A mediados del siglo XIX, el economista inglés William Stanley Jevons observó un fenómeno que desafiaba por completo el sentido común de su época: a medida que las máquinas de vapor se volvían más eficientes y consumían menos carbón por hora, el consumo total de carbón en Inglaterra no disminuía, sino que se disparaba. La lógica dictaba que una mayor eficiencia traería ahorro, pero la realidad demostró lo contrario. 


Al abaratarse el uso del carbón, surgieron miles de nuevas industrias que antes no eran viables, multiplicando la demanda global de energía. Este principio, conocido formalmente como la Paradoja de Jevons, ha vuelto a despertar de su letargo histórico para convertirse en la lente científica más lúcida —y preocupante— con la que evaluar el verdadero impacto de la Inteligencia Artificial (IA) en el siglo XXI.


En el discurso tecnológico actual existe la firme promesa de que la IA será la herramienta definitiva para optimizar procesos y combatir el cambio climático. Se nos dice que los algoritmos de frontera optimizarán las rutas de transporte, diseñarán redes eléctricas inteligentes y predecirán con exactitud el rendimiento de cultivos, ahorrando gigavatios de energía. Sin embargo, al igual que ocurrió con el carbón en la Revolución Industrial, la eficiencia de los modelos computacionales está detonando el efecto Jevons a una escala planetaria.


La optimización de los microprocesadores y el abaratamiento del costo de procesamiento por cada "token" (la unidad básica de texto o imagen que procesa una IA) no han provocado que las grandes corporaciones informáticas consuman menos recursos. Al contrario, al volver el cómputo más accesible y eficiente, la oferta de herramientas de IA se ha masificado de forma exponencial. Hoy en día, la IA generativa ya no es un recurso exclusivo de laboratorios científicos; se encuentra integrada en motores de búsqueda cotidianos, suites de oficina, filtros de entretenimiento y flujos de trabajo corporativos globales, requiriendo un despliegue masivo e ininterrumpido de centros de datos.


Desde la perspectiva de la ecología política y las ciencias de la computación, el núcleo del problema radica en los requerimientos físicos de lo que erróneamente llamamos "la nube". Cada interacción con un modelo de lenguaje grande (LLM) activa complejas operaciones matemáticas en miles de tarjetas gráficas de última generación que operan en infraestructuras industriales masivas. Estos complejos centros de datos no solo demandan un flujo eléctrico colosal para sus procesadores, sino también millones de litros de agua dulce para enfriar los sistemas térmicos, compitiendo directamente por recursos vitales con las poblaciones locales.


La paradoja se agudiza al comprender que la propia IA es utilizada para hacer que estos centros de datos sean más eficientes en su consumo energético individual. No obstante, esa misma optimización abarata los costos operativos del software, lo que incentiva la creación de modelos aún más grandes, devoradores de datos y con mayor capacidad de cómputo. El círculo vicioso se cierra: la eficiencia ya no es un freno al consumo, sino el combustible que acelera una expansión tecnológica sin precedentes.


Abordar la actual situación de la Inteligencia Artificial bajo el prisma de la Paradoja de Jevons nos obliga a madurar el debate científico. La solución a la crisis de recursos que plantea la era digital no vendrá exclusivamente de la mano de algoritmos matemáticamente más perfectos u optimizados. Requiere la construcción de marcos regulatorios globales y directrices éticas —como los estatutos de gobernanza que se promueven desde la educación superior y las instituciones de investigación— que evalúen los límites biofísicos del planeta antes de desplegar infraestructuras tecnológicas. El desarrollo científico en el sur global y en instituciones de vanguardia debe priorizar una tecnología con conciencia territorial, entendiendo que el progreso técnico carece de sentido si el precio de volver "inteligente" a una máquina es agotar los recursos del mundo real.


Texto: Divulgación de la Ciencia y el Conocimiento UNACH / Dirección General de Investigación y Posgrado.