Tres razones por las cuales la IA podría frenarse en 2025
Una de ellas es que los inversionistas se preguntan si la inteligencia artificial les generará retornos significativos. Los invitamos a leer las otras dos.
Los inversionistas tienen cada vez más dudas sobre la rentabilidad de la IA. Crédito: Shutterstock. Shutterstock
Dambisa Moyo
El veloz ritmo de los avances tecnológicos del último año, sobre todo en inteligencia artificial, da muchas razones para el optimismo. Pero, ya iniciando 2025, hay indicios de que el ímpetu de la IA puede estar decayendo.
La narrativa dominante desde 2023 es que la revolución de la IA estimulará la productividad y el crecimiento económicos y sentará las bases de extraordinarios avances tecnológicos. Por ejemplo, PwC pronostica que en 2030 la IA añadirá casi 16 billones de dólares al PIB mundial, un incremento del 14 %. Por su parte, un estudio de Erik Brynjolfsson, Danielle Li y Lindsey R. Raymond estima que la IA generativa puede aumentar un 14 % la productividad del trabajador promedio, incluido un aumento del 34 % para los trabajadores nuevos y poco calificados.
Una idea que parecen corroborar recientes anuncios de Google y OpenAI que presentan un atisbo de un futuro que hasta hace poco era territorio exclusivo de la ciencia ficción. Por ejemplo, el chip cuántico Willow de Google logró completar en menos de cinco minutos un cálculo de referencia que a las supercomputadoras actuales más rápidas les llevaría diez cuatrillones de años (un diez seguido de 24 ceros).
Asimismo, el nuevo modelo o3 de OpenAI constituye un gran avance tecnológico que acerca la IA al punto en que sea capaz de superar a los humanos en cualquier tarea cognitiva, un hito conocido como “inteligencia artificial general”.
Pero hay al menos tres razones por las que el auge de la IA puede perder ímpetu en 2025. En primer lugar, los inversionistas tienen cada vez más dudas sobre la rentabilidad de la IA, ya que a muchas empresas les está costando generar ingresos que compensen el enorme aumento de costos del desarrollo de modelos de vanguardia.
Entrenar el modelo GPT‑4 de OpenAI costó más de cien millones de dólares, pero es probable que con los modelos futuros ese mismo costo supere los mil millones, lo que pone en entredicho la sostenibilidad financiera de las iniciativas.
Por supuesto que los inversionistas están ansiosos de aprovechar el auge de la IA; en 2024, la inversión de capital de riesgo en startups de IA radicadas en Estados Unidos alcanzó la cifra récord de 97.000 millones de dólares. Pero parece que incluso líderes del sector como OpenAI están gastando dinero demasiado rápido para generar beneficios significativos, y los inversionistas comienzan a temer que una buena parte del capital se haya asignado mal o desperdiciado.
Un cálculo aproximado indica que para lograr un rendimiento aceptable (teniendo en cuenta impuestos, desembolsos de capital y gastos operativos), una inversión de 100.000 millones de dólares en IA tendría que generar una facturación de por lo menos 50.000 millones de dólares.
Pero según mis fuentes, el ingreso anual total del sector apenas llega a 12.000 millones de dólares, de los que unos 4.000 millones corresponden a OpenAI.
En ausencia de una killer app, una aplicación superexitosa, por la que los clientes estén dispuestos a pagar sumas sustanciales, es posible que una parte significativa de las inversiones de capital de riesgo terminen valiendo nada, y el resultado sería una disminución de la inversión y del gasto.
En segundo lugar, el crecimiento de la IA puede frenarse por las cantidades enormes de energía que se necesitan para operar y refrigerar sus masivos centros de datos. Según la Agencia Internacional de la Energía, en 2026 los centros de datos de IA consumirán mil teravatios hora de electricidad al año, más que el consumo total de electricidad y gas del Reino Unido en 2023. La consultora Gartner prevé que, en 2027, el 40 % de los centros de datos en existencia padecerá restricciones operativas por la disponibilidad limitada de energía.
En tercer lugar, parece que los grandes modelos lingüísticos están empezando a encontrar sus límites, conforme las empresas luchan con dificultades crecientes como la escasez de datos y la aparición de errores recurrentes.
El entrenamiento de esos modelos se basa ante todo en datos extraídos de noticias, informes publicados, comentarios en redes sociales y trabajos académicos. Pero el suministro de información de alta calidad es finito, y hallar nuevos conjuntos de datos (o crear alternativas sintéticas) se ha vuelto cada vez más difícil y costoso. Por eso los modelos son propensos a generar respuestas incorrectas o inventadas (“alucinaciones”), y es posible que en poco tiempo las empresas de IA se queden sin datos nuevos para mejorarlos.
También el poder de cómputo se está acercando a sus límites físicos. En 2021, IBM presentó un chip de dos nanómetros (más o menos del tamaño de una uña) con capacidad para albergar 50.000 millones de transistores y mejorar el desempeño un 45 % en comparación con su predecesor de siete nanómetros. Aunque es impresionante, este avance también plantea una duda importante: ¿habrá llegado la industria al punto de los rendimientos decrecientes en su búsqueda de crear semiconductores cada vez más pequeños?
De mantenerse estas tendencias, las valuaciones actuales de las empresas de IA que cotizan en bolsa tal vez no sean sostenibles. Cabe destacar que la inversión privada ya muestra signos de declive. Según la firma de investigación Preqin, en los tres primeros trimestres de 2024 las empresas de capital de riesgo consiguieron 85.000 millones de dólares, cifra considerablemente inferior a los 136.000 millones reunidos durante el mismo período en 2023.
La buena noticia es que si los gigantes actuales de la IA empiezan a tambalearse, competidores más pequeños podrían aprovechar la oportunidad y desafiar su dominio. Desde el punto de vista del mercado, esto puede fomentar más competencia y reducir la concentración, evitando así que se repitan las condiciones que permitieron a las “siete magníficas” (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla) hacerse con el dominio de la industria tecnológica estadounidense.
