Tres razones por las que el impulso de la IA podría estancarse en 2025
Si bien la inteligencia artificial tiene el potencial de impulsar el crecimiento global y aumentar la productividad, la industria enfrenta desafíos cada vez mayores, como los crecientes costos de desarrollo y los requisitos energéticos. Mientras tanto, los inversores se preguntan si las inversiones en inteligencia artificial pueden generar retornos significativos.
LONDRES – El rápido ritmo de los avances tecnológicos del último año, especialmente en materia de inteligencia artificial, ha dado muchos motivos para el optimismo. Pero, a medida que nos acercamos a 2025, hay señales de que el impulso de la IA puede estar menguando.
Desde 2023, la narrativa dominante ha sido que la revolución de la IA impulsará la productividad y el crecimiento económico, allanando el camino para avances tecnológicos extraordinarios. PwC, por ejemplo, proyecta que la IA agregará casi 16 billones de dólares al PIB mundial para 2030, un aumento del 14%. Mientras tanto, un estudio de Erik Brynjolfsson, Danielle Li y Lindsey R. Raymond estima que la IA generativa podría aumentar la productividad de los trabajadores en un 14% en promedio y en un 34% para los trabajadores nuevos y poco calificados.
Los anuncios recientes de Google y OpenAI parecen respaldar esta narrativa, ofreciendo una visión de un futuro que no hace mucho tiempo estaba confinado a la ciencia ficción. El chip cuántico Willow de Google, por ejemplo, supuestamente completó un cálculo de referencia (una tarea que llevaría a las supercomputadoras más rápidas de la actualidad diez septillones de años (diez seguido de 24 ceros)) en menos de cinco minutos. Asimismo, el nuevo modelo o3 de OpenAI representa un gran avance tecnológico, que acerca a la IA al punto en el que puede superar a los humanos en cualquier tarea cognitiva, un hito conocido como “inteligencia general artificial”.
Pero hay al menos tres razones por las que el auge de la IA podría perder fuerza en 2025. En primer lugar, los inversores se preguntan cada vez más si las inversiones relacionadas con la IA pueden generar rendimientos significativos, ya que muchas empresas tienen dificultades para generar ingresos suficientes para compensar los costos altísimos de desarrollar modelos de vanguardia. Si bien el entrenamiento del GPT-4 de OpenAI costó más de 100 millones de dólares, el entrenamiento de modelos futuros probablemente costará más de 1.000 millones de dólares, lo que genera inquietudes sobre la sostenibilidad financiera de estos esfuerzos.
Sin duda, los inversores están ansiosos por sacar provecho del auge de la IA, y las empresas de capital de riesgo invertirán una cifra récord de 97.000 millones de dólares en empresas emergentes de IA con sede en Estados Unidos en 2024. Pero parece que incluso los líderes de la industria como OpenAI están gastando dinero en efectivo demasiado rápido para generar retornos significativos, lo que lleva a los inversores a preocuparse de que gran parte de su capital se haya asignado incorrectamente o desperdiciado. Un cálculo aproximado sugiere que una inversión de 100.000 millones de dólares en IA requeriría al menos 50.000 millones de dólares en ingresos para producir un retorno aceptable del capital, contabilizando impuestos, gastos de capital y gastos operativos. Pero los ingresos anuales de todo el sector, según mis fuentes, suman solo 12.000 millones de dólares, de los cuales OpenAI representa aproximadamente 4.000 millones. En ausencia de una “aplicación revolucionaria” por la que los clientes estén dispuestos a pagar sumas sustanciales, una parte significativa de las inversiones de capital de riesgo podrían terminar sin valor, lo que desencadenaría una disminución de la inversión y el gasto.
En segundo lugar, las enormes cantidades de energía necesarias para operar y refrigerar centros de datos masivos podrían impedir el rápido crecimiento de la IA. Para 2026, según la Agencia Internacional de la Energía, los centros de datos de IA consumirán 1.000 teravatios-hora de electricidad al año, lo que superará el consumo total de electricidad y gas del Reino Unido en 2023. La consultora Gartner proyecta que para 2027, el 40% de los centros de datos existentes estarán “operativamente limitados” por la disponibilidad limitada de energía.
En tercer lugar, los grandes modelos lingüísticos parecen estar llegando a sus límites, ya que las empresas se enfrentan a desafíos cada vez mayores, como la escasez de datos y los errores recurrentes. Los LLM se entrenan principalmente con datos extraídos de fuentes como artículos de noticias, informes publicados, publicaciones en redes sociales y artículos académicos. Pero, con un suministro finito de información de alta calidad, encontrar nuevos conjuntos de datos o crear alternativas sintéticas se ha vuelto cada vez más difícil y costoso. En consecuencia, estos modelos son propensos a generar respuestas incorrectas o inventadas (“alucinaciones”), y las empresas de IA pueden quedarse pronto sin los datos nuevos necesarios para refinarlos.
La capacidad de procesamiento también se está acercando a sus límites físicos. En 2021, IBM presentó un chip de dos nanómetros (aproximadamente del tamaño de una uña) capaz de albergar 50 mil millones de transistores y mejorar el rendimiento en un 45 % en comparación con su predecesor de siete nanómetros. Si bien este hito es innegablemente impresionante, también plantea una pregunta importante: ¿ha llegado la industria al punto de rendimientos decrecientes en su búsqueda por fabricar semiconductores cada vez más pequeños?
A medida que nos acercamos a 2025, hay señales de que el impulso de la IA puede estar menguando. Foto: Pixabay.
Si estas tendencias persisten, las valoraciones actuales de las empresas de inteligencia artificial que cotizan en bolsa pueden no ser sostenibles. Cabe destacar que la inversión privada ya está mostrando signos de disminución. Según la firma de investigación Preqin, las firmas de capital riesgo recaudaron 85.000 millones de dólares en los primeros tres trimestres de 2024, una marcada caída respecto de los 136.000 millones de dólares recaudados durante el mismo período en 2023.
La buena noticia es que, si los gigantes de la IA de hoy empiezan a flaquear, competidores más pequeños podrían aprovechar la oportunidad y desafiar su dominio. Desde el punto de vista del mercado, un escenario de este tipo podría fomentar una mayor competencia y reducir la concentración, impidiendo que se repitan las condiciones que permitieron a los llamados “siete magníficos” (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla) dominar la industria tecnológica estadounidense.
Dambisa Moyo, economista internacional, es autor de cuatro libros superventas del New York Times , entre ellos Edge of Chaos: Why Democracy Is Failing to Deliver Economic Growth – and How to Fix It (Basic Books, 2018).
Desde 2023, la narrativa dominante ha sido que la revolución de la IA impulsará la productividad y el crecimiento económico, allanando el camino para avances tecnológicos extraordinarios. PwC, por ejemplo, proyecta que la IA agregará casi 16 billones de dólares al PIB mundial para 2030, un aumento del 14%. Mientras tanto, un estudio de Erik Brynjolfsson, Danielle Li y Lindsey R. Raymond estima que la IA generativa podría aumentar la productividad de los trabajadores en un 14% en promedio y en un 34% para los trabajadores nuevos y poco calificados.
Los anuncios recientes de Google y OpenAI parecen respaldar esta narrativa, ofreciendo una visión de un futuro que no hace mucho tiempo estaba confinado a la ciencia ficción. El chip cuántico Willow de Google, por ejemplo, supuestamente completó un cálculo de referencia (una tarea que llevaría a las supercomputadoras más rápidas de la actualidad diez septillones de años (diez seguido de 24 ceros)) en menos de cinco minutos. Asimismo, el nuevo modelo o3 de OpenAI representa un gran avance tecnológico, que acerca a la IA al punto en el que puede superar a los humanos en cualquier tarea cognitiva, un hito conocido como “inteligencia general artificial”.
Pero hay al menos tres razones por las que el auge de la IA podría perder fuerza en 2025. En primer lugar, los inversores se preguntan cada vez más si las inversiones relacionadas con la IA pueden generar rendimientos significativos, ya que muchas empresas tienen dificultades para generar ingresos suficientes para compensar los costos altísimos de desarrollar modelos de vanguardia. Si bien el entrenamiento del GPT-4 de OpenAI costó más de 100 millones de dólares, el entrenamiento de modelos futuros probablemente costará más de 1.000 millones de dólares, lo que genera inquietudes sobre la sostenibilidad financiera de estos esfuerzos.
Sin duda, los inversores están ansiosos por sacar provecho del auge de la IA, y las empresas de capital de riesgo invertirán una cifra récord de 97.000 millones de dólares en empresas emergentes de IA con sede en Estados Unidos en 2024. Pero parece que incluso los líderes de la industria como OpenAI están gastando dinero en efectivo demasiado rápido para generar retornos significativos, lo que lleva a los inversores a preocuparse de que gran parte de su capital se haya asignado incorrectamente o desperdiciado. Un cálculo aproximado sugiere que una inversión de 100.000 millones de dólares en IA requeriría al menos 50.000 millones de dólares en ingresos para producir un retorno aceptable del capital, contabilizando impuestos, gastos de capital y gastos operativos. Pero los ingresos anuales de todo el sector, según mis fuentes, suman solo 12.000 millones de dólares, de los cuales OpenAI representa aproximadamente 4.000 millones. En ausencia de una “aplicación revolucionaria” por la que los clientes estén dispuestos a pagar sumas sustanciales, una parte significativa de las inversiones de capital de riesgo podrían terminar sin valor, lo que desencadenaría una disminución de la inversión y el gasto.
En segundo lugar, las enormes cantidades de energía necesarias para operar y refrigerar centros de datos masivos podrían impedir el rápido crecimiento de la IA. Para 2026, según la Agencia Internacional de la Energía, los centros de datos de IA consumirán 1.000 teravatios-hora de electricidad al año, lo que superará el consumo total de electricidad y gas del Reino Unido en 2023. La consultora Gartner proyecta que para 2027, el 40% de los centros de datos existentes estarán “operativamente limitados” por la disponibilidad limitada de energía.
En tercer lugar, los grandes modelos lingüísticos parecen estar llegando a sus límites, ya que las empresas se enfrentan a desafíos cada vez mayores, como la escasez de datos y los errores recurrentes. Los LLM se entrenan principalmente con datos extraídos de fuentes como artículos de noticias, informes publicados, publicaciones en redes sociales y artículos académicos. Pero, con un suministro finito de información de alta calidad, encontrar nuevos conjuntos de datos o crear alternativas sintéticas se ha vuelto cada vez más difícil y costoso. En consecuencia, estos modelos son propensos a generar respuestas incorrectas o inventadas (“alucinaciones”), y las empresas de IA pueden quedarse pronto sin los datos nuevos necesarios para refinarlos.
La capacidad de procesamiento también se está acercando a sus límites físicos. En 2021, IBM presentó un chip de dos nanómetros (aproximadamente del tamaño de una uña) capaz de albergar 50 mil millones de transistores y mejorar el rendimiento en un 45 % en comparación con su predecesor de siete nanómetros. Si bien este hito es innegablemente impresionante, también plantea una pregunta importante: ¿ha llegado la industria al punto de rendimientos decrecientes en su búsqueda por fabricar semiconductores cada vez más pequeños?
Si estas tendencias persisten, las valoraciones actuales de las empresas de inteligencia artificial que cotizan en bolsa pueden no ser sostenibles. Cabe destacar que la inversión privada ya está mostrando signos de disminución. Según la firma de investigación Preqin, las firmas de capital riesgo recaudaron 85.000 millones de dólares en los primeros tres trimestres de 2024, una marcada caída respecto de los 136.000 millones de dólares recaudados durante el mismo período en 2023.
La buena noticia es que, si los gigantes de la IA de hoy empiezan a flaquear, competidores más pequeños podrían aprovechar la oportunidad y desafiar su dominio. Desde el punto de vista del mercado, un escenario de este tipo podría fomentar una mayor competencia y reducir la concentración, impidiendo que se repitan las condiciones que permitieron a los llamados “siete magníficos” (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla) dominar la industria tecnológica estadounidense.
Publicación original en: https://www.project-syndicate.org/commentary/ai-boom-could-lose-steam-in-2025-by-dambisa-moyo-2025-01