Tres ejemplos de por qué la IA no tiene por qué cumplir la paradoja de Jevons
El ‘fracking’, los paneles solares y la secuenciación genética contradicen el optimismo de Satya Nadella, de Microsoft
Los jefes de las grandes tecnológicas pueden sentirse tranquilos comparando la inteligencia artificial con un trozo de carbón. Los supuestos avances en rentabilidad logrados por la china DeepSeek han sacudido los mercados que apostaban por un auge del gasto en los chips y los servidores que alimentan las inteligencias de silicio. Analistas y ejecutivos como Satya Nadella, de Microsoft, argumentan que esto no debería de ser un problema, apelando a la observación del economista William Stanley Jevons, muerto hace mucho tiempo, de que los motores de carbón más eficientes generaban una mayor demanda de combustible. El análisis de otros casos más recientes muestra por qué esa dinámica no garantiza el éxito de los operadores actuales.
Jevons, en un libro de 1865 titulado La cuestión del carbón, expuso la aparente paradoja. A medida que mejoraban las máquinas de vapor, necesitaban menos combustible para tareas como el transporte de trenes. Sin embargo, la demanda de carbón en Reino Unido siguió aumentando. La razón es simple: los operadores ferroviarios consumían menos por viaje en tren, lo que aumentaba los beneficios y les animaba a poner en funcionamiento más locomotoras. La tendencia es duradera. Los procesos industriales son cada vez más eficientes, pero, en 2024, 159 años después de que se escribiera el libro, el mundo quemó una cifra récord de 8.800 millones de toneladas de carbón.
Al igual que la energía, la inteligencia es un insumo necesario para la actividad económica. Los productos de alto margen, desde la medicina hasta el software, por no mencionar el funcionamiento diario de cualquier gran empresa, requieren esfuerzo mental para todo, desde la coordinación organizativa hasta la investigación de vanguardia. Incluso una IA tremendamente cara que pueda hacer parte de este trabajo encontrará compradores donde su producción sea lo suficientemente valiosa. Si se reduce el precio, se amplía la gama de tareas a las que tiene sentido aplicarla.
Así que cuando DeepSeek afirmó que podía entrenar y ejecutar modelos de lenguaje de vanguardia a una fracción del coste de las versiones occidentales, no es de extrañar que algunas personas encontraran confort en el carbón. Claro, los inversores entraron inicialmente en pánico, recortando casi 600.000 millones de dólares del valor de mercado de Nvidia, en un día. Pero Nadella, en una publicación en redes sociales, declaró que “la paradoja de Jevons ataca de nuevo”, y añadió que el aumento de la eficiencia hará que el uso de la IA “se dispare”.
Sin embargo, Jevons no puede evitar que no haya demanda o que las suposiciones en las que se basan las inversiones sean erróneas. Otros tres ejemplos industriales actuales ilustran los escollos.
Tomemos como ejemplo la fracturación hidráulica (fracking), que consiste en inyectar agua, arena y productos químicos en formaciones de esquisto para abrir depósitos de gas natural y petróleo antes inaccesibles. El progreso tecnológico redujo constantemente los costes, lo que provocó un aumento masivo de la producción. Estados Unidos es ahora el mayor productor mundial de petróleo crudo, y aproximadamente dos tercios proceden de la fracturación hidráulica. Pero la demanda no aumentó tanto. Las empresas que se endeudaron para financiar una vertiginosa expansión no pudieron seguir el ritmo, y se produjeron oleadas de bancarrotas. Según el Institute for Energy Economics and Financial Analysis, unas 42 empresas de fracking con una deuda de casi 26.000 millones quebraron en 2019. La Administración de Información Energética de EE UU informó de que el año pasado los precios del gas se mantuvieron en mínimos históricos.
Esto podría no proceder para la IA. A diferencia del petróleo, cuya necesidad está siendo desplazada cada vez más por tecnologías como los coches eléctricos, parece poco probable que la inteligencia pase de moda. Pero eso podría no sostener, por ejemplo, una discutida valoración de 300.000 millones para OpenAI, si la competencia inunda el mercado. Basta con mirar los paneles solares.
El coste de un sistema solar de EE UU ha caído en torno a un 40% en una década, según la Asociación de Industrias de Energía Solar del país, con descensos aún más pronunciados en el extranjero. A diferencia del gas, la demanda se ha disparado en respuesta. La capacidad instalada de energía solar global se multiplicó por diez entre 2013 y 2023.
Pero la competencia es feroz, porque los paneles son en gran medida intercambiables. Lo único que importa es el precio. Los márgenes de explotación de los diez principales fabricantes fueron de aproximadamente el 0% en el tercer trimestre de 2024, según el National Renewable Energy Laboratory, a pesar de los pedidos récord.
Sin embargo, expertos en IA como Dario Amodei, CEO de Anthropic, creen que la competencia se reducirá. Afirma que las empresas más pequeñas y nuevas han podido entrar en la carrera porque las técnicas novedosas que producen grandes ganancias siguen surgiendo con mucha rapidez. Con el tiempo, las mejoras serán más difíciles y caras, según sus cálculos. Eso podría significar que pocas compañías, o incluso una sola, dominarán el mercado.
Pero la limitada competencia y el rápido crecimiento tampoco garantizan márgenes de beneficio extraordinarios. Illumina, por ejemplo, lleva más de una década dominando la secuenciación genética. En 2019, la Comisión Federal de Comercio estimó que tenía una cuota de mercado superior al 90% en el sector de las máquinas avanzadas que identifican los nucleótidos en muestras de ADN.
Estas máquinas tienen usos potenciales, desde decirle a la gente de dónde vienen sus antepasados hasta diseñar tratamientos personalizados contra el cáncer. Las mejoras en la eficiencia han sido rápidas y sustanciales. El precio de secuenciar el genoma de una persona, su conjunto completo de ADN, ha caído de en torno a 100 millones de dólares en 2001 a unos 200, según la empresa.
Sin embargo, incluso con casi todo el mercado en su poder, los analistas esperan que los ingresos de Illumina en 2026 alcancen solo 4.700 millones, según datos de LSEG, no muy diferentes a los de 2021. Es el resultado de una desagradable combinación que proviene de tener que superar tanto una escasez de demanda como una competencia creciente. Las pruebas genéticas aún deben mejorar para ser lo suficientemente útiles como para atraer a más clientes; mientras tanto, las empresas advenedizas están desarrollando sus propias pruebas en un intento de abrirse camino. Illumina debe correr más rápido solo para mantenerse en su lugar.
Quizás la IA escape de todas estas trampas, demostrando ser lo suficientemente útil, lo suficientemente barata, pero lo suficientemente difícil de copiar como para que resulte no solo en una explosión de uso, sino también en ganancias. Es un asunto mucho más complicado que simplemente ofrecer la paradoja de Jevons como una especie de prueba de que menos siempre es más.
Los autores son columnistas de Reuters Breakingviews. Las opiniones son suyas. La traducción, de Carlos Gómez Abajo, es responsabilidad de CincoDías