En 1865, el economista británico William Jevons formuló una paradoja que sigue vigente hoy. Descubrió que, cuando las máquinas de vapor mejoraron su eficiencia y comenzaron a consumir menos carbón por unidad de energía, el resultado no fue una caída en el consumo de carbón, sino un aumento masivo. La reducción de costes llevó a su adopción en más sectores, expandiendo el mercado en lugar de contraerlo.
Ahora, Satya Nadella, CEO de Microsoft, ha traído esta idea al debate sobre la inteligencia artificial. La mencionaba de forma reciente en un tuit, cuando con la llegada de modelos más eficientes como DeepSeek, muchos se preguntan: ¿si la computación se vuelve más barata, se desplomará la demanda de chips y servidores en la nube? O, al contrario, ¿veremos una explosión en el uso de IA que dispare aún más la demanda de infraestructura tecnológica?
Para entenderlo mejor, volvamos al siglo XIX y al auge de los ferrocarriles.
Ferrocarriles e inteligencia artificial: la historia se repite
En los albores del ferrocarril, construir vías y locomotoras era un proceso caro y complicado. Solo los grandes comerciantes y gobiernos podían permitirse este lujo. Sin embargo, cuando la tecnología ferroviaria se volvió más eficiente y barata, algo inesperado ocurrió: en lugar de reducirse la inversión en trenes, el mundo vivió una explosión ferroviaria. Ciudades antes desconectadas se integraron en mercados globales y el comercio floreció a niveles inimaginables.
La inteligencia artificial está en un momento similar. Hoy, entrenar modelos de IA es muy caro. Requiere miles de chips avanzados como los de Nvidia, enormes centros de datos y una infraestructura energética descomunal. Si la eficiencia de los modelos mejora y los costes bajan, la lógica superficial diría que la inversión en hardware debería reducirse.
Sin embargo, la paradoja de Jevons sugiere lo contrario: la accesibilidad de la IA disparará su uso, multiplicando la necesidad de chips, servidores y energía.
La trampa de la eficiencia: más accesibilidad, más consumo
Cuando se construyeron las primeras líneas de tren, solo los comerciantes más ricos podían mover mercancías a larga distancia. Pero cuando los costes bajaron, el ferrocarril dejó de ser un lujo y se convirtió en una necesidad. Lo mismo ocurre con la IA.
Hoy, entrenar un modelo de inteligencia artificial de vanguardia puede costar cientos de millones de dólares. Pero si DeepSeek y otros avances reducen esos costes, el acceso a la IA se democratizará. Empresas más pequeñas, gobiernos locales e incluso desarrolladores individuales podrán usar modelos avanzados para optimizar sus operaciones, mejorar la atención médica, automatizar industrias y transformar la educación.
El resultado será una explosión en la demanda de computación. Así como la eficiencia ferroviaria multiplicó la necesidad de acero, carbón y redes de distribución, la eficiencia en IA multiplicará la demanda de chips, servidores y energía.
El caso Nvidia y Microsoft: ganadores de la paradoja
Si la paradoja de Jevons es cierta, los mayores beneficiados serán las empresas que controlan la infraestructura de la IA. Nvidia, que diseña las GPU necesarias para entrenar modelos, no verá una caída en la demanda de sus chips. Al contrario, a medida que más empresas adopten IA, necesitarán más hardware.
Microsoft, con su plataforma Azure, también se encuentra en una posición clave. La computación en la nube es la columna vertebral de la inteligencia artificial. Si el acceso a la IA se expande, más compañías dependerán de servidores en la nube para procesar datos y ejecutar modelos avanzados.
Así, aunque la eficiencia en IA reduzca el coste por unidad de computación, el número total de usuarios y aplicaciones aumentará tanto que la demanda general de infraestructura no caerá, sino que crecerá de forma exponencial.
El futuro: IA omnipresente y nuevos retos
Si la historia del ferrocarril nos dice algo, es que la inteligencia artificial está lejos de haber alcanzado su techo. La accesibilidad traerá consigo desafíos como el consumo energético, la regulación del uso de datos y la concentración del poder en unas pocas empresas tecnológicas.
Pero si hay algo claro, es que la IA, como el tren en su momento, está a punto de convertirse en un elemento fundamental de la sociedad. No será un lujo, sino una necesidad. Y, como bien apuntó Satya Nadella, la paradoja de Jevons nos enseña que la eficiencia no reduce el uso de una tecnología: lo acelera hasta límites que hoy ni imaginamos.
