La inteligencia artificial ha mostrado capacidades impresionantes, especialmente desde la popularización de los modelos de lenguaje grandes (LLMs) tras la irrupción de ChatGPT en 2022. Sin embargo, surge la pregunta de si estos avances representan un camino coherente hacia una mejora significativa que se acerque a la inteligencia humana. En este contexto, es fundamental analizar los factores que condicionan el progreso y qué papel juega la energía en el crecimiento sostenido de la IA.

Limitaciones energéticas

Durante un evento celebrado en el Foro Económico Mundial en Davos, se comentó la magnitud de la demanda energética que implican las infraestructuras de IA. Las centrales de datos se proyectan consumir cerca de 945 TWh de electricidad a nivel mundial para 2030, impulsadas en gran parte por la demanda de IA, según la Agencia Internacional de Energía (IEA). Este dato representa aproximadamente el 3% del consumo total de energía. La magnitud de esa cifra ha generado debates sobre si la infraestructura actual es suficiente o si se requerirán avances tecnológicos para sostener un crecimiento escalable.

Muchas estimaciones apuntan a que la demanda podría ser aún mayor, y a la vez existen expectativas de avances en tecnologías como la energía de fusión que podrían cambiar el panorama energético en las próximas décadas. En este marco, aumenta la atención sobre la necesidad de soluciones energéticas más eficientes y sostenibles para respaldar un desarrollo responsable de la IA.

El cuello de botella de la IA

El desarrollo de la IA ha atravesado numerosos altibajos a lo largo de décadas, incluyendo dos inviernos de la IA cuando la financiación disminuyó y se produjeron retrasos debido a la falta de potencia de cómputo disponible. Hoy, la disponibilidad de energía es señalada por muchos como uno de los principales cuellos de botella para la escalabilidad y la mejora de la calidad y competencia de los modelos.

Sin embargo, la energía es solo una pieza del rompecabezas. La construcción de más centros de datos, la conectividad entre ellos, los componentes ópticos y la memoria también se han convertido en factores críticos que influyen en los plazos de expansión. Sin una base energética robusta y una infraestructura adecuada, el progreso en capacidades de IA podría quedarse por debajo de las metas previstas.

En definitiva, avanzar hacia modelos más potentes y utilizables demanda no solo avances algorítmicos, sino también inversiones estratégicas en energía, hardware y redes, para que la IA pueda sostenerse y desplegarse de manera confiable más allá de las capacidades actuales.