmente, pero solo el 39% le atribuye algún impacto medible en el beneficio, y la mayoría lo sitúa por debajo del 5%. Daron Acemoglu estima que la actual generación de IA podría elevar la productividad total de los factores en apenas un 0,66% acumulado en diez años. La inversión corre a un ritmo que los resultados todavía no justifican, y aun así no se frena: los inversores, no los datos, deciden cuándo sale un producto al mercado.
Esa prioridad no solo acelera el lanzamiento: determina qué tecnología se lanza. David Noble mostró, al estudiar la automatización industrial de posguerra, que cuando dos alternativas técnicas compiten, no siempre gana la más eficiente, sino la que mejor sirve a quien la financia. Con la IA ocurre lo mismo, y de forma literal: existen técnicas —poda, cuantización, destilación— capaces de reducir el consumo energético de un modelo hasta en un 80% con pérdidas de precisión mínimas, es decir, tecnología ya más cercana a estar madura y comoditizada. Pero un modelo así resuelve una tarea con un coste proporcionado, y eso no sostiene una valoración de varios cientos de miles de millones de dólares. Los inversores no premian al modelo más eficiente, premian al que promete escala ilimitada. Por eso la industria sigue lanzando la versión menos madura de la tecnología: es la única que justifica el tamaño de la apuesta.
Ya ha pasado antes que esta lógica termine mal. A mediados de los años ochenta, el entusiasmo comercial en torno a los sistemas expertos y el hardware especializado en Lisp vendía resultados que la ciencia todavía no podía sostener; en 1984, los propios investigadores del sector —Roger Schank y Marvin Minsky— advirtieron públicamente de que esa euforia era insostenible, y en 1987 se cumplió: el mercado colapsó y la financiación se hundió durante años, en lo que la propia comunidad científica bautizó como "invierno de la IA". La lección de aquel episodio es la que sigue sin aprenderse: lanzar un producto antes de que la ciencia que lo sostiene esté resuelta no lo convierte en un producto maduro, solo lo convierte en un producto verde con etiqueta de terminado. Eso es exactamente lo que ocurre hoy.
El capital debe transformar cuanto antes la promesa tecnológica en circulación mercantil, aunque la ciencia que la sostiene todavía esté trabajando en sus límites físicos — y aunque esa misma prisa le reste a la ciencia el tiempo que necesitaría para resolverlos.
Una tecnología verde vendida como madura
Y hablando específicamente de la IA generativa: sus dos límites más importantes hoy no son de software, sino de electricidad y agua, y ninguno de los dos está resuelto. Lo desarrollé con datos en dos artículos anteriores de esta serie: en La IA no es un empleado barato: es una infraestructura cara mostré cómo el coste real de estos sistemas se oculta detrás de una licencia que parece barata; en La IA también tiene cuerpo (y su carne es débil), que esos límites físicos son la razón concreta por la que los grandes proveedores venden sus servicios por debajo de coste.
Esto no es una hipótesis: OpenAI, Google, Anthropic y Microsoft están vendiendo un servicio cuyo coste de producción —electricidad, refrigeración, hardware, amortización de centros de datos— no está cubierto por lo que paga el cliente.
Aquí está el mecanismo de la burbuja, y también su posible detonante. No se puede vender esta tecnología a un precio que cubra su coste real sin que se derrumbe buena parte de su demanda actual, lo que significa que el mismo ajuste que haría sostenible el negocio es el que puede hacerlo estallar. La valoración de OpenAI tras su última ronda —852.000 millones de dólares— se ha construido sobre el supuesto de que la ciencia gana esa carrera a tiempo. Es una apuesta legítima, pero es una apuesta, no un hecho consumado.
Cuando el coste real no cuadra, otra parte de la factura recae sobre quien usa la herramienta en su jornada laboral —lo documenté con datos en La IA no es un empleado barato—: la supervisión permanente que exige un sistema todavía inmaduro neutraliza buena parte del ahorro que promete.
Estamos financiando una apuesta, no comprando un producto terminado
No es una crítica contra la tecnología. Es una advertencia sobre cómo se está financiando y sobre lo que esa financiación le está quitando a la propia ciencia que la sostiene. Una industria puede sostener temporalmente precios por debajo de coste mientras espera un avance científico que reduzca ese coste. Pero cuanto más tiempo tarde la ciencia en resolver sus límites energéticos —y cuanto más talento y financiación absorba el ciclo de marketing en lugar de la investigación de fondo—, más capital, privado y público, queda expuesto a una corrección de precios que devolvería la IA a un coste que hoy nadie estaría dispuesto a pagar al ritmo actual de adopción.
La inteligencia artificial no ha llegado al mercado porque estuviera lista. Ha llegado porque el capital adelantado no puede permitirse esperar a que la ciencia termine de resolver lo que la sostiene, y esa misma impaciencia le resta a la ciencia el tiempo y los recursos que necesitaría para hacerlo antes.
Estamos ante una tecnología que debe parecer terminada porque ya se ha vendido como si lo estuviera, aunque el precio que la sostiene siga sin ser el precio real.
Comentarios
Publicar un comentario