La desaceleración de la inteligencia artificial más avanzada puede abrir la puerta a nuevos competidores
El ritmo de desarrollo de los modelos de inteligencia artificial más sofisticados podría moderarse si aumentan los controles de seguridad y supervisión. Este cambio no supondría necesariamente un freno para el sector, sino una redistribución de la inversión: menos recursos destinados a entrenar sistemas cada vez más grandes y más capital dirigido a ponerlos en funcionamiento.
La consecuencia más relevante sería un posible impulso para las empresas que suministran la infraestructura necesaria para desplegar la IA. Fabricantes de chips, productores de memoria, proveedores de servidores y operadores de centros de datos podrían beneficiarse de una demanda más estable y diversificada.
Más regulación para contener los riesgos de la IA
Dario Amodei, consejero delegado de Anthropic, ha defendido la necesidad de establecer salvaguardas frente a los riesgos que los sistemas de IA pueden plantear para la sociedad. Entre esas amenazas se encuentran el uso malicioso de modelos avanzados, la generación automatizada de desinformación y la posibilidad de que algunas herramientas actúen con un grado de autonomía difícil de controlar.
La implantación de controles más estrictos podría elevar los costes y alargar los plazos de desarrollo. Las compañías tendrían que invertir más en evaluación, auditorías, ciberseguridad, trazabilidad de los datos y mecanismos para limitar respuestas o comportamientos peligrosos.
En este escenario, la carrera por crear el modelo más potente dejaría de ser el único objetivo. Ganarían importancia la fiabilidad, el consumo energético, la capacidad de integrarse en empresas y el cumplimiento de las normas que vayan aprobando los gobiernos.
Un billón de dólares en juego durante este año
El sector tecnológico podría movilizar alrededor de un billón de dólares durante este año entre inversiones en centros de datos, semiconductores, redes, sistemas de refrigeración y plataformas de computación. Hasta ahora, una parte sustancial del gasto se ha concentrado en entrenar modelos de lenguaje de enorme tamaño.
Si la supervisión obliga a ralentizar esa carrera, una mayor proporción del capital podría destinarse a la fase de despliegue. Esto incluye poner los modelos a disposición de usuarios y compañías, adaptar sus respuestas a sectores concretos y garantizar que funcionen de forma continua.
La diferencia es importante. Entrenar un modelo avanzado exige concentrar grandes volúmenes de potencia informática durante periodos determinados. En cambio, ofrecer servicios de IA a millones de usuarios genera una demanda más constante de servidores, memoria y electricidad.
Los centros de datos mantendrían su protagonismo
El aumento del uso cotidiano de la inteligencia artificial está transformando las necesidades de los centros de datos. Las consultas de los usuarios, la generación de imágenes y vídeos, la traducción automática o el análisis de documentos requieren capacidad de procesamiento disponible en todo momento.
Por eso, una ralentización en la creación de modelos punteros no tendría por qué provocar una caída inmediata de la inversión. Las empresas seguirían necesitando ampliar sus instalaciones, modernizar sus servidores y mejorar las redes que conectan los centros de datos con sus clientes.
También crecería la presión para reducir el consumo energético. La expansión de la IA ha situado en primer plano la disponibilidad de electricidad, los sistemas de refrigeración y el acceso a fuentes renovables. La eficiencia podría convertirse en una ventaja competitiva tan importante como la potencia.
Oportunidades para los rivales de los líderes del mercado
Un mercado dominado por las grandes compañías puede ofrecer oportunidades a los proveedores de segundo nivel si la demanda se orienta hacia el despliegue masivo. Fabricantes capaces de suministrar componentes fiables, más baratos o adaptados a tareas específicas podrían ganar cuota.
- Semiconductores alternativos: nuevos diseñadores y fabricantes podrían competir en aceleradores de IA para usos concretos.
- Memoria de alto rendimiento: el funcionamiento de los modelos requiere grandes cantidades de memoria rápida y con un suministro estable.
- Equipamiento para centros de datos: servidores, sistemas de refrigeración y redes se beneficiarían de la ampliación de la capacidad instalada.
- Servicios especializados: las empresas que adapten modelos a sectores como la banca, la industria o la sanidad podrían captar parte del gasto.
Este posible reequilibrio no implica que los líderes actuales vayan a perder su posición. Nvidia, SK Hynix y otros grandes proveedores cuentan con ventajas tecnológicas, relaciones comerciales consolidadas y capacidad para producir a gran escala. Sin embargo, una demanda menos centrada en el entrenamiento podría reducir la dependencia de un grupo muy limitado de fabricantes.
La segunda fase de la revolución de la IA
El debate sobre la seguridad puede marcar el paso de una primera etapa, dominada por la carrera tecnológica, a otra centrada en la utilidad real. Las compañías tendrán que demostrar que sus modelos son seguros, eficientes y capaces de generar ingresos sostenibles.
Para los inversores, el reto será distinguir entre el entusiasmo por la inteligencia artificial y la demanda que realmente puede mantenerse a largo plazo. El crecimiento de los centros de datos ofrece una señal positiva, pero también plantea dudas sobre los costes energéticos, la rentabilidad de las instalaciones y la velocidad con la que las empresas adoptarán estas herramientas.
Si los controles frenan el desarrollo de los modelos más extremos, la inteligencia artificial no desaparecerá del centro de la economía. El capital podría desplazarse hacia la infraestructura y las aplicaciones prácticas, abriendo espacio para nuevos actores y consolidando una industria más amplia, aunque también más regulada.
