LA TERMODINÁMICA DEL CAPITAL: INTELIGENCIA ARTIFICIAL, CRISIS ENERGÉTICA Y CRISIS ECOLÓGICA

Te Li

Monthlyreview.org/12/06/2026

 Centro de datos CMC en Tân Thuận, Hồ Chí Minh, Vietnam. Por Linh.ttt - Trabajo propio , CC BY-SA 4.0 

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 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.¹¹ 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.¹² 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.¹³

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.

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

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.²² 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. ²³ 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.

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.

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.

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.

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.

_____________

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.