© Libro N° 15251. La Termodinámica Del Capital: Inteligencia Artificial, Crisis Energética Y Crisis Ecológica. Li, Te. Emancipación. Junio 20 de 2026
Título Original: ©
Versión Original: ©
Circulación conocimiento libre, Diseño y edición digital de Versión original
de textos:
https://monthlyreview.org/articles/the-thermodynamics-of-capital/
Licencia Creative Commons:
Emancipación Obrera utiliza una
licencia Creative Commons, puedes copiar, difundir o remezclar nuestro contenido,
con la única condición de citar la fuente.
La Biblioteca Emancipación Obrera es un medio
de difusión cultural sin fronteras, no obstante los derechos sobre los contenidos
publicados pertenecen a sus respectivos autores y se basa en la circulación del
conocimiento libre. Los Diseños y edición digital en su mayoría corresponden a Versiones
originales de textos. El uso de los mismos son estrictamente educativos y está
prohibida su comercialización.
Autoría-atribución: Respetar la autoría del texto y el nombre de los autores
No comercial: No se puede utilizar este trabajo con
fines comerciales
No derivados: No se puede alterar, modificar o reconstruir
este texto.
Portada E.O. de: Imagen con Copilot
© Edición, reedición y Colección Biblioteca Emancipación:
LA TERMODINÁMICA
DEL CAPITAL:
Inteligencia
Artificial, Crisis Energética Y Crisis Ecológica
Te Li
La
termodinámica del capital: inteligencia artificial, crisis energética y crisis
ecológica
Te Li
- Vol. 78,
No. 02 (junio de 2026)
Centro
de datos CMC en Tân Thuận, Hồ Chí Minh, Vietnam. Por Linh.ttt - Trabajo propio , CC BY-SA 4.0 , Enlace .
Te Li es profesor adjunto en la Facultad de Economía y Gestión de la
Universidad Abierta de Yunnan. Su investigación se centra en la matematización
de las instituciones y la economía política.
Del código a la materia
En la primavera de 2023, Microsoft anunció una
inversión multimillonaria en OpenAI, presentando la alianza como un salto hacia
una civilización más limpia, inteligente y eficiente. Las imágenes que
acompañan a estos anuncios son invariablemente etéreas: redes neuronales
luminosas, flujos de datos ingrávidos y algoritmos que danzan en un espacio
digital sin fricciones. La inteligencia artificial (IA), en el discurso
dominante de Silicon Valley y su ecosistema mediático, se presenta como la
apoteosis de la desmaterialización: una tecnología tan refinada, tan puramente
cognitiva, que finalmente ha escapado del mundo sucio y entrópico de las
máquinas de vapor, las minas de carbón y las fábricas.
Este artículo argumenta que tales representaciones
son ideológicas en el sentido marxista preciso: invierten la realidad,
presentando como inmaterial un proceso que es profunda y significativamente
material. Se estima que el entrenamiento de GPT-4 consumió energía equivalente
al consumo anual de electricidad de miles de hogares. 1 Una
sola consulta a un modelo de lenguaje grande requiere aproximadamente diez
veces la electricidad de una búsqueda estándar en Internet. 2 El
consumo de agua de Microsoft aumentó un 34 por ciento en un solo año, un
incremento que su propio informe ambiental atribuyó directamente a la expansión
de la infraestructura de IA. 3 Estas
no son ineficiencias incidentales que esperan una corrección técnica; son
necesidades estructurales de una tecnología cuyo sustrato físico
—semiconductores, centros de datos, sistemas de refrigeración y redes de
transmisión— se encuentra entre las infraestructuras que más recursos consumen
que la humanidad haya construido jamás.
El mito de la desmaterialización digital tiene una
larga genealogía. Desde la década de 1990, los teóricos de la «economía de la
información» han argumentado que el cambio de la manufactura a los servicios, y
de los átomos a los bits, desvincularía el crecimiento económico del flujo de
materiales.⁴ El auge
de la IA ha dado a esta tesis una nueva y más poderosa versión: si las
tecnologías digitales anteriores simplemente procesaban información, la IA
—según este argumento— genera inteligencia en sí misma, un recurso cuya
abundancia no agota la naturaleza, sino que la trasciende. Esta es la visión
que anima la retórica de «IA para el clima», «IA para la sostenibilidad» y la
afirmación más amplia de que el poder computacional puede sustituir a los
recursos naturales para resolver la crisis ecológica.
El marco teórico desarrollado en este artículo
cuestiona esta visión en sus fundamentos. Me baso en la tradición termodinámica
dentro de la economía política ecológica, desde la obra fundamental de Nicholas
Georgescu-Roegen, * La ley de la entropía y el proceso económico*, hasta
la síntesis ecosocialista desarrollada por John Bellamy Foster y Brett Clark,
para argumentar que el auge de la IA bajo el capitalismo no representa una
trascendencia del mundo material, sino una intensificación de la relación
entrópica del capital con él.⁵ La segunda
ley de la termodinámica es implacable en su universalidad: todo cálculo es un
evento termodinámico. Consume energía de baja entropía —ordenada, utilizable,
libre para realizar trabajo— y devuelve desechos de alta entropía a la biosfera
en forma de calor, dióxido de carbono y materia degradada. Ningún algoritmo,
por elegante que sea, suspende esta ley. La cuestión no es si la IA produce
entropía, sino cuánta, a qué ritmo y qué ecosistemas absorben las
consecuencias.
Karl Marx comprendió la producción como un proceso
metabólico: un intercambio continuo entre las sociedades humanas y el mundo
natural, mediado por el trabajo y la tecnología. En El Capital ,
observó que la maquinaria no crea energía, sino que transforma y transmite las
fuerzas naturales inherentes a ella, y que esta transformación siempre implica
el consumo de sustancias naturales.⁶ Lo que
no pudo prever fue una forma de acumulación de capital en la que la principal
fuerza productiva es el poder computacional, y en la que las exigencias
termodinámicas de dicho poder ejercerían una presión sin precedentes sobre los
sistemas energéticos planetarios, las reservas de agua dulce y la estabilidad
climática. El auge de la IA nos confronta con la necesidad de extender el
análisis metabólico de Marx al ámbito digital.
La dinámica de la acumulación: la IA como motor de
alta entropía.
La crisis ecológica de la IA no es, en primera
instancia, un problema termodinámico. Es un problema social e histórico. Los
procesos específicos que generan la carga ecológica de la IA —la carrera
armamentística competitiva entre un puñado de monopolios tecnológicos, el
imperativo de aumentar la capacidad computacional sin importar la utilidad
social y la externalización sistemática de los costos ecológicos a las
comunidades y los ecosistemas del Sur Global— son producto de una formación
histórica particular: el capitalismo en su fase monopolística-digital. La
termodinámica no causa estos procesos; registra sus consecuencias. La segunda
ley de la termodinámica nos dice que todo cálculo degrada energía. No nos dice
por qué el cálculo se organiza a esta escala, a esta velocidad, con estos fines
y a costa de quién. Para ello, necesitamos un análisis social e histórico. Lo
que proporciona el marco termodinámico, y lo que lo hace indispensable, es una
explicación precisa de por qué el daño ecológico generado por estos procesos
sociales no es incidental sino estructural, no se corrige con mejoras de
eficiencia sino que se acumula, y no es reversible mediante mecanismos de
mercado sino permanente.
Para comprender por qué la IA resulta
termodinámicamente costosa de una manera estructuralmente necesaria y no
contingente, es fundamental examinar la relación entre la escala computacional,
la acumulación de capital y el consumo de energía. Esta relación se rige por
dinámicas que hacen que la carga ecológica de la IA bajo el capitalismo no solo
sea grande, sino que se retroalimente y se expanda.
La base física de la computación de la IA reside en
el procesamiento de enormes cantidades de operaciones numéricas
(multiplicaciones, sumas y comparaciones) realizadas por hardware especializado
a una velocidad extraordinaria. La energía necesaria para realizar estas
operaciones no es insignificante. El estudio pionero de Emma Strubell, Ananya
Ganesh y Andrew McCallum de 2019 estimó que entrenar un único modelo grande de
procesamiento del lenguaje natural con búsqueda de arquitectura neuronal
produce emisiones de dióxido de carbono comparables a las emisiones totales de
cinco automóviles estadounidenses promedio durante su vida útil. 7 Las
generaciones posteriores de modelos han sido sustancialmente mayores. Si bien
las empresas tecnológicas se han negado a publicar cifras energéticas completas
para sus sistemas más recientes, análisis independientes sugieren que el
entrenamiento de modelos de vanguardia, como GPT-4, consumió energía del orden
de decenas de gigavatios-hora, suficiente para abastecer de energía a una
pequeña ciudad durante semanas. 8
La relación entre la escala del modelo y la demanda
computacional no es lineal, sino superlineal. La investigación sobre las leyes
de escala en grandes modelos de lenguaje ha establecido que el rendimiento del
modelo escala aproximadamente como una función potencial del producto de los
parámetros del modelo y los datos de entrenamiento.⁹ Esto significa
que las mejoras incrementales en la capacidad del modelo requieren aumentos
desproporcionados en la inversión computacional. Para mejorar el rendimiento de
un modelo en un porcentaje fijo, el presupuesto computacional —y, por lo tanto,
el consumo de energía— debe aumentar en un porcentaje significativamente mayor.
Esta es la expresión termodinámica de los rendimientos decrecientes: a medida
que los sistemas de IA de vanguardia se acercan a los límites de rendimiento en
tareas de referencia, cada incremento adicional de extracción de capacidad
requiere una entrada de energía exponencialmente mayor. El costo entrópico de
la inteligencia, bajo los paradigmas tecnológicos actuales, aumenta más rápido
que la inteligencia misma.
Esta dinámica se ve amplificada por la lógica de la
acumulación de capital. La industria de la IA se organiza en torno a un pequeño
número de grandes empresas —Google, Microsoft, Amazon, Meta (Facebook) y sus
homólogas chinas— cuya posición competitiva depende de mantener la superioridad
algorítmica. En este contexto, la capacidad computacional no es simplemente un
insumo de producción, sino un activo estratégico: la empresa con mayores
recursos computacionales puede entrenar modelos más grandes, atraer a más
usuarios y acumular más datos, reforzando así su dominio del mercado. Esto crea
lo que podría denominarse una carrera armamentística computacional, en la que
cada empresa se ve obligada a expandir su infraestructura de IA no porque el
beneficio social marginal de la computación adicional justifique el coste
marginal, sino porque la lógica competitiva de la acumulación de capital hace
que la contención equivalga a la salida del mercado. Ninguna empresa
individual puede limitar voluntariamente su consumo de energía sin ceder
terreno a sus rivales. El resultado es un fracaso de acción colectiva de
proporciones históricas: la industria en su conjunto expande su huella
energética mucho más allá de lo que cualquier evaluación racional de las
necesidades sociales exigiría.
El mecanismo mediante el cual opera esta dinámica
se ilustra con la paradoja de Jevons, identificada por primera vez por el
economista inglés William Stanley Jevons en su análisis de 1865 sobre el
consumo de carbón en Gran Bretaña. Jevons observó que las mejoras en la
eficiencia de las máquinas de vapor —reducciones en la cantidad de carbón
necesaria para realizar una unidad de trabajo determinada— no reducían el
consumo total de carbón, sino que lo aceleraban, porque la disminución de los
costos de uso de la energía estimulaba la expansión de la actividad económica
intensiva en energía.<sup> 11</sup> Esta
paradoja no es una peculiaridad de la economía política victoriana; es una
característica estructural de la acumulación de capital, que opera siempre que
las mejoras en la eficiencia reducen el costo de un recurso y, por lo tanto,
estimulan la demanda de su uso.
En el sector de la IA, la paradoja de Jevons se
manifiesta con especial fuerza. Las sucesivas generaciones de chips de IA
—desde el A100 de NVIDIA hasta el H100 y las arquitecturas de Blackwell— han
ofrecido mejoras drásticas en la eficiencia computacional, medida en
operaciones por vatio. Sin embargo, el consumo total de energía de la
infraestructura de IA ha aumentado de forma continua y pronunciada, debido a
que las mejoras en la eficiencia han reducido el coste de la computación de IA,
estimulado la proliferación de aplicaciones de IA, ampliado el volumen de
operaciones de inferencia y acelerado el desarrollo de modelos cada vez más
grandes. El propio análisis de OpenAI reveló que los requisitos computacionales
de las ejecuciones de entrenamiento de IA de vanguardia se duplicaron
aproximadamente cada 3,4 meses entre 2012 y 2018, una tasa de aumento que
supera con creces las mejoras de eficiencia derivadas de los avances de
hardware.<sup> 12</sup> La
Agencia Internacional de Energía proyectó en 2024 que el consumo de
electricidad de los centros de datos podría superar los 1000 teravatios-hora
anuales para 2026, lo que equivale aproximadamente a la demanda total de
electricidad de Japón.<sup> 13</sup>
Son estos procesos sociales e históricos concretos
—la carrera armamentística monopolística, la dinámica de Jevons y la
imposibilidad estructural de la restricción voluntaria bajo la acumulación
competitiva— los que la termodinámica registra, pero no puede explicar por sí
misma. La termodinámica del no equilibrio de Ilya Prigogine, desarrollada más
completamente en Orden a partir del caos , proporciona el
puente conceptual entre la lógica social del capital y sus consecuencias
físicas. 14 Prigogine
demostró que los sistemas complejos que están lejos del equilibrio
termodinámico —las llamadas estructuras disipativas— mantienen su orden interno
importando continuamente energía de baja entropía de su entorno y exportando
desechos de alta entropía. La célula viva, el huracán y la llama son todas
estructuras disipativas en este sentido: mantienen su complejidad interna a
costa de aumentar la entropía en su entorno. Pero la intuición más profunda de
Prigogine, y la más trascendental para los propósitos presentes, es que los
procesos que impulsan a las estructuras disipativas lejos del equilibrio son
irreversibles. La entropía generada en el entorno no puede ser recuperada; La
degradación del medio ambiente es permanente. Esta irreversibilidad no es un
efecto secundario de la ineficiencia, sino la característica termodinámica de
los propios procesos disipativos.
El complejo capitalista de la IA es una estructura
disipativa de este tipo, pero cuya escala, tasa de crecimiento e
irreversibilidad no están determinadas por la dinámica natural, sino por los
imperativos de la acumulación de capital. Mantiene el orden interno de las
ganancias corporativas, la optimización algorítmica y el dominio del mercado
mediante la continua extracción de las reservas de baja entropía de la biosfera
—combustibles fósiles, agua dulce y minerales— y su devolución como residuos de
alta entropía: dióxido de carbono, contaminación térmica y desechos
electrónicos. El dióxido de carbono emitido por los centros de datos se acumula
en la atmósfera en escalas de tiempo de siglos. Los acuíferos extraídos por los
sistemas de refrigeración se reabastecen en escalas de tiempo de milenios, si
es que lo hacen. Los ecosistemas alterados por la extracción de minerales en la
cuenca del Congo o el desierto de Atacama no recuperan su estado anterior
cuando se cierran las minas. Lo que hace el capitalismo, a través de la lógica
competitiva de la acumulación de IA, es impulsar estos procesos disipativos a
una velocidad y escala que superan la capacidad regenerativa de los sistemas
naturales, consolidando un daño ecológico que ninguna solución tecnológica futura
podrá revertir. El orden del algoritmo se adquiere a costa de un desorden
permanente en la atmósfera, la cuenca hidrográfica y el suelo.
Este enfoque nos permite ver lo que oculta la
narrativa tecnooptimista: que la “inteligencia” producida por los sistemas de
IA no es un regalo gratuito de la tecnología de la información, sino un
producto termodinámico, extraído de la naturaleza a un costo que el mercado
sistemáticamente no registra. Las cuentas financieras de las empresas
tecnológicas registran los ingresos generados por los servicios de IA; no
registran la carga entrópica impuesta a los ecosistemas, las comunidades y los
sistemas climáticos por los flujos de energía y materiales que hacen posibles
dichos servicios. Esto no es un error contable, sino una característica
estructural de la relación del capitalismo con la naturaleza, lo que Foster,
Clark y Richard York han denominado la “grieta ecológica”: la separación
sistemática de los costos de producción de los lugares y sujetos que los
soportan. 15
Otra dimensión del análisis termodinámico se
refiere a la relación entre el entrenamiento y la inferencia de la IA. El
entrenamiento, el proceso de optimizar los parámetros de un modelo en grandes
conjuntos de datos, es computacionalmente intensivo, pero ocurre una sola vez.
La inferencia, el proceso de ejecutar un modelo entrenado para generar
resultados, es individualmente menos intensiva, pero ocurre continuamente,
miles de millones de veces al día, en el despliegue global de sistemas de IA. A
medida que la IA se integra en motores de búsqueda, software de productividad,
diagnósticos de atención médica, investigación jurídica, análisis financiero y
sistemas de puntería militar, la demanda energética agregada de la inferencia
crece en proporción a la escala del despliegue. Goldman Sachs Research estimó
que la demanda energética de la inferencia de la IA podría superar la del
entrenamiento en la década actual a medida que se expande el despliegue. 16 Esto
significa que la carga ecológica de la IA no es un costo único de construcción
del sistema, sino un impuesto continuo y creciente sobre los presupuestos de
energía y agua del planeta, un impuesto con una tasa que aumenta con cada nueva
aplicación, cada nuevo usuario y cada nueva ronda de acumulación de capital en
el sector de la IA.
El panorama que emerge es aquel en el que la crisis
ecológica de la IA no se produce por la termodinámica en sí, sino por los
procesos sociales e históricos específicos de acumulación de capital: la
carrera armamentística competitiva, la dinámica de Jevons y la externalización
sistemática de los costos ecológicos, que en conjunto impulsan procesos
disipativos de irreversibilidad prigoginiana a escala planetaria. La entropía
es la medida del daño; la acumulación de capital es su causa.
La brecha energética: energía, agua y extracción de
minerales.
El análisis termodinámico de la sección anterior
establece la lógica estructural de las demandas energéticas de la IA. Esta
sección examina la realidad material de dichas demandas en tres dimensiones:
electricidad, agua y minerales críticos. En conjunto, estos tres vectores de
extracción constituyen lo que podemos denominar, adaptando el concepto de
fisura metabólica de Foster y Clark, una «fisura energética» específica de la
era digital: una disrupción sistemática de la relación metabólica entre los sistemas
tecnológicos humanos y los ciclos naturales que los sustentan, mediada por las
desigualdades espaciales y sociales del capitalismo global. 17
Electricidad: La red eléctrica bajo asedio
La dimensión más visible de la huella ecológica de
la IA es su demanda de energía eléctrica. Los centros de datos —la
infraestructura física de la IA, que alberga los servidores que entrenan
modelos y procesan solicitudes de inferencia— se encuentran entre las
instalaciones que más electricidad consumen en la economía moderna. Un gran
centro de datos hiperescalable, como los operados por Google, Microsoft o
Amazon, puede consumir entre 100 y 500 megavatios de energía de forma continua,
una cantidad comparable a la demanda eléctrica de una ciudad de tamaño medio.
La expansión de la IA ha acelerado drásticamente la construcción de dichas
instalaciones. Solo Microsoft anunció en 2024 planes para invertir 100.000
millones de dólares en nueva infraestructura de centros de datos a nivel
mundial, con compromisos similares por parte de Google, Amazon y Meta. 18
La magnitud de esta expansión está ejerciendo una
presión extrema sobre las redes eléctricas en las regiones donde se concentra
la construcción de centros de datos. En el norte de Virginia, que alberga la
mayor concentración de centros de datos del mundo, los operadores de la red han
advertido que el crecimiento previsto de los centros de datos amenaza con
superar la capacidad de generación y transmisión de electricidad de la región,
lo que podría requerir la construcción de nuevas centrales de generación de
combustibles fósiles para satisfacer la demanda. 19 En
Irlanda, los centros de datos ya representan aproximadamente el 21 por ciento
del consumo total de electricidad del país, una cifra que el operador de la red
nacional proyecta que podría aumentar al 32 por ciento para 2031, desplazando
la capacidad de energía renovable destinada a la descarbonización doméstica e
industrial. 20 En
Singapur, el gobierno impuso una moratoria a la construcción de nuevos centros
de datos entre 2019 y 2022, citando restricciones energéticas, antes de
levantarla bajo la presión de las empresas tecnológicas.
La relación entre la demanda eléctrica de la IA y
la transición energética es profundamente contradictoria. Las empresas
tecnológicas han asumido compromisos de alto perfil para alimentar sus
operaciones con energía renovable y han invertido sustancialmente en acuerdos
de compra de energía eólica y solar. Sin embargo, estos compromisos se ven
sistemáticamente comprometidos por tres dinámicas estructurales. En primer
lugar, el desajuste temporal entre la disponibilidad de energía renovable —que
es intermitente y depende de las condiciones eólicas y solares— y la demanda de
los centros de datos, que es continua e ininterrumpible, implica que los
acuerdos de compra de energía renovable a menudo no se corresponden con los
patrones reales de consumo eléctrico. La electricidad que fluye por los
circuitos de los centros de datos en un momento dado puede ser generada por
centrales de gas natural, carbón o nucleares, independientemente de los
contratos de energía renovable que la empresa haya firmado. 21
En segundo lugar, y de forma más fundamental, el
aumento de la demanda de electricidad para la IA está superando la expansión de
la capacidad de energía renovable. Un análisis de 2024 de la Agencia
Internacional de Energía reveló que el crecimiento proyectado de la demanda de
electricidad para centros de datos consumiría una parte sustancial de la nueva
generación renovable en varios mercados importantes, lo que, en la práctica,
impediría la descarbonización en otros sectores.<sup> 22</sup> Construir
capacidad renovable para alimentar la IA no aumenta el suministro de energía
limpia disponible para la economía en general; absorbe energía limpia que, de
otro modo, sustituiría a los combustibles fósiles en otros ámbitos.
En tercer lugar, los estrictos requisitos de
fiabilidad de la infraestructura de IA han impulsado a las empresas
tecnológicas a buscar contratos a largo plazo para la generación de
electricidad a partir de gas natural. El acuerdo de Microsoft con Constellation
Energy para reabrir la central nuclear de Three Mile Island atrajo considerable
atención mediática, pero pasó más desapercibido el patrón generalizado de
empresas tecnológicas que firman acuerdos de capacidad con generadores de gas
para garantizar un suministro eléctrico constante. <sup>23</sup> La
lógica ecológica es evidente: la expansión de la IA está prolongando
directamente la vida útil de la infraestructura de combustibles fósiles, lo que
garantiza las emisiones de carbono durante las próximas décadas.
El agua: el metabolismo oculto
Si la electricidad es la cara visible de las
demandas ecológicas de la IA, el agua es su metabolismo oculto. Los centros de
datos requieren grandes cantidades de agua dulce para la refrigeración, ya sea
mediante sistemas de refrigeración evaporativa directa que consumen agua en
forma de vapor o mediante la refrigeración de las centrales termoeléctricas que
les suministran electricidad. Esta demanda de agua es estructuralmente
invisible en la mayoría de los informes públicos sobre el impacto ambiental de
la IA, pero representa una de las dimensiones más graves y localmente
acuciantes de la huella ecológica de esta tecnología.
El estudio
de Pengfei Li y sus colegas de 2023 proporcionó las primeras estimaciones
sistemáticas del consumo de agua de la IA, calculando que entrenar a GPT-3
requería aproximadamente 700 000 litros de agua dulce, suficiente para producir
370 automóviles BMW o 320 vehículos eléctricos Tesla.²⁴ En cuanto a la
inferencia, el panorama es igualmente sorprendente: el estudio estimó que una
conversación de entre veinte y cincuenta preguntas con ChatGPT consume
aproximadamente 500 mililitros de agua. Multiplicado por millones de usuarios
diarios, esto representa una demanda agregada de agua dulce de una magnitud
extraordinaria.
Los datos de divulgación corporativa confirman la
tendencia. El informe ambiental de Microsoft de 2022 reveló un aumento del 34 %
en el consumo mundial de agua con respecto al año anterior, atribuyendo
explícitamente dicho aumento a la expansión de la infraestructura de
IA.²⁵ Google
informó un aumento del 20 %
en el consumo de agua durante el mismo período.²⁶ Estas no son
fluctuaciones marginales; representan un cambio estructural en la demanda de
agua dulce del sector tecnológico, impulsado directamente por la expansión de
los sistemas de IA.
La geografía de este consumo de agua no es neutral.
Los centros de datos se ubican frecuentemente en regiones seleccionadas por sus
terrenos baratos, regímenes fiscales favorables y condiciones climáticas
adecuadas para la refrigeración, criterios que habitualmente llevan a las
empresas tecnológicas a instalarse en áreas con estrés hídrico existente o
emergente. En el suroeste de Estados Unidos, los centros de datos compiten por
el agua con la agricultura y los sistemas municipales en una región que ya enfrenta
condiciones de sequía severas, amplificadas por el cambio climático. En Chile,
las empresas tecnológicas han establecido centros de datos en la región de
Atacama y sus alrededores, utilizando los recursos hídricos de uno de los
ecosistemas más áridos del mundo, recursos de los que dependen para su
supervivencia las comunidades indígenas atacameñas y los pequeños
agricultores. 27 En
los estados de Telangana y Andhra Pradesh en India, los parques de centros de
datos propuestos han enfrentado resistencia local debido a la preocupación por
el agotamiento de las aguas subterráneas en áreas que ya experimentan escasez
de agua para la agricultura.
Este patrón espacial reproduce, en el ámbito
específico de la infraestructura digital, la lógica más amplia de lo que Rob
Nixon denomina «violencia lenta»: las formas graduales, dispersas y atenuadas
en el tiempo del daño ecológico que no se registran como eventos en los medios
de comunicación ni en los sistemas políticos dominados por catástrofes
dramáticas e instantáneas. 28 El
agotamiento de un acuífero regional debido a las operaciones de refrigeración
de los centros de datos se produce a lo largo de años y décadas, afectando a
comunidades cuya inseguridad hídrica ya es crónica y cuya voz política es
limitada. No genera titulares. No aparece en los informes de sostenibilidad de
las empresas tecnológicas. Pero es materialmente real, termodinámicamente
necesario y estructuralmente determinado por la lógica competitiva de la
acumulación de IA.
Minerales: La base de la extracción
La tercera dimensión de la brecha energética de la
IA reside en la base extractiva de su hardware. Los semiconductores,
servidores, sistemas de almacenamiento y equipos de red que conforman la
infraestructura de la IA requieren una compleja gama de minerales críticos
—litio, cobalto, tantalio, neodimio, disprosio, indio, galio y otros— cuya
extracción implica graves y concentrados daños ecológicos, que recaen
desproporcionadamente sobre las comunidades del Sur Global.
La geografía de la extracción de minerales críticos
coincide casi exactamente con la geografía de la extracción colonial histórica.
La República Democrática del Congo suministra aproximadamente el 70 por ciento
de la producción mundial de cobalto, gran parte de ella proveniente de minas
artesanales que operan en condiciones de grave degradación ambiental y
explotación laboral, incluido el uso generalizado de trabajo infantil. 29 Bolivia,
Chile y Argentina —el “triángulo del litio”— poseen la mayor parte de las
reservas mundiales de litio, y su extracción implica el agotamiento de
acuíferos salinos en ecosistemas de gran altitud de excepcional sensibilidad
ecológica. Los elementos de tierras raras, esenciales para los imanes
permanentes utilizados en los ventiladores de refrigeración y sistemas de
energía de los centros de datos, se concentran en China, Myanmar y la República
Democrática del Congo, cuyas operaciones de procesamiento generan flujos de
residuos radiactivos y tóxicos.
La aceleración del desarrollo de hardware de IA
agrava estas presiones extractivas mediante la lógica de la obsolescencia
programada. La dinámica competitiva de la carrera armamentística de la IA exige
que las empresas tecnológicas actualicen continuamente su hardware,
reemplazando las generaciones anteriores de GPU y aceleradores de IA
personalizados con modelos más nuevos y potentes en ciclos de dos a tres años.
Esto genera enormes cantidades de residuos electrónicos: servidores, GPU,
módulos de memoria y equipos de red desechados que contienen materiales tóxicos
como plomo, mercurio, cadmio y retardantes de llama bromados. La generación
mundial de residuos electrónicos alcanzó los 62 millones de toneladas métricas
en 2022 y se prevé que aumente a 82 millones de toneladas métricas para 2030.
Una proporción sustancial de estos residuos se exporta, a menudo en violación
del Convenio de Basilea, a instalaciones de procesamiento en África Occidental,
Asia Meridional y el Sudeste Asiático, donde se manejan en condiciones de grave
riesgo para la salud y el medio ambiente.
El concepto de intercambio ecológico desigual tiene
una larga y controvertida historia, arraigada en la tradición más amplia del
intercambio desigual y la crítica marxista del imperialismo. Basándose en este
rico linaje intelectual —que se extiende desde las teorías clásicas del
imperialismo hasta la teoría de la dependencia y el análisis de los sistemas
mundiales—, los académicos han incorporado progresivamente dimensiones
ecológicas al análisis de las asimetrías Norte-Sur. 31 La
contribución de Clark y Foster a este marco se fundamenta principalmente en la
crítica del imperialismo ecológico: el reconocimiento de que la relación
metabólica entre el Norte Global y el Sur Global no es meramente una asimetría
económica, sino ecológica, en la que la periferia absorbe los costos
ambientales de la acumulación del centro. 32 Este
marco proporciona la base teórica para comprender la economía política global
del metabolismo material de la IA.
Estos tres vectores de extracción —electricidad,
agua y minerales— no son independientes; son dimensiones interconectadas de un
único sistema metabólico organizado por los imperativos de la acumulación de
capital. Los centros de datos requieren electricidad, que a su vez requiere
infraestructura energética, la cual requiere minerales y agua. Los sistemas de
refrigeración necesitan agua, que compite con la agricultura y el suministro
municipal, afectando a los sistemas alimentarios y a la salud humana. La producción
de hardware requiere minerales y su extracción, generando residuos y planteando
problemas de eliminación que causan un mayor daño ecológico. La brecha
energética de la IA no es una simple interrupción en el metabolismo de la
naturaleza, sino una disrupción en cascada a través de múltiples sistemas
ecológicos, coordinada por la mano invisible del capital y oculta por el
aparato ideológico de la desmaterialización digital.
Los límites termodinámicos del capital
Las pruebas materiales recopiladas en la sección
anterior apuntan más allá de la magnitud de la crisis, hasta su estructura. Lo
que revela el registro empírico de la demanda de electricidad, el agotamiento
del agua y la extracción de minerales no es una serie de fallas de mercado
independientes, sino una lógica sistémica única, que requiere una explicación
teórica, no meramente técnica.
La crisis ecológica generada por el capitalismo de
IA no se reduce a un problema de aumento de los costos de producción o a
limitaciones de la oferta en la acumulación. Representa, más bien, un ataque
sistemático a las capacidades regenerativas del mundo natural. Como ha
argumentado Foster, la relación del capitalismo con la naturaleza se define por
un antagonismo estructural: la lógica de la acumulación sin fin es
irreconciliable con los límites regenerativos finitos de los sistemas
naturales. 33 El
capital no solo explota la naturaleza como condición de producción; rompe
metabólicamente los ciclos y las relaciones mediante los cuales la naturaleza
se reproduce. Paul Burkett profundiza este análisis al recuperar de Marx una
concepción de la naturaleza que se resiste a ser reducida a un valor
instrumental. 34 Los
sistemas naturales poseen valores de uso que son irreductibles a su función en
el proceso de producción, y la destrucción sistemática de estos valores de uso
por parte del capitalismo —su conversión de los ecosistemas vivos en insumos y
sumideros de desechos— constituye una crisis ecológica en el sentido más
amplio: no una crisis de rentabilidad, sino una crisis de las condiciones
biofísicas de la vida misma.
La economía de la IA representa una intensificación
aguda de esta dinámica. Los centros de datos, los sistemas de refrigeración y
las cadenas de suministro de minerales que sustentan la infraestructura de la
IA no solo agotan los recursos naturales en el sentido económico de aumentar
los costos de los insumos. Participan en una degradación acumulativa y en gran
medida irreversible de los sistemas hídricos, los ecosistemas energéticos y los
paisajes extractivos de los que dependen tanto la vida humana como la no
humana. Esta degradación no aparece en los balances de las empresas
tecnológicas, no porque sea económicamente marginal, sino porque el sistema
contable del capital es estructuralmente incapaz de registrar la destrucción de
valores que nunca fueron mercantilizados. Por lo tanto, la crisis ecológica de
la IA no es una falla de mercado que espera una corrección; es una expresión de
lo que el capitalismo le hace a la naturaleza cuando opera sin límites.
La respuesta predominante a esta contradicción
dentro del marco de la gobernanza capitalista es el discurso de la IA verde y
la computación sostenible: la afirmación de que la crisis ecológica de la IA
puede resolverse mediante la innovación tecnológica, los mecanismos de mercado
y el compromiso voluntario de las empresas. Esta respuesta merece una atención
analítica seria, no porque sea convincente, sino porque comprender su fracaso
ilumina el carácter estructural del problema.
El discurso sobre la IA verde se basa en tres
afirmaciones: que las energías renovables pueden satisfacer las necesidades
eléctricas de la IA sin causar daños ecológicos netos; que las mejoras en la
eficiencia del hardware reducirán el coste ecológico unitario de la computación
lo suficiente como para compensar el aumento de la demanda total; y que la
propia IA generará beneficios ambientales —a través de la modelización
climática, la optimización energética y la ciencia de los materiales— que
superarán sus costes ecológicos. Cada una de estas afirmaciones se ve socavada
por la dinámica estructural de la acumulación de capital.
La afirmación sobre energías renovables falla, como
se indicó anteriormente, porque la demanda de electricidad de la IA crece más
rápido que la capacidad renovable, porque los desajustes temporales entre el
suministro renovable y la demanda de los centros de datos requieren generación
de respaldo a partir de combustibles fósiles, y porque las empresas
tecnológicas contratan activamente capacidad de generación a gas para
garantizar la fiabilidad. La afirmación sobre eficiencia falla debido a la
paradoja de Jevons: las mejoras en la eficiencia del hardware reducen el costo
de la computación y, por lo tanto, estimulan una mayor demanda, lo que produce
un mayor consumo total de energía en lugar de uno menor. La afirmación sobre el
beneficio neto falla porque trata los costos y beneficios ecológicos de la IA
como comparables y negociables, cuando en realidad, los costos ecológicos están
concentrados, son locales y recaen sobre comunidades vulnerables. Mientras
tanto, los beneficios son difusos, especulativos y apropiados por accionistas y
consumidores en países ricos. No existe ningún mecanismo de mercado que pueda
agregar estos efectos distribuidos asimétricamente en una contabilidad social
racional. 35
Los mecanismos de compensación de carbono y de
compromiso de cero emisiones netas mediante los cuales las empresas
tecnológicas gestionan su contabilidad ecológica pública son objeto de críticas
análogas. Las compensaciones de carbono —pagos a proyectos que afirman reducir
las emisiones en otros lugares, compensando así las propias de la empresa—
están plagadas de problemas de adicionalidad, permanencia y verificación que
las convierten en ficticias desde el punto de vista ecológico. 36 Los
compromisos de cero emisiones netas que dependen sustancialmente de las
compensaciones en lugar de las reducciones absolutas de emisiones son, en
términos termodinámicos, maniobras contables más que intervenciones físicas: no
reducen la entropía generada por las operaciones de los centros de datos;
adquieren derechos sobre reducciones de entropía en otros lugares, muchas de
las cuales no se materializan. Como Clark y York han demostrado en su análisis
del metabolismo del carbono, la brecha bisférica generada por el capitalismo de
combustibles fósiles no es una externalidad que deba valorarse y gestionarse,
sino una característica estructural de la relación del capital con el ciclo del
carbono, una relación que la expansión de la infraestructura de IA está
profundizando y acelerando. 37
Una crítica más fundamental se refiere a la
relación entre eficiencia y escala. La historia del capitalismo industrial es
una historia de mejoras en la eficiencia que se han visto sistemáticamente
eclipsadas por la expansión de la escala, una historia que Georgescu-Roegen
analizó como la consecuencia inevitable de aplicar la teoría termodinámica a un
sistema económico organizado en torno al crecimiento ilimitado. 38 No
existe ninguna mejora en la eficiencia, por drástica que sea, que pueda hacer
sostenible un sistema en expansión exponencial en un planeta finito con un
presupuesto de entropía fijo. La cuestión no es si la IA puede hacerse más
eficiente —puede, y las mejoras son reales—, sino si las mejoras en la
eficiencia pueden superar el crecimiento de la demanda impulsado por la
acumulación competitiva. La evidencia de la última década sugiere que no
pueden. La lógica termodinámica de la acumulación de capital proporciona la
razón estructural de ello.
Esto nos lleva a lo que podríamos llamar el límite
termodinámico del capital: el punto en el que la entropía generada por la
acumulación de capital excede la capacidad de la biosfera para absorberla sin
una alteración catastrófica de los sistemas —clima, hidrología, biodiversidad y
fertilidad del suelo— de los que depende la civilización humana. Este límite no
es un umbral preciso que pueda identificarse de antemano; es una zona de crisis
cada vez más profunda, ya alcanzada en varias dimensiones (concentración
atmosférica de carbono, agotamiento del agua dulce y pérdida de biodiversidad)
y a la que se está aproximando en otras. La expansión de la IA bajo el régimen
actual de acumulación de capital no está alejando a la civilización de este
límite, sino acercándola a él a un ritmo acelerado.
La economía política de esta trayectoria es clara.
Los costos de acercarse al límite termodinámico del capital no recaen sobre
quienes impulsan la acumulación, es decir, los accionistas, ejecutivos e
inversores institucionales de las empresas tecnológicas cuya dinámica
competitiva determina el ritmo de expansión de la IA. Los recaen sobre las
comunidades de regiones con escasez de agua cuyos acuíferos se agotan por la
refrigeración de los centros de datos, sobre los trabajadores de minas
artesanales cuya salud se ve perjudicada por la extracción de minerales, sobre
las poblaciones de países vulnerables al cambio climático cuya seguridad
alimentaria se ve amenazada por las emisiones de carbono, y sobre las
generaciones futuras que heredarán un planeta con una capacidad reducida de
autorregulación ecológica. Esta es la economía política de la entropía: la
privatización de los beneficios del consumo de baja entropía y la socialización
de los costos del despilfarro de alta entropía. 39
Ninguna innovación técnica puede resolver esta
economía política, porque no se trata de un problema técnico. Es un problema de
poder: de quién controla los medios de computación, quién determina los fines
para los que se utiliza la capacidad computacional y quién asume los costos
ecológicos de dicha utilización. Abordarlo no requiere mejores algoritmos ni
chips más eficientes, sino una transformación fundamental de las relaciones
sociales de producción en la economía digital. Requiere, en resumen, una política
acorde con las exigencias del momento actual.
Conclusión
El análisis social e histórico desarrollado en este
artículo conduce a una conclusión que el discurso dominante sobre IA y
sostenibilidad elude sistemáticamente: la crisis ecológica de la IA no es un
problema de innovación insuficiente o responsabilidad corporativa inadecuada,
sino una expresión estructural de la tensión irresoluble del capitalismo con
los límites biofísicos del planeta. Los procesos específicos que impulsan esta
crisis —la carrera armamentística monopolística, la dinámica de Jevons y el desplazamiento
sistemático de los costos ecológicos hacia el Sur Global— no son fallas
técnicas que esperan soluciones de ingeniería. Son las operaciones normales de
la acumulación de capital en su fase monopolística-digital, registradas en
términos termodinámicos como procesos disipativos de irreversibilidad
prigoginiana: permanentes, acumulativos e inalcanzables para la corrección del
mercado.
La tradición ecosocialista ofrece el punto de
partida teóricamente más coherente para una alternativa. Como ha argumentado
Foster, la brecha metabólica entre capital y naturaleza no puede repararse
dentro del marco institucional del capitalismo; requiere una reorganización
fundamental de las relaciones sociales de producción, una que subordina los
imperativos de acumulación a los límites regenerativos del mundo natural. Una
lógica ecosocialista de la computación se basaría en tres compromisos
fundamentales. Primero, se fundamentaría en el control democrático de la
infraestructura computacional: los centros de datos, las plataformas de IA y
las redes que los conectan constituyen una infraestructura social crítica cuya
gobernanza no puede dejarse en manos de los imperativos competitivos del
capital privado. Al igual que las redes eléctricas y los sistemas de agua,
requieren rendición de cuentas democrática: formas de control social que
permitan a las comunidades determinar los fines para los que se utiliza la capacidad
computacional y las condiciones en las que se distribuyen sus costos
ecológicos. Segundo, requeriría una reorientación de las prioridades de
investigación y desarrollo, alejándolas de las aplicaciones que maximizan las
ganancias —optimización de la publicidad, operaciones financieras y vigilancia
laboral— hacia aplicaciones que realmente atienden necesidades sociales. Esto
incluye la gestión de energías renovables, la salud pública, el monitoreo
ecológico y la educación. En tercer lugar, y lo más fundamental, requeriría
aceptar que la magnitud de la actividad computacional debe estar limitada por
restricciones ecológicas. La suficiencia, entendida como computar lo suficiente
en lugar de computar más, debe convertirse en un principio rector, reemplazando
el imperativo de crecimiento que impulsa la actual carrera armamentística de la
IA.
Ninguna de estas transformaciones es inminente, ni
puede lograrse únicamente por medios técnicos. La irreversibilidad que
Prigogine identificó en los sistemas disipativos tiene su análogo social en las
dependencias de trayectoria de la infraestructura capitalista: los centros de
datos ya construidos, los contratos de combustibles fósiles ya firmados y los
paisajes extractivos ya degradados. Lo que la política ecosocialista puede
lograr no es revertir el daño pasado, sino interrumpir los procesos que generan
daño futuro: una ruptura en la lógica social de la acumulación que la
termodinámica registra, pero que por sí sola no puede producir. La cuestión que
se nos plantea no es si los límites del capital se impondrán, sino si se
afrontarán en términos establecidos por sociedades democráticas comprometidas
con la supervivencia ecológica, o en términos impuestos por las crisis en
cascada de una biosfera llevada más allá de su capacidad regenerativa. El
algoritmo no decide. La política sí.
Notas
1.
Sasha Luccioni, Alexandre Viguier y Anne-Laure Ligozat, “Estimación de
la huella de carbono de BLOOM, un modelo de lenguaje de parámetros de 176 mil
millones”, Journal of Machine Learning Research 24, n.º 253
(2023): 1–15.
2.
Goldman Sachs Research, “La IA está a punto de impulsar un aumento del
160 % en la demanda de energía de los centros de datos”, 14 de mayo de 2024.
3.
Microsoft, Informe de sostenibilidad ambiental 2022 (Redmond,
Washington: Microsoft Corporation, 2022), 17.
4.
Jeremy Rifkin, La sociedad del coste marginal cero: Internet de
las cosas, los bienes comunes colaborativos y el ocaso del capitalismo (Nueva
York: Palgrave Macmillan, 2014), 11-14.
5.
Nicholas Georgescu-Roegen, La ley de la entropía y el proceso
económico (Cambridge: Harvard University Press, 1971), 3–4; John
Bellamy Foster, Brett Clark y Richard York, La grieta ecológica: la
guerra del capitalismo contra la Tierra (Nueva York: Monthly Review
Press, 2010), 54–76.
6.
Karl Marx, El Capital: Crítica de la economía política ,
vol. 1, trad. Ben Fowkes (Londres: Penguin, 1976), 493-94.
7.
Emma Strubell, Ananya Ganesh y Andrew McCallum, “Consideraciones sobre
energía y políticas para el aprendizaje profundo en PLN”, Actas de la
Quincuagésima Séptima Reunión Anual de la Asociación de Lingüística
Computacional (2019): 3645–50.
8.
David Patterson et al., “Emisiones de carbono y entrenamiento de grandes
redes neuronales”, preimpresión de arXiv, arXiv:2104.10350 (2021), 1–9.
9.
Jordan Hoffmann et al., “Training Compute-Optimal Large Language
Models”, preimpresión de arXiv, arXiv:2203.15556 (2022), 1–19.
10.
John Bellamy Foster, “La ecología de la economía política
marxista”, Monthly Review 63, n.º 4 (septiembre de 2011):
1–16.
11.
William Stanley Jevons, La cuestión del carbón: una
investigación sobre el progreso de la nación y el probable agotamiento de
nuestras minas de carbón (Londres: Macmillan, 1865), 152-153.
12.
“IA y Computación”, OpenAI (blog), openai.com/blog/ai-and-compute.
13.
Agencia Internacional de Energía, Electricidad 2024: Análisis y
pronóstico hasta 2026 (París: AIE, 2024), 14.
14.
Ilya Prigogine e Isabelle Stengers, Orden a partir del caos: El
nuevo diálogo del hombre con la naturaleza (Nueva York: Bantam Books,
1984), 143-145.
15.
Foster, Clark y York, La grieta ecológica , 73–76.
16.
Según Goldman Sachs Research, "la IA está a punto de impulsar un
aumento del 160 % en la demanda de energía de los centros de datos".
17.
Brett Clark y John Bellamy Foster, “Imperialismo ecológico y la brecha
metabólica global: intercambio desigual y el comercio de guano/nitratos”, International
Journal of Comparative Sociology 50, n.º 3–4 (2009): 311–34.
18.
Arsheeya Bajwa, “Microsoft y OpenAI planean un proyecto de centro de
datos de 100 mil millones de dólares, según un informe de prensa”, Reuters, 29
de marzo de 2024.
19.
Agencia Internacional de Energía, Electricidad 2024 ,
27.
20.
EirGrid, Escenarios energéticos del mañana 2023 (Dublín:
EirGrid, 2023), 34.
21.
Benjamin K. Sovacool et al., “Minerales y metales sostenibles para un
futuro con bajas emisiones de carbono”, Science 367, n.º 6473
(2020): 30–33.
22.
Agencia Internacional de Energía, Electricidad 2024 ,
27–29.
23.
Kim Crawford y Vladan Joler, “Anatomía de un sistema de IA”, 2018,
anatomyof.ai.
24.
Pengfei Li et al., “Haciendo que la IA sea menos 'sedienta':
Descubriendo y abordando la huella hídrica secreta de los modelos de IA”,
preimpresión de arXiv, arXiv:2304.03271 (2023), 1–10.
25.
Microsoft, Informe de Sostenibilidad Ambiental 2022 ,
17.
26.
Google, Informe ambiental 2023 (Mountain View,
California: Google, 2023), 22.
27.
Peter Dauvergne, IA en la vida real: Sostenibilidad en la era de
la inteligencia artificial (Cambridge: MIT Press, 2020), 78–79.
28.
Rob Nixon, Violencia lenta y el ambientalismo de los pobres (Cambridge,
Massachusetts: Harvard University Press, 2011), 2–3.
29.
Guillaume Pitron, La guerra de los metales raros: el lado oscuro
de la energía limpia y las tecnologías digitales , trad. Bianca
Jacobsohn (Londres: Scribe, 2023), 45–67.
30.
Instituto de las Naciones Unidas para la Formación Profesional e
Investigación, El Monitor Mundial de Residuos Electrónicos 2024 (Bonn:
UNITAR, 2024), 3.
31.
John Bellamy Foster y Hannah Holleman, “La teoría del intercambio
ecológico desigual: una dialéctica marxista-odum”, Journal of Peasant
Studies 41, n.º 2 (2014): 199–233.
32.
John Bellamy Foster y Brett Clark, “Introducción a la edición
actualizada de Unequal Exchange de Arghiri Emmanuel ”, Monthly
Review 77, n.º 8 (enero de 2026): 1–19.
33.
John Bellamy Foster, “Capitalismo y ecología: la naturaleza de la
contradicción”, Monthly Review 54, n.º 4 (septiembre de 2002):
6–16.
34.
Paul Burkett, “Fusing Red and Green”, Monthly Review 50,
n.º 9 (febrero de 1999): 47–56; Paul Burkett, Marx and Nature: A Red
and Green Perspective (Nueva York: St. Martin's Press: 1999).
35.
John Bellamy Foster y Brett Clark, “El robo de la naturaleza: el
capitalismo y la ruptura metabólica”, Monthly Review 70, n.º 3
(julio-agosto de 2018): 1-20.
36.
Benjamin K. Sovacool et al., “Minerales y metales sostenibles para un
futuro con bajas emisiones de carbono”, Science 367, n.º 6473
(2020): 30–33.
37.
Brett Clark y Richard York, “Metabolismo del carbono: capitalismo
global, cambio climático y la brecha biosfera”, Theory and Society 34,
n.º 4 (2005): 391–428.
38.
Georgescu-Roegen, La ley de la entropía y el proceso económico ,
276-78.
39.
John Bellamy Foster, La ecología de Marx: materialismo y
naturaleza (Nueva York: Monthly Review Press, 2000), 141–77.
FIN
No hay comentarios:
Publicar un comentario