La revolución de la inteligencia artificial no ocurre solamente dentro de una computadora. Detrás de cada modelo existen centros de datos, redes eléctricas, plantas generadoras, sistemas de refrigeración, agua, terrenos y miles de millones de dólares de inversión. La gran pregunta económica comienza a ser quién financiará toda esa infraestructura y quién terminará pagando cuando la demanda de electricidad compita con las necesidades de ciudades, industrias y hogares.
Durante los primeros años de la revolución de la inteligencia artificial, la atención estuvo concentrada en los algoritmos.
Después llegaron los microchips.
Nvidia se convirtió en uno de los grandes símbolos de esta transformación porque sus procesadores gráficos permitieron entrenar modelos cada vez más grandes y complejos. Pero la siguiente etapa de la carrera por la IA está empezando a cambiar de naturaleza.
Ya no se trata solamente de conseguir mejores chips. Se trata de conseguir electricidad.
Y mucha.
La capacidad computacional que las grandes compañías tecnológicas pretenden instalar durante los próximos años necesitará nuevas centrales eléctricas, líneas de transmisión, transformadores, subestaciones, almacenamiento de energía y enormes sistemas de refrigeración.
En otras palabras, estamos descubriendo algo aparentemente paradójico: una de las industrias más digitales de la historia depende de una gigantesca infraestructura física.
Nvidia ya empieza a hablar en gigawatts
Los últimos resultados de Nvidia ayudan a dimensionar lo que está ocurriendo.
En su segundo trimestre fiscal de 2027, presentado el 26 de agosto de 2026, Nvidia registró ingresos por US$96,200 millones, de los cuales US$89,000 millones correspondieron a centros de datos. Esa división aumentó 117% respecto del mismo trimestre del año anterior. (NVIDIA Newsroom)
Pero quizá sea todavía más reveladora otra forma en que la empresa comienza a describir su mercado.
En su conferencia con inversionistas, Nvidia calculó que el valor de los equipos que puede vender por cada gigawatt de infraestructura instalada ha aumentado aproximadamente desde US$18,000 millones con Hopper, a US$25,000 millones con Blackwell y hasta US$40,000 millones con Vera Rubin. La compañía también señaló que los cinco mayores hyperscalers podrían realizar inversiones de capital cercanas a US$800,000 millones durante 2026. Son estimaciones de Nvidia y deben interpretarse como tales, pero muestran la escala que la propia industria anticipa.
Aquí aparece una palabra que probablemente escucharemos cada vez más cuando hablemos de inteligencia artificial:
gigawatt.
Un gigawatt son mil megawatts.
Es aproximadamente la capacidad de una central eléctrica de gran tamaño.
La inteligencia artificial empieza, por tanto, a relacionarse no solamente con semiconductores y software, sino con unidades que tradicionalmente utilizábamos para hablar de plantas generadoras y sistemas eléctricos completos.
¿Cuánta electricidad estamos hablando?
La Agencia Internacional de Energía calcula que los centros de datos consumieron alrededor de 485 teravatios-hora de electricidad durante 2025.
Para 2030 podrían acercarse a 950 TWh, aproximadamente 3% del consumo eléctrico mundial. Dentro de ese conjunto, el consumo correspondiente a centros especializados en inteligencia artificial podría triplicarse entre 2025 y 2030. (IEA)
Visto desde una perspectiva mundial, 3% podría parecer manejable.
El problema aparece cuando observamos dónde se instalarán esos centros de datos.
No están distribuidos uniformemente alrededor del planeta.
Se concentran alrededor de determinadas ciudades y regiones que cuentan con fibra óptica, conexión con grandes mercados, disponibilidad de terrenos y, sobre todo, electricidad confiable.
Por eso el efecto local puede ser extraordinariamente grande.
En Estados Unidos, los centros de datos consumían aproximadamente 4.4% de toda la electricidad del país en 2023. El Laboratorio Nacional Lawrence Berkeley estima que podrían representar entre 6.7% y 12% para 2028. (The Department of Energy’s Energy.gov)
La AIE incluso calcula que el crecimiento de los centros de datos podría representar cerca de la mitad del aumento de la demanda eléctrica estadounidense hacia 2030. (IEA)
Ahí es donde el problema deja de ser tecnológico y comienza a convertirse en económico.
La electricidad que consume la IA es sólo una parte de la factura
Supongamos que una compañía tecnológica construye un enorme centro de datos.
Puede comprar sus servidores, pagar sus procesadores Nvidia y contratar la electricidad que consume.
Aparentemente, la empresa estaría pagando todos sus costos.
Pero no necesariamente.
Para alimentar esa instalación quizá sea necesario construir:
- nuevas centrales generadoras;
- líneas de transmisión;
- transformadores;
- subestaciones;
- almacenamiento mediante baterías;
- gasoductos;
- sistemas de respaldo;
- infraestructura hidráulica;
- carreteras y otras obras públicas.
Y algunas de esas inversiones pueden permanecer durante varias décadas.
Aquí aparece un problema clásico de economía pública y regulación.
¿Quién debe pagar una infraestructura que puede costar miles de millones de dólares?
Las redes eléctricas tienen enormes costos fijos y características de monopolio natural. Una vez construidas, sus costos normalmente se distribuyen entre diferentes usuarios mediante las tarifas eléctricas.
Eso funciona relativamente bien cuando la demanda crece de manera gradual.
La IA está rompiendo ese patrón.
Un centro de datos puede solicitar cientos o incluso miles de megawatts en una determinada región y hacerlo mucho más rápidamente de lo que tarda el sistema eléctrico en construir nueva infraestructura.
La AIE resume bien esta contradicción: un centro de datos puede construirse en aproximadamente dos o tres años, mientras que muchas obras eléctricas requieren plazos considerablemente mayores. (IEA)
El riesgo: privatizar los beneficios y socializar la infraestructura
Aquí aparece probablemente la cuestión más importante del debate.
Imagine que una compañía anuncia un centro de datos de 1,000 MW.
La empresa eléctrica comienza a construir subestaciones, transmisión y capacidad de generación para suministrarle energía.
Pero cinco años después ocurre cualquiera de estas situaciones:
la demanda de IA crece menos de lo esperado;
aparece una tecnología mucho más eficiente;
la compañía cambia de ubicación;
o el proyecto finalmente sólo utiliza una fracción de la capacidad reservada.
La infraestructura eléctrica ya fue construida.
¿Quién paga entonces por ella?
Si esos costos se distribuyen entre todos los usuarios de la red, una familia podría terminar pagando parte de una infraestructura construida originalmente para atender a una de las empresas tecnológicas más valiosas del planeta.
No es solamente una posibilidad teórica.
El debate ya llegó a los reguladores estadounidenses.
En junio de 2026, la Comisión Federal Reguladora de Energía de Estados Unidos —FERC— ordenó a los seis grandes operadores regionales de redes eléctricas revisar sus reglas para grandes consumidores como los centros de datos. Uno de los objetivos explícitos es impedir que inversiones realizadas para estas instalaciones terminen siendo transferidas a los consumidores residenciales. (Federal Energy Regulatory Commission)
Virginia, uno de los principales mercados de centros de datos del mundo, avanzó todavía más.
Su regulador creó una tarifa especial para grandes consumidores. A partir de 2027 ciertos proyectos deberán asumir compromisos de suministro de al menos 14 años y pagar como mínimo 85% de los costos de transmisión y distribución contratados, aunque finalmente utilicen menos electricidad. (Comisión de Corporaciones de Virginia)
La lógica económica es sencilla:
si una empresa provoca la necesidad de construir infraestructura, debe asumir una parte proporcional de ese riesgo.
Este principio puede convertirse en uno de los temas regulatorios más importantes de la expansión mundial de la inteligencia artificial.
Existe también el argumento contrario
Sería incorrecto concluir que la llegada de un gran consumidor necesariamente aumenta las tarifas eléctricas.
Puede ocurrir exactamente lo contrario.
Una red eléctrica posee centrales, transmisión y distribución que requieren enormes inversiones de capital. Si aparece un consumidor grande, estable y predecible que utiliza esa infraestructura durante prácticamente las 24 horas, los costos fijos pueden distribuirse entre más electricidad vendida.
El costo promedio del sistema podría disminuir.
La propia AIE reconoce esta posibilidad: si existe capacidad disponible y la nueva demanda aprovecha mejor activos ya construidos, los centros de datos pueden contribuir a reducir costos unitarios. (IEA)
Por eso la cuestión correcta no es:
“¿Los centros de datos subirán el precio de la electricidad?”
La pregunta correcta es:
“¿En qué condiciones los centros de datos aumentan o reducen el costo de la electricidad para el resto de la sociedad?”
Y la respuesta depende de quién financie la infraestructura, cuánto tiempo permanezca el consumidor conectado, la utilización real de la capacidad y cómo se estructuren las tarifas.
La paradoja de la eficiencia: cada cálculo consume menos, pero consumimos muchos más cálculos
Existe además otra paradoja económica particularmente interesante.
Los procesadores son cada vez más eficientes.
Nvidia afirma que Vera Rubin puede ofrecer un rendimiento por megawatt extraordinariamente superior a generaciones anteriores. La AIE también señala que la electricidad necesaria para realizar una tarea sencilla mediante IA ha disminuido a una velocidad excepcional durante los últimos años. (NVIDIA)
A primera vista podríamos pensar:
si los chips son más eficientes, el consumo eléctrico debería disminuir.
Pero probablemente ocurra lo contrario.
Esta situación recuerda a la llamada paradoja de Jevons, formulada en el siglo XIX.
William Stanley Jevons observó que las mejoras en la eficiencia de las máquinas de vapor no disminuyeron el consumo británico de carbón. Al abaratar el uso de la energía, hicieron rentable utilizar máquinas en muchas más actividades y terminaron incrementando el consumo total.
Algo parecido podría suceder con la inteligencia artificial.
Si producir un millón de tokens cuesta cada vez menos, aparecerán millones de nuevas aplicaciones.
No utilizaremos IA solamente para contestar preguntas.
La utilizaremos para generar videos, diseñar productos, investigar medicamentos, programar software, controlar robots, realizar análisis financieros, conducir vehículos, administrar fábricas y operar agentes autónomos durante horas.
La eficiencia reduce el costo por operación.
Pero la caída del costo dispara el número de operaciones.
Los datos de 2025 parecen mostrar precisamente esta dinámica: aunque el consumo energético por tarea continuó cayendo, el consumo de electricidad de los centros de datos aumentó alrededor de 17% en un solo año, mientras que el correspondiente a centros orientados principalmente a IA creció aproximadamente 50%. (IEA)
Y después viene el agua
La electricidad no es el único recurso involucrado.
Prácticamente toda la electricidad utilizada por un procesador termina transformándose en calor.
Ese calor debe eliminarse.
Los centros de datos utilizan distintas tecnologías de refrigeración, algunas mediante aire y otras mediante agua o sistemas líquidos de circuito cerrado.
Lawrence Berkeley National Laboratory estima que los centros de datos estadounidenses podrían consumir directamente alrededor de 140 a 280 millones de metros cúbicos de agua anuales hacia 2028. Pero existe una enorme variación dependiendo del clima, la tecnología de enfriamiento y la fuente de electricidad utilizada. (CENERDAT)
Por eso nuevamente el promedio nacional puede resultar engañoso.
Un centro instalado en una región con abundancia de agua representa un problema muy diferente de otro instalado en una zona que sufre estrés hídrico.
El agua posee además algo que la electricidad no tiene: es extremadamente local.
Un megawatt puede transportarse cientos de kilómetros.
El agua utilizada por una comunidad normalmente no.
La decisión sobre dónde construir los grandes centros de IA será por ello también una decisión ambiental y territorial.
México ya está entrando en esta discusión
El fenómeno no es exclusivo de Estados Unidos.
México está intentando posicionarse como uno de los principales centros latinoamericanos de infraestructura digital y Querétaro se ha convertido en su principal polo.
Según cifras reportadas por la Asociación Mexicana de Data Centers, México tenía alrededor de 279 MW de capacidad operativa en centros de datos durante 2026, pero el sector espera aproximarse a 1,500 MW hacia 2030. (El Economista)
La dimensión de algunos proyectos permite entender el cambio.
CloudHQ anunció una inversión de US$4,800 millones para construir seis centros de datos en Querétaro, con una carga informática potencial de hasta 900 MW. El proyecto contempla una subestación privada y sistemas de refrigeración sin consumo de agua. (Gobierno de México)
Para poner los números en perspectiva, esos 900 MW corresponden únicamente a un campus.
Al mismo tiempo, la CFE ha comenzado a reforzar infraestructura eléctrica en Querétaro para atender el crecimiento industrial y tecnológico. En abril de 2026 informó de nueva infraestructura que habilitó 91 MW para usuarios de alta tensión, incluyendo centros de datos. (CFE)
México enfrenta por tanto exactamente la misma pregunta que Estados Unidos:
¿cómo aprovechar la inversión tecnológica sin trasladar de manera desproporcionada sus costos de infraestructura al resto de la economía?
La IA también puede ayudar a resolver el problema energético que está creando
Sería incompleto observar solamente el lado del consumo.
La inteligencia artificial también puede aumentar la eficiencia del propio sistema energético.
Puede ayudar a:
predecir demanda eléctrica;
integrar energías renovables;
optimizar redes;
detectar fallas en transformadores;
administrar almacenamiento;
reducir desperdicios industriales;
optimizar rutas logísticas;
y utilizar plantas y líneas de transmisión con mayor eficiencia.
La AIE estima que aplicaciones conocidas de inteligencia artificial podrían generar ahorros energéticos superiores a 13 exajoules hacia 2035, equivalentes aproximadamente a 3% del consumo energético final mundial, si se superan las barreras para su adopción. (IEA)
Incluso los propios centros de datos pueden convertirse parcialmente en herramientas de estabilidad eléctrica.
Un experimento publicado en Nature Energy demostró que un centro con 256 GPU podía reducir temporalmente su consumo eléctrico en 25% durante tres horas, desplazando determinadas cargas de trabajo sin deteriorar los niveles de servicio de IA. (Nature)
En el futuro, algunos centros podrían comportarse menos como consumidores inflexibles y más como grandes industrias capaces de adaptar parte de su demanda a las condiciones de la red.
Gas, renovables y el regreso de la energía nuclear
La creciente demanda tecnológica también está modificando la política energética.
Durante años la discusión estuvo dominada por la transición desde combustibles fósiles hacia renovables.
La IA introduce otra condición:
la electricidad debe estar disponible prácticamente todo el tiempo.
La AIE prevé que las energías renovables cubrirán cerca de la mitad del crecimiento de la electricidad necesaria para los centros de datos durante los próximos años. Pero también espera una participación importante del gas natural y, cada vez más, de la energía nuclear. (IEA)
No es casualidad que grandes empresas tecnológicas estén mostrando nuevamente interés por reactores nucleares, pequeños reactores modulares, geotermia y otras fuentes capaces de suministrar energía continua.
La carrera de la inteligencia artificial podría terminar acelerando una transformación energética que originalmente parecía independiente de ella.
Entonces, ¿los beneficios económicos compensarán los costos?
Todavía no lo sabemos.
Y ésta probablemente sea la pregunta más importante.
La historia económica demuestra que las grandes transformaciones tecnológicas suelen requerir primero enormes inversiones en infraestructura.
El ferrocarril necesitó vías.
El automóvil necesitó carreteras.
La industrialización necesitó centrales eléctricas.
Internet necesitó redes de telecomunicaciones y fibra óptica.
La inteligencia artificial necesitará capacidad computacional, electricidad y centros de datos.
Durante esas transformaciones también aparecieron burbujas financieras, inversiones excesivas y proyectos que nunca recuperaron su costo.
Pero parte de aquella infraestructura terminó siendo utilizada durante décadas y permitió enormes incrementos posteriores de productividad.
La IA podría seguir un camino similar.
Si aumenta suficientemente la productividad, acelera la investigación científica, mejora la eficiencia industrial y genera nuevas actividades económicas, la infraestructura construida para sostenerla podría generar retornos sociales considerablemente superiores a su costo.
El problema aparece si la ecuación termina siendo diferente:
beneficios privados altamente concentrados y costos públicos ampliamente distribuidos.
Una ciudad que aporta electricidad, agua, infraestructura y beneficios fiscales debería preguntarse cuánto empleo permanente recibe, cuánto ingreso fiscal genera el proyecto y qué otras industrias dejan de disponer de esos mismos recursos.
El verdadero problema no es cuánta energía consume la IA
Tal vez estamos formulando incorrectamente el debate.
Preguntar cuánta electricidad consume la inteligencia artificial es importante, pero insuficiente.
Nuestra economía utiliza enormes cantidades de energía para producir acero, aluminio, fertilizantes, transporte, aire acondicionado o entretenimiento.
No decidimos si algo es socialmente conveniente únicamente por la electricidad que consume.
Evaluamos qué valor económico produce a cambio de esos recursos.
Con la inteligencia artificial deberá suceder lo mismo.
La pregunta fundamental será:
¿cuánto valor económico genera cada megawatt adicional destinado a la IA y quién recibe ese valor?
Si una empresa tecnológica paga la infraestructura que necesita, garantiza contratos de largo plazo, utiliza agua de manera responsable, genera actividad económica y su tecnología aumenta la productividad de otros sectores, la expansión puede representar una inversión extraordinariamente beneficiosa.
Pero si gobiernos y consumidores financian centrales, redes y subestaciones cuyo principal objetivo es abastecer proyectos especulativos, mientras los beneficios quedan concentrados en unas cuantas compañías globales, estaremos realizando una transferencia de riqueza difícil de justificar.
La infraestructura será la próxima frontera de la carrera por la IA
Hasta ahora hemos observado la competencia por crear el mejor modelo y fabricar el mejor procesador.
La siguiente competencia será diferente.
Será por conseguir:
chips, terrenos, electricidad, transformadores, agua, conexiones a la red y capital.
La propia AIE advierte que los centros de datos se han convertido en proyectos tan grandes que sus inversiones ya no pueden financiarse únicamente con los balances de las compañías tecnológicas y necesitarán crecientemente de los mercados de capital. (IEA)
Eso convierte a la inteligencia artificial en algo mucho más que una revolución tecnológica.
También es una gigantesca historia de inversión, crédito, energía e infraestructura.
Quizá dentro de algunos años descubramos que el verdadero límite al crecimiento de la inteligencia artificial nunca fue la capacidad de diseñar procesadores más rápidos.
Fue nuestra capacidad para construir suficientemente rápido el mundo físico necesario para hacerlos funcionar.
Y entonces la pregunta dejará de ser solamente cuánto costará desarrollar la inteligencia artificial.
Será todavía más importante saber quién terminará pagando por ella.
About the Author
