Claudia Valean Carpa
C.E.O DEL (CIRG). Computational Intelligence Research Group. Universidad de Pretoria.
La Revolución de la Inteligencia Artificial Modelo Predictivo de Transformación Global 2025-2035
Análisis Estratégico articulo
Introducción Un Umbral Hacia una Nueva Era Civilizatoria.
Estamos viviendo el inicio de la mayor cambio tecnológico que la humanidad haya conocido. La inteligencia artificial no es solo una herramienta útil sino una fuerza que está alterando por completo los cimientos de nuestra civilización. Imagínense como producimos cosas y servicios y también como interactuamos, aprendemos gobernamos, e inclusive, entendemos nuestra vida como especie.
Como especialista en IA y robótica he ideado un modelo predictivo, muy detallado que examina cómo la IA cambiará cada sector productivo y humano en los siguientes años. Este análisis no se limita a mostrar números y tendencias, si no que explora las consecuencias sociales, económicas y éticas de esta tecnología que para el 2035 habrá tocado cada rincón de la vida.
El mercado global de inteligencia artificial, tasado en 224.41 mil millones de dólares en 2024, se prevé que llegará a la asombrosa cantidad de 1,236.47 mil millones para 2030, ¡Con un crecimiento anual del 32.9%!
El crecimiento vertiginoso, ¡no es sólo cuestión de números!; más bien, es una metamorfosis radical de la eficiencia humana, de cómo se trabaja y reparte el control tanto financiero como político, en todo el planeta.
Figura 1: Predicción del Mercado Mundial de IA
I. Cambio de Industrias: La Revolución que no hace ruido
1. 1 Sanidad y Ciencias de la Vida.
El sector salud, ¡se va a transformar completamente! Hacia 2030, prevemos que el 95% de las maneras de diagnosticar van a tener alguna IA. Los sistemas de IA no solamente detectarán enfermedades con más exactitud que los doctores, sobre patologías concretas; también crearán tratamientos hechos a medida según la información genética de cada persona.
La medicina preventiva, nos ayudará a saber si somos propensos a enfermar, años antes de que veamos síntomas. ¡Los hospitales del futuro!, con menos gente trabajando, los robots cirujanos, ayudados por IA, operarán con exactitud increíble y, agentes de IA lo manejarán todo en el hospital.
Sin embargo, esta transformación presenta dilemas éticos profundos eh: ¿Quién se hace responsable cuando un algoritmo pifia un diagnóstico? ¿Cómo podemos garantizar el acceso a la medicina de precisión, que no sea solo un privilegio para las élites?
1.2 Educación y Capital Humano.
La educación sufre una disrupción, algo así como la imprenta. Los sistemas educativos, tan tradicionales diseñados para la era industrial, van a colapsar, debido a la personalización masiva de la IA. Hacia 2030, cada estudiante dispondrá tutores de IA a la medida que adaptarán el plan de estudios, según su ritmo, su estilo de aprendizaje y sus propios intereses.
Universidades tradicionales van a perder importancia, frente a plataformas de aprendizaje continuo con IA, donde los títulos basados en tiempo -como años de estudio- serán sustituidos por certificados de competencias probadas. La idea misma de «carrera profesional» se fraccionará; las personas cambiaran de especialización un montón de veces a lo largo de sus vidas, con sistemas de IA para identificar las habilidades transferibles y oportunidades nuevas.
El reto fundamental será asegurar que esta mudanza no amplíe la distancia educativa entre los que disponen de estas tecnologías y los marginados.
1. 3 Manufactura y Producción Industrial.
La manufactura se embarcará en una era de «fábricas oscuras» plantas totalmente automatizadas que operan sin iluminación humana dado que no demandan presencia de trabajadores. Los robots colaborativos (cobots) colaborarán con operadores humanos en tareas complicadas hasta el 2028; para 2030, la automatización logrará niveles cerca del 90% en procesos reiterativos.
La manufactura aditiva impresión 3D industrial combinada con IA posibilitará la producción en masa personalizada bienes manufacturados a escala con especificaciones individuales sin gastos extras significativos. La cadena de suministro global se reconfigurará por medio de sistemas de IA que predicen demandas, optimizan rutas logísticas y manejan inventarios con precisión milimétrica.
Figura 4 Transformación Sectorial
1. 4 Finanzas y Servicios Económicos.
El sector financiero ya está experimentando un cambio trascendental. Los algoritmos de trading de alta frecuencia administran más del 70% del volumen en mercados bursátiles. Para 2030, la banca clásica habrá sido desintermediada por sistemas de finanzas descentralizadas (DeFi) regulados por contratos inteligentes.
Agentes de IA van a suplantar asesores financieros humanos, ofreciendo gestión patrimonial más eficaz, menos cara. Con análisis predictivos de comportamiento el crédito se dará, olvidando historiales crediticios. Sistemas van a detectar fraudes al instante, observando patrones extraños en tiempo real.
Ahora la pregunta del millón, ¿Cómo impedimos estos sistemas para que no reproduzcan sesgos históricos de discriminación financiera?
1. 5 Transporte y Movilidad.
Para 2035, la movilidad humana será otra cosa. Los vehículos autónomos de nivel 4 controlarán flotas comerciales en 2028 sin la necesidad humana y de nivel 5, totalmente autónomos, en 2032.
Ciudades del futuro usaran sistemas de transporte público autónomo, integrados, con carros privados cosa del pasado. Drones de carga y transporte aéreo urbano transformarán la logística y transporte interurbano.
La industria aeronáutica, sí, se está preparando para incorporar sistemas de pilotaje asistido por IA que finalmente avanzarán, transformándose, en vuelos completamente autónomos, al principio para carga y luego, finalmente, para pasajeros.
I. 6 Energía y Sostenibilidad.
La transición energética sufrirá un gran empuje, impulsada fuertemente por la IA. Los sistemas de gestión de redes eléctricas inteligentes, en un equilibrio constante, balancearán la oferta y demanda en tiempo real, conectando fuentes renovables intermitentes como la solar y eólica con almacenamiento distribuido. Las plantas de energía funcionarán con una eficiencia maximizada gracias a algoritmos predictivos que anticipan los patrones de consumo y las condiciones meteorológicas.
La IA acelerará el descubrimiento de materiales para baterías más eficientes, paneles solares con mayor rendimiento, y tecnologías de fusión nuclear, no es fácil. Para 2035, prevemos que el 40% de la reducción de emisiones de carbono, fundamental para alcanzar los objetivos climáticos, surgirá directamente de optimizaciones desarrolladas e impulsadas por la IA.
II. El Mercado Laboral: Disrupción y Reinvención.
Figura 2: Impacto en el Empleo
2.1 Proyecciones de Desplazamiento y Creación de Empleo
Para el 2030, según las proyecciones del Foro Económico Mundial, unos 85 millones de empleos serian desplazados debido a la automatización e IA. Por otro lado, la asombrosa cantidad de 97 millones de nuevos roles emergerán, esto nos da un balance neto positivo de 12 millones de empleos, es bueno. Aun así, esa cifra esconde una realidad mucho más complicada y hasta desigual.
Los sectores más expuestos al desplazamiento, son:
Administrativo y clerical con un 45% de automatización, que mal.
Manufactura, con el 35% de tareas automatizables, oh oh.
Finanzas back-office, aquí se espera una reducción de personal del 25%.
Transporte, este se enfrentará a un desplazamiento inicial del 20%, aunque crecerá.
A su vez, los roles que más crecerán son:
Ingenieros de IA y aprendizaje automático.
Científicos de datos y analistas de big data.
Especialistas en ciberseguridad, a protegerse.
Ingenieros de automatización y robótica.
Éticos de IA y oficiales de cumplimiento algorítmico.
2.2 La Gran Transición de Competencias
La esencia misma del trabajo está sufriendo una metamorfosis. Las tareas repetitivas y rutinarias, tanto cognitivas como manuales, serán tomadas por sistemas de IA. Es más el valor humano se trasladara a habilidades más humanas, esto es la creatividad, la empatía, el juicio ético, el pensamiento crítico complejo y la colaboración interdisciplinaria.
Jamie Dimon, jefe máximo de JPMorgan Chase, lanzó la idea de que la IA automatizaría un asombroso 70% de las tareas diarias, ¿imagínate? quizás facilitando una semana laboral de solo 3.5 días. Esta predicción, bastante optimista, abre la puerta a un cambio radical, remodelando nuestra forma de trabajar, el tiempo libre y, vaya, el propósito humano.
El problema que urge es la transformación a gran escala de la gente que labura. Las escuelas actuales simplemente no dan abasto para capacitar a la gente con la rapidez necesaria. Necesitamos opciones para volver a formarse, y para actualizar los conocimientos, tal vez pagándolos con impuestos a la automatización, o con una renta básica conectada a cursos.
III. Productividad y el Desarrollo Económico.
Figura 6: Efecto en la Productividad TFP.
Según el Modelo Presupuestario Penn Wharton, la IA generativa empujará el crecimiento de la Productividad Total de los Factores (TFP) en 0.09 puntos porcentuales en 2027, ¡fíjate! llegando a su cima con 0.20 pp cerca de 2032. En resumen, el nivel de TFP será casi un 1.5% mayor para 2035 y un 3.7% más alto para 2075, a diferencia de como sería sin IA.
Esta subida en productividad desemboca en un incremento económico duradero, la economía mundial se hará siempre más grande, pero una vez que la integración se estabilice, el ritmo de crecimiento en sí mismo regresará a patrones previos, con un empujón persistente de más o menos 0.04 pp.
El efecto no será igual para todos: las industrias más vinculadas a la IA (creación de software, consultoría) progresarán más aprisa que el resto de la economía, cambiando la estructura sectorial del PIB global y posiblemente incrementando las desigualdades entre las economías del saber y aquellas basadas en los recursos.
IV. La Geopolítica de la IA: Fragmentación contra Convergencia.
Figura 3: Integración Regional de IA.
4.1 El Gran Divorcio Digital.
Los datos muestran una diferencia que preocupa: la utilización en el Norte Global se expandió casi el doble de de prisa que en el Sur Global durante 2025. Mientras el 24.7% de la gente en edad de trabajar en el Norte Global usan herramientas de IA, en el Sur Global tan solo el 14.1% dispone de estas tecnologías.
Los países pioneros en adopción, esos que invirtieron pronto en la infraestructura digital y capacitación en IA, son estos:
Emiratos Árabes Unidos lidera con el 64.0% de adopción
Singapur le sigue con un 60.9%
Noruega alcanza el 45.3%
Irlanda un respetable 41.7%
Resulta curioso, Estados Unidos, aun siendo líder en infra de IA y en desarrollo de modelos innovadores, está en el puesto 24 en su uso por la fuerza laboral, con un 28.3%. Esto demuestra que el liderazgo tecnológico, no siempre implica una amplia difusión social.
4.2 El Auge de DeepSeek y la Nueva Guerra Fría Tecnológica
Un evento crucial en 2025, transformó el panorama fue el ascenso de DeepSeek, una plataforma de IA de código abierto originada en China. Al liberar sus modelos bajo licencia MIT y ofertar un chatbot totalmente gratis, DeepSeek rompió barreras financieras y técnicas que impedían el acceso a la IA avanzada.
Su mayor acogida fue en mercados usualmente ignorados por las empresas occidentales como China, Rusia, Irán, Cuba, Bielorrusia y, muy especialmente, África, donde DeepSeek es usado entre 2 y 4 veces más que en otras regiones. Este fenómeno ilustra cómo la IA de código abierto puede convertirse en un arma geopolítica, propagando la influencia china en zonas donde las plataformas occidentales no tienen fácil acceso.
4..3 Modelos de gobernanza tres escenarios
Figura 5 escenarios de gobernanza
Hemos imaginado tres posibles panoramas para la gobernanza global de la IA
Escenario 1 fragmentación nacional/regional.
Cada nación o bloque económico forja sus propias estructuras regulatorias
Punto a favor más agilidad y ajuste a lo local
Desventaja; Desajustes que complican el comercio internacional y la cooperación científica
Probabilidad alta a corto plazo del 2025 al 2030
Escenario 2 convergencia global
Normas internacionales alineadas bajo instituciones como la ONU o convenios multilaterales.
Ventaja; justicia uniformidad y la evitación de carreras hacia la desregulación
Punto en contra; lentitud es difícil llegar a acuerdos, tal vez frena la innovación
Probabilidad; media baja 2030-2040
Escenario 3 híbrido (más probable)
Grupos tecnológicos regionalizados USA/Europa China/Asia con patrones internos coherentes
Convenios bilaterales y multilaterales para interoperabilidad selectiva
Ventaja; Equilibrio entre novedad y reglamentación.
Inconveniente el peligro de la «ciberbalcanización» y guerras tecnológicas
La infomación actual muestra que nos vamos al escenario 3 La Unión Europea ejecuta su ley de IA con un enfoque en riesgos , los Estados Unidos optan por lo descentralizado con 131 leyes estatales y China busca un modelo centralizado con supervisión estatal.
V.Riesgos y Desafíos Cruciales
5. 1 Desigualdad Económica y Social es una gran preocupación.
La IA parece que concentrará sus ganancias en las economías más avanzadas, gigantes tecnológicos y en las personas con las habilidades necesarias. Otros, dependientes de trabajos comunes y sin nuevas oportunidades, afrontarán la obsolescencia económica, eso seguro.
La distancia entre el «contrariado» con el apoyo de la IA y el «precariado tecnológico» desplazados, es capaz de originar tensiones sociales jamás vistas.
5. 2 Privacidad y Vigilancia Global es un problema serio.
La «ubicuidad de datos», o sea la entrada constante de datos en cada sistema y decisión, está generando estructuras de vigilancia nunca antes vistas. Los gobiernos autoritarios podrían emplear la IA para controlar a toda la población. Aún las democracias liberales podrían caer en la tentación de una supervisión excesiva, claro, por la «seguridad».
5. 3 Sesgos Algorítmicos y Discriminación son un peligro.
Los sistemas de IA suelen repetir y agrandar los sesgos que hay en sus datos de aprendizaje, así son las cosas. Sin actuar, la IA reforzará las discriminaciones del pasado en cosas como el trabajo, el crédito, la justicia criminal, y el acceso a los servicios básicos.
5. 4 Seguridad y Armas Autónomas.
La peligrosa carrera de armamentos de sistemas de IA autónoma, presenta una amenaza tremenda a la existencia. Los drones militares, las ciberarmas y sistemas defensivos automáticos, estos operan a velocidades mayores que la capacidad humana para supervisar, subiendo mucho el riesgo de escalada por error.
5. 5 Dependencia Tecnológica y Fragilidad.
La concentración de las capacidades de IA, en algunas empresas (OpenAI, Google, Microsoft, NVIDIA, Meta) y naciones (EE UU, China), esto genera fragilidades enormes. Un fallo grave en estos sistemas, o su manipulación perversa, podría paralizar infraestructuras criticas globales enteras.
VI Oportunidades y Potencial Transformador
6 1 Aceleración del Descubrimiento Científico
La IA está revolucionando, sí la investigación científica. Sistemas como AlphaFold ya solucionaron el problema del plegamiento de proteínas, acelerando el descubrimiento de fármacos importantes. La IA, de igual modo, ayuda en la síntesis de materiales avanzados, en la predicción climática, y en la exploración espacial.
6 2 Democratización del Conocimiento.
Los sistemas de IA educativa, pueden ofrecer una educación de mucha calidad a comunidades desatendidas, superando con creces barreras lingüísticas y económicas. La traducción automática neural, por su parte, posibilita una comunicación fluida entre culturas, que podrían disminuir los conflictos que surgen de malos entendidos.
Optimización de Recursos Planetarios 3
La IA, que chida, tiene la capacidad de optimizar el aprovechamiento de recursos naturales; disminuyendo el desperdicio, impulsando la eficiencia energética, y por añadidura, agilizando la migración a economías circulares. Los sistemas agrícolas de precisión, osea, pueden aumentar cosechas al tiempo que aminoran su impacto en el medio ambiente, por supuesto.
6.3 Optimización de Recursos Planetarios
La IA tiene el potencial de optimizar el uso de recursos naturales, disminuir el desperdicio, mejorar la eficiencia energética, y por añadidura, agilizar la transición a economías circulares. Sistemas de agricultura de precisión, por ejemplo, tienen la capacidad de aumentar los rendimientos al mismo tiempo que minimizan el impacto ambiental.
6. 4 Extensión de Capacidades Humanas
En vez de simplemente reemplazar a los humanos, la IA se trata más de ampliar nuestras capacidades cognitivas y físicas. Interfaces cerebro-computadora posibilitaran que las personas con discapacidades interactúen con el mundo de formas hasta ahora inimaginables. La IA asistida puede, en realidad, impulsar la creatividad humana, en lugar de remplazarla.
VII.Recomendaciones Estratégicas.
Para Gobiernos:
Imprescindible invertir mucho en infraestructura digital y educación sobre IA, con énfasis en el acceso igualitario.
Crear reglas regulatorias flexibles, que impulsen la innovación mientras se defienden derechos básicos, ¿si?
Implementar programas de reciclaje laboral financiados por el estado y punto.
Trabajar juntos, a nivel internacional, para fijar estándares mínimos de seguridad y ética.
Aplicar impuestos a la automatización para financiar redes de seguridad social que se adapten, ok?
Para Corporaciones:
Mirar la IA como una herramienta de apoyo, no solamente para ahorrar costos, eh.
Invertir en la actualización de habilidades de los trabajadores para tareas que complementen la IA, es fundamental.
Gestionar la IA de manera responsable, utilizando mecanismos para auditar posibles sesgos.
Asegurar la transparencia algorítmica ante usuarios y reguladores, importante.
Para Individuos:
Desarrollar habilidades únicas y humanas como la creatividad, la empatía y el juicio ético, ¿entiendes?
Adquirir conocimientos sobre IA, comprendiendo sus capacidades y limitaciones.
Adoptar una mentalidad de aprendizaje continuo, ¡es clave para adaptarse!
Participar como ciudadanos en discusiones sobre como gobernar la IA.
Conclusión: La Encrucijada Civilizatoria.
Figura 7: Infografía Resumen Completa
Nos encontramos en una encrucijada, una de las grandes en la historia. La inteligencia artificial ofrece la posibilidad, ¿sabes?, de solucionar problemas que siempre han afectado a la humanidad como enfermedades, la pobreza, el cambio climático, la ignorancia…
Simultáneamente, la cosa amenaza con empeorar las desigualdades, minar la privacidad, desplazar a un montón de trabajadores, y darle todo el poder a unos pocos.
El modelo predictivo en este análisis sugiere que el camino más probable sea una transformación hibrida, avances tecnológicos a toda mecha junto con una gobernanza medio rara, un montón de beneficios económicos y muchas disrupciones en el trabajo, además de una brecha digital que no va a desaparecer entre paises y clases sociales.
Pero, ¡eh!, el futuro no está escrito en piedra. Lo que decidamos ahora —la regulación, la educación, las inversiones, la cooperación— determinará si la IA nos trae prosperidad para todos o si nos espera una distopía de vigilancia y mucha desigualdad.
La civilización de 2035 sera muy distinta a la de ahora, es obvio. La pregunta es si la IA cambiará la sociedad y si esa transformación se enfoca en el bien común o si todo estará controlado por la competencia geopolítica descontrolada.
Como especie, podemos construir una civilización donde la inteligencia artificial nos ayude, en vez de reemplazarnos, con el potencial humano. Para eso, se necesita sabiduría, cooperación mundial y un compromiso firme con la dignidad de todos.
Absolutely! Here’s the text in Spanish, with the requested modifications:
El momento de actuar… es ahora mismo.
VIII La Crisis Oculta Escasez de Recursos y Sostenibilidad del Ecosistema IA
Mientras visualizamos la revolución de la inteligencia artificial, una variable crucial emerge, amenazando ser el limite final: la disponibilidad real de recursos para sostener esta mutación. La IA, no es meramente software es una colosal infraestructura material consumidora de energía, minerales escasos, y agua en niveles extraordinarios. Si no gerenciamos estratégicamente estos recursos el esperado auge del mercado de IA podría derrumbarse por sus mismas contradicciones materiales.
8 1 La Sed de Energía Centros de Datos y la Red Eléctrica Global
La conexión entre energía e inteligencia artificial se pone cada vez mas difícil. La Agencia Internacional de Energía (IEA) dice, que el requerimiento eléctrico de los centros de datos subió un 17% en 2025 mientras que la de centros especializados en IA creció aun mas rápido, superando con creces el crecimiento de la demanda eléctrica global del 3%.
Las cinco gigantes tecnológicas, Microsoft, Google, Amazon, Meta y Apple, pusieron más de 400 mil millones de dólares en 2025, en infraestructura para sus centros de datos, parece que van a aumentar esta cantidad un 75% más en 2026. Esa colosal inversión provoca embotellamientos físicos, las líneas de suministro para turbinas de gas, transformadores, chips modernos y componentes de TI, se han puesto muy tensas.
Figura 8 Energía y Centros de Datos.
Proyecciones fundamentales para 2030:
El gasto eléctrico de los centros de datos va a duplicarse con relación a como esta ahora
El uso de energía de centros centrados en IA, se va a triplicar, es asombroso.
Los centros de datos representarán alrededor del 65% de la demanda eléctrica global.
Aunque la eficiencia energética por tarea de IA, está mejorando a una velocidad nunca antes vista en la historia de la energía, el efecto rebote Jevons paradox funciona con mucha intensidad: más gente usa IA, y los empleos demandantes de energía como los agentes de IA autónomos, se encuentran en aumento.
8.2 La Huella de Carbono del Entrenamiento de Modelos.
El costo ambiental de fabricar sistemas de IA, es increíblemente alto.
Investigadores en la Universidad de Massachusetts calcularon, que entrenar un único, inmenso modelo de IA, podría liberar más de 626000 libras, ¡unos 284 toneladas!, de dióxido de carbono. Para ponerlo en perspectiva, ¡esa cifra equivale a casi cinco veces las emisiones de un automóvil americano promedio durante toda su existencia, fabricación incluida!
Detalles específicos de modelos notables:
| Modelo | Emisiones CO2 (toneladas) | Equivalente |
|---|---|---|
| GPT-3 (entrenamiento) | ~500 | 5 autos de por vida |
| GPT-4 (estimado) | ~1,500+ | 15 autos de por vida |
| Vuelo NY-San Francisco | ~0.9 | 1 vuelo transcontinental |
Estas estimaciones solo abarcan la fase de aprendizaje. Una vez implementados, los modelos siguen consumiendo energía con cada inferencia, ¿verdad? Cada consulta, cada creación de texto o imagen. A la escala de miles de millones de consultas diarias, el consumo operativo excede por mucho, el costo inicial del entrenamiento.
La huella de carbono de la IA depende crucialmente de:
Complejidad del algoritmo: Algoritmos de deep learning exigen computación gigantesca.
Tamaño del modelo: GPT-5 supera en varios órdenes de magnitud a los modelos anteriores.
Eficiencia del centro de datos: Centros con energía geotérmica islandesa versus carbón de Virginia Occidental.
Hardware especializado: TPUs y GPUs modernas mejoran la eficiencia, ¡pero incrementan la demanda global!
8. 3 La Crisis de Materias Primas Críticas.
Figura 9 Materias Primas Críticas.
8. 3.1 Litio El Cuello de Botella de la Electromovilidad y Robótica
¡La transición energética, y la robótica móvil que se expande, dependen muchísimo de las baterías de ion-litio! Por lo tanto, según el Joint Research Centre de la Comisión Europea, se espera un aumento tremendo; la demanda mundial de litio para baterías crecerá 14 veces para 2040, ¡en comparación con los niveles de 2020!
Proyecciones de la demanda de materiales para baterías, calculados como múltiples de 2020:
Grafito: ¡subirá a 19 veces en 2040!
Níquel: También a 19 veces, ¡para 2040!
Litio: Un poco menos, ¡14 veces para 2040!
Manganeso: 8 veces, en el año 2040.
Cobalto: ¡Unas 6 veces para 2040!
¡Investigaciones recientes sugieren que Europa podría tener un déficit de más o menos 718,000 toneladas de litio para 2030, si el suministro es escaso! Y China, aunque es el mayor consumidor, sufrirá escasez de litio entre 2030 y 2040, con un déficit anual que podría llegar a 46,9% de la demanda, ¡si hay proteccionismo comercial!
8.3.2 La Concentración Geopolítica del Suministro
¡El problema no es sólo la cantidad, sino también, cómo está distribuido geo-políticamente! China ha agarrado control casi total de las cadenas de suministro de minerales críticos:
| Mineral | % Controlado por China | Aplicación en IA/Robótica |
|---|---|---|
| Tierras Raras (separación) | 85% | Motores de robots, imanes de alta potencia |
| Grafito natural | 80% | Ánodos de baterías |
| Galio procesado | 95% | Semiconductores de alta velocidad, LEDs |
| Procesamiento de litio | 65% | Refinado para baterías |
Este dominio no surge por accidente.
Jack Lifton, un experto del Critical Minerals Institute, dice: «Los chinos demostraron ser mucho más metódicos en la planificación de su industria de vehículos eléctricos en comparación con EE UU o Europa. Durante las dos últimas décadas, ellos desarrollaron la destreza de convertir recursos minerales, desde la extracción hasta los componentes finales».
8. 3. 3 Helio: La Debilidad Oculta de los Semiconductores.
Un conflicto reciente revela una vulnerabilidad esencial que estaba desapercibida, el helio. Este gas inerte es crucial para el proceso de grabado «etching» en la creación de semiconductores. Catar es responsable de cerca del 34% del suministro mundial de helio gracias a tres plantas, de las cuáles dos aprovechan subproductos de GNL.
La guerra en Irán, más el cierre del Estrecho de Ormuz, con ataques a las instalaciones de Ras Laffan (el mayor complejo de GNL del mundo), esencialmente han frenado la producción y envío de helio. Los fabricantes de chips en Corea del Sur y Taiwán —Samsung, SK Hynix, TSMC— tienen aproximadamente seis meses de reservas de helio, pero un conflicto que se extienda pondría en peligro la manufactura de chips de memoria, imprescindibles para los centros de datos de IA.
8.4 La Crisis del Agua Los Centros de Datos en Zonas de Escasez Hídrica
Figura 10 Consumo de Agua en Data Centers.
Es paradójico, sí, la infraestructura digital más sofisticada tiene una dependencia física bastante básica: el agua. Los centros de datos utilizan cantidades enormes de agua para enfriamiento, esto sucede particularmente en climas cálidos donde la refrigeración evaporativa resulta más eficiente en cuestión de energía.
Datos alarmantes.
Un centro de datos, y cuando digo grande, me refiero a MUY grande, podría consumir hasta 5 millones de galones diarios, lo que viene siendo el equivalente al uso de agua de una ciudad con entre 10,000 y 50,000 personas.
Los centros de datos en Texas beberán 49 mil millones de galones en el 2025, y para el 2030, las proyecciones indican que alcanzarán los 399 mil millones de galones.
Eso, sería como bajar más de 16 pies el nivel del lago Mead, la reserva de agua más grande de EE. UU., en tan solo un año!
Google informó que usó más de 5 mil millones de galones de agua en todos sus centros de datos en 2023, y el 31% de esas extracciones de agua dulce vinieron de cuencas que padecen escasez hídrica media o alta. En The Dalles, Oregon, los centros de datos de Google consumieron 355
Un millón de galones en 2021 eso si, un impresionante 29% del consumo total de agua de la ciudad.
El enigma del agua y la energía: Las tecnologías de enfriamiento menos ávidas de agua tales como el enfriamiento por inmersión precisan, paradójicamente, más electricidad. En lugares con redes eléctricas saturadas, el enfriamiento evaporativo que usa menos energía pero que consume más agua es lo preferido. Una tensión primordial sin solución técnica sencilla.
Eficiencia hídrica por tecnología de enfriamiento Water Usage Effectiveness WUE:
| Tecnología | WUE (L/kWh) | Impacto Agua |
|---|---|---|
| Enfriamiento evaporativo | 1.9 | Alto |
| Circuito cerrado | 0.6 | Medio |
| Inmersión líquida | 0.1 | Bajo |
| Aire (adiabático) | 0.0 | Nulo |
8. 5 Tierras Raras y Robótica Industrial.
La robótica industrial moderna es dependiente, de forma crítica, de las tierras raras para sus motores servo de alto desempeño. Elementos tipo neodimio, praseodimio, disprosio, terbio y samario componen el corazón de los imanes permanentes los que hacen posible la precisión submilimétrica y el funcionamiento ininterrumpido 24/7.
La cadena de suministro de tierras raras está enfrentando cuellos de botella serios:
Concentración de la separación un asombroso 85% de la capacidad mundial en China
Manufactura de imanes NdFeB: concentrada en Asia Oriental.
Control de tecnologías de extracción: China ha comenzado a restringir la exportación de tecnologías de separación de galio
8. 6 Escenarios de Disrupcion debido a la Escasez de Recursos.
Figura 11: Infografía Integrada sobre la Escasez de Recursos.
Se dentifican cuatro vectores de disrupción, tal vez frenen o hasta reviertan el avance de la IA:
Vector 1: Crisis Energética en Centros de Datos (Probabilidad: Alta | Impacto: Severo)
La demanda de electricidad de la IA, sobrepasa lo que la red puede dar, al menos por ahora.
Peleas por el acceso a energía renovable, entre centros de datos y las comunidades.
Racionamiento electrico obligado en lugares con muchos data centers.
Vector 2: Guerra de Minerales Críticos (Probabilidad: Media-Alta | Impacto: Crítico)
China usa controles en la exportación de galio y germanio, como un arma geo-política.
Falta de litio prevista, más o menos entre el 2030 y 2040.
Parada en el suministro de helio, para hacer semiconductores.
Vector 3: Conflictos por Agua (Probabilidad: Media | Impacto: Regional)
Prohibiciones de construir centros de datos en sitios donde escasea el agua, ya pasa en Phoenix, Arizona.
Competencia con la agricultura y el consumo de las personas, en areas secas.
Costos altos en el enfriamiento, lo que hace que operar no sea viable en climas calurosos.
Vector 4: Regulación Ambiental (Probabilidad: Alta | Impacto: Moderado)
Impuestos por carbono para entrenar modelos grandes de IA.
Se exige neutralidad hídrica a los nuevos centros de datos.
Ordenes de eficiencia energética, limitando el tamaño de los modelos.
8. 7 Estrategias de Mitigación y Adaptación.
Para hacer que la revolución de la IA perdure, precisamo implementer estrategias integrales.
1. Eficiencia Tecnológica:
Algoritmos de entrenamiento más eficientes, como federated learning, y transfer learning.
Hardware especializado que gaste menos energía, como TPUs y chips neuromórficos.
Refrigeración por inmersión y circuitos cerrados en centros nuevos.
2. Diversificación del Suministro:
Inversión en la minería de litio, pero en casa (Australia, Canadá, Chile, Argentina).
Desarrollo de baterías de sodio para remplazar el litio.
Reciclaje. ¡Para 2040, podría cubrir el 51% de la demanda de cobalto y 42% de níquel en la UE!
3. Infraestructura Energética:
Hacer acuerdos de compra de energía renovable (PPAs), en 2025, el sector tecnológico fue responsable de 40% de todos los PPAs renovables.
Invertir en energía nuclear avanzada, y el pipeline de acuerdos con reactores modulares pequeños (SMR) creció de 25 GW a 45 GW.
Geotermia avanzada, la cual es una fuente base buena para centros de datos.
4. Gobierno Corporativo:
Más transparencia en cuanto al consumo de agua y energía, ahora esto es voluntario e inconsistente.
Compromisos de neutralidad hídrica y de carbono negativo.
Diseñar centros de datos en climas más fríos, ¿vale? (free cooling)
8.8 Implicaciones para el Modelo Predictivo Global
La falta de recursos establece topes físicos importantes en las proyecciones de crecimiento de la IA, como se mostro antes. Sin una acción para resolver las limitaciones de materiales y energía:
El desarrollo del mercado de IA posiblemente se detenga cerca del 2028-2030, en vez de seguir de forma exponencial.
La división geopolítica se acelerará, usándose como forma de obtener recursos.
Los precios para entrenar modelos grandes subirán mucho.
La IA se enfocará en países con acceso seguro a energía y minerales.
El modelo de gobierno combinado que explicamos antes, es más viable; los países armarán grupos de recursos (Resource Blocs), parecido a los bloques tecnológicos.
Conclusión Extensa: La Sostenibilidad como Base de Existencia
La inteligencia artificial tiene un problema: promete aprovechar los recursos de la economía, pero su misma supervivencia depende de que tenga mucha materia prima.
Sin una transición hacia infraestructuras de IA realmente sostenibles alimentadas por energía renovable construidas con materiales reciclados operadas con un mínimo uso de agua la revolución de la IA podría verse frenada antes de mostrar su poder transformador. Las grandes empresas de tecnología y los gobiernos necesitan entender que la sostenibilidad es crucial para la IA no un gasto inútil. La prisa por crear modelos más enormes necesita complementarse con una carrera en paralelo buscando la eficiencia y el uso circular de los recursos. De otro modo el superciclo de la IA podría terminar siendo una burbuja financiera, explotando contra las difíciles leyes de la naturaleza. El porvenir de la IA no sólo lo definirán los avances de algoritmos sino también nuestra capacidad de administrar de forma responsable los recursos terrestres para que la tecnología progrese sin acabar con los fundamentos de nuestra sociedad.
ACERCA DEL CORRESPONSAL
FRANCISCO JAVIER MARíN MAURI
Me lincencié en psicología por la Universidad de Sevilla. estudios de virología por la Universidad jhons Hopkins y estudios de virus respiratorios emergentes por la O.M.S. Doctorado en neuropsicología por la Universidad de Sevilla. Especialista en Violencia sobre la mujer y en mediación de conflictos sociales.
Llevo desde 1987 ejerciendo la psicología y cada vez pienso más que muchas personas se van de este mundo sin quitarla el sello de fábrica de sus cerebros. Anduve durante casi dos años por varios países africanos para poder realizar mi tesis doctoral sobre el VIH. Ahí aprendes que el poder de la ciencia consiste en tener la suficiente humildad para ejercitar el sentido común que es, por cierto, el menos común de los sentidos.
