La carrera tecnológica y la fractura metabólica del capital

Es habitual que los discursos presenten la inteligencia artificial como una tecnología inmaterial: modelos que, desde el punto de vista de la experiencia del usuario medio, responden preguntas, generan imágenes o automatizan tareas desde una pantalla. Pero detrás de cada servicio hay toda una infraestructura física que necesita ingentes cantidades de electricidad, agua, chips, minerales, suelo y fuerza de trabajo. La escala de esa infraestructura ya tiene una dimensión considerable, y a pesar de que está creciendo de manera acelerada, hay estudios que la cuantifican. Según la Agencia Internacional de la Energía (AIE), los centros de datos de todo el mundo consumieron unos 485 teravatios-hora de electricidad en 2025. Ese año, el consumo eléctrico de los centros orientados específicamente a la IA creció un 50 %, frente al 17 % del conjunto de los centros de datos. La AIE prevé que el consumo eléctrico total de estos últimos se aproxime a los 950 TWh en 2030. Aunque estas cifras no corresponden exclusivamente a la IA, muestran la velocidad a la que se expande la infraestructura que hace posible su desarrollo.

Además de electricidad, los centros de datos de Estados Unidos consumieron directamente unos 66.000 millones de litros de agua en 2023, según una estimación del Laboratorio Nacional Lawrence Berkeley. El volumen triplicaba aproximadamente el de 2014. Se trata de datos del conjunto de los centros de datos, no solo de los dedicados a la IA, y no incluyen toda el agua utilizada indirectamente para producir la electricidad que consumen. Aun así, permiten dimensionar una parte del coste material de la economía digital, especialmente cuando las instalaciones se concentran en territorios donde el agua es un recurso limitado.

Pero la expansión de esta infraestructura tiene consecuencias ambientales que van más allá del consumo de agua de los centros de datos o de las emisiones asociadas a su funcionamiento: nos obliga a preguntarnos qué actividades se están priorizando, quién decide cómo se utiliza esta tecnología y quién asume los costes de su desarrollo. Un informe publicado en junio de 2026 por el Instituto de Agua, Medio Ambiente y Salud de la Universidad de Naciones Unidas analiza las huellas de carbono, agua y suelo de la inteligencia artificial. El estudio destaca que su impacto depende tanto de la cantidad de energía consumida como del lugar y la forma en que se produce, y advierte de que los beneficios de estos sistemas pueden extenderse a escala mundial mientras sus costes ambientales se concentran en territorios y comunidades concretos. La IA, por tanto, no es únicamente una cuestión de eficiencia tecnológica, sino también de asignación y distribución de recursos; es decir, de poder.

La huella ambiental y la fractura metabólica

En su artículo Marxian Ecology and the Critique of AI Capital, publicado en Monthly Review, el profesor marxista John Bellamy Foster propone situar la inteligencia artificial dentro de una crítica ecológica del capitalismo, tomando como punto de partida el concepto de fractura metabólica, desarrollado a partir de la obra de Karl Marx. Este concepto describe la ruptura que se produce cuando la organización social de la producción altera los ciclos naturales de los que depende la propia sociedad. Marx lo estudió, entre otras cuestiones, a través de la agricultura capitalista: la concentración de la población en las ciudades y la separación entre el campo y los centros de consumo dificultaban la devolución al suelo de los nutrientes extraídos mediante las cosechas. La riqueza se acumulaba así en un lugar mientras se deterioraban las condiciones naturales que la hacían posible.

En este caso, la relación con la IA no consiste en equiparar directamente un centro de datos con una explotación agrícola, sino en reconocer que ambas presentan una contradicción común. La producción tecnológica necesita materiales y energía procedentes de la naturaleza, pero sus costes no aparecen necesariamente en el precio del servicio ni recaen sobre quienes obtienen sus beneficios. La extracción de minerales, la fabricación de semiconductores, el consumo eléctrico, la refrigeración y los residuos electrónicos forman parte de un mismo proceso material, aunque se desarrollen en países y territorios diferentes. Desde esta perspectiva, la crisis ecológica no se explica simplemente porque una tecnología consuma demasiados recursos, sino porque es necesario examinar cómo se organiza ese consumo, con qué finalidad y bajo qué relaciones sociales. La fractura metabólica permite desplazar el foco desde la huella ecológica aislada de cada aplicación hacia el sistema económico que determina la escala y el ritmo de su expansión.

El capital monopolista detrás de la expansión

El desarrollo de los modelos más avanzados depende de enormes inversiones en centros de datos, procesadores especializados, redes eléctricas e infraestructuras de computación. Una parte decisiva de esos recursos está controlada por un grupo reducido de grandes empresas tecnológicas, que compiten por ampliar sus capacidades y consolidar su posición. Por eso Foster argumenta que la inteligencia artificial debe analizarse en el marco del capital monopolista y financiero.

La dimensión ambiental de esta expansión también aparece en los informes de las propias empresas. Microsoft reconoció en su informe de sostenibilidad de 2025 que sus emisiones totales de gases de efecto invernadero habían aumentado un 23,4 % respecto a 2020, su año de referencia, en el ejercicio fiscal 2024. En el mismo periodo, su consumo de energía había crecido un 168 %. La empresa relacionó el aumento de las emisiones con factores como la expansión de la inteligencia artificial y los servicios en la nube, aunque no desglosó qué proporción correspondía a cada actividad. Por tanto, estas cifras no permiten atribuir todo el incremento a la IA, pero sí muestran la contradicción entre la expansión de la infraestructura digital y los objetivos climáticos de una de las grandes compañías del sector.

La competencia entre estas compañías no significa necesariamente que la infraestructura se desarrolle atendiendo a las necesidades sociales más urgentes; al contrario, intervienen la búsqueda de rentabilidad, la presión por no quedarse atrás frente a los competidores, las expectativas de crecimiento y el control de mercados futuros. En una carrera de este tipo, construir más capacidad puede convertirse en un objetivo en sí mismo, incluso cuando todavía no está claro qué usos producirán beneficios sociales suficientes para justificar todos los recursos comprometidos. Esto no demuestra que toda inversión en IA sea inútil ni que cada nuevo centro de datos carezca de justificación, pero plantea una pregunta que el discurso empresarial suele obviar: ¿quién decide qué aplicaciones merecen consumir energía, agua y materiales a gran escala? Una herramienta que ayude a mejorar un diagnóstico médico, optimizar una red eléctrica o investigar materiales menos contaminantes no tiene la misma finalidad social que otra diseñada para multiplicar contenidos publicitarios, intensificar la vigilancia, producir contenido pornográfico o alimentar una competencia económico-militar de resultados inciertos.

El planteamiento de Foster señala que desde el materialismo histórico no se debería afirmar que la IA sea perjudicial por naturaleza, porque su objeto de estudio es justamente la forma social bajo la que se desarrolla: quién controla los medios de producción, qué intereses orientan la inversión y cómo se distribuyen o socializan los beneficios y los daños. En este sentido, la concentración del capital está estrechamente ligada a la cuestión ecológica, porque influye precisamente en qué tecnologías reciben financiación, qué necesidades se consideran prioritarias y qué territorios soportan las consecuencias materiales.

La eficiencia no garantiza un menor consumo

Uno de los argumentos tecnócratas en defensa de la IA sostiene que los avances técnicos permitirán realizar las mismas tareas con menos energía. Es una posibilidad real, pero no basta con medir cuánta electricidad necesita una operación individual, sino que también hay que observar cuánto crece el número total de operaciones y la infraestructura necesaria para sostenerlas.

La llamada paradoja de Jevons describe una dinámica en la que las mejoras de eficiencia reducen el coste de utilizar un recurso y pueden favorecer un aumento de su consumo total (hecho que el capitalismo reproduce en todos y cada uno de los mercados). Aplicada a la IA, invita a examinar si los modelos más eficientes reducen realmente la demanda energética agregada o si, al abaratar ciertos servicios, favorecen una expansión de su uso que termina absorbiendo parte del ahorro. El resultado no es automático y depende de los costes, de los usos y de la evolución de la demanda. Por eso conviene distinguir entre la eficiencia de un modelo, el consumo de una tarea concreta y el gasto global de la infraestructura. Un sistema puede mejorar en el primer indicador mientras empeora en el tercero si crece suficientemente la escala de utilización.

Los datos de la AIE ilustran por qué importa esa distinción: en 2025, el consumo eléctrico de los centros de datos centrados en IA creció un 50 %. La cifra no demuestra por sí sola que se esté produciendo una paradoja de Jevons, ni permite aislar el efecto de las mejoras de eficiencia, pero sí evidencia que el consumo agregado del segmento sigue aumentando con rapidez. Para determinar cuánto ahorro energético genera cada avance técnico habría que comparar el consumo por tarea con la evolución del volumen total de actividad. El informe de la Universidad de Naciones Unidas también señala que la huella ambiental depende del tipo de modelo, la longitud de las respuestas y la modalidad utilizada: generar texto, imágenes o vídeo no implica necesariamente el mismo consumo. Pero estas decisiones individuales se insertan en una dinámica general, determinada por la construcción de infraestructuras y la expansión comercial de los servicios con unos objetivos concretos. Entonces, la eficiencia técnica es importante, pero no puede sustituir a la decisión política y económica sobre cuánto producir y para qué.

Costes socializados, beneficios privatizados

Otra característica de la infraestructura de la IA es que para su desarrollo necesita de una infraestructura global de manera que los minerales se extraen en unas regiones, los chips se fabrican en otras, los centros de datos se instalan allí donde las empresas encuentran condiciones adecuadas y los servicios se venden a usuarios de todo el mundo. A lo largo de esa cadena se consumen recursos, se generan emisiones y residuos, y se moviliza fuerza de trabajo que incluye desde la fabricación de componentes hasta tareas de etiquetado y moderación de contenidos.

Los impactos concretos varían según el lugar y la tecnología. Un centro de datos puede ejercer presión sobre una cuenca con escasez de agua; la demanda eléctrica adicional puede prolongar el uso de combustibles fósiles si no se cubre con generación de bajas emisiones; y la renovación de equipos puede contribuir al crecimiento de los residuos electrónicos. No basta con calcular una huella media mundial mediante un único indicador: hay que averiguar dónde se producen los impactos, quién obtiene los ingresos y qué capacidad tienen las poblaciones afectadas para intervenir en las decisiones.

Esta distribución desigual de costes y beneficios conecta la crítica ecológica con el materialismo histórico y el análisis del poder económico internacional. El problema no es únicamente que el sistema utilice recursos naturales, algo inevitable en cualquier forma de sociedad, sino que quienes deciden utilizarlos pueden no ser quienes sufren sus consecuencias. Cuando la inversión responde a la acumulación privada, los daños ambientales pueden quedar desplazados fuera de las cuentas empresariales y trasladarse a comunidades empobrecidas del Sur Global, a trabajadores de las compañías implicadas o a las administraciones públicas y, por extensión, al conjunto de la población.

La automatización puede eliminar tareas, transformar ocupaciones o aumentar la productividad, pero sus resultados dependen de quién controla las herramientas y cómo se distribuyen las ganancias. En el contexto del trabajo asalariado, si el incremento de productividad se utiliza principalmente para reducir plantillas, intensificar ritmos, ganar ventaja frente a la competencia o concentrar el poder en unas pocas empresas, el avance técnico no se traduce necesariamente en una mejora colectiva del bienestar.

¿Qué inteligencia artificial?

La crítica de Foster conduce a una pregunta ineludible que no puede resolverse únicamente con mejores refrigerantes, chips más eficientes o centros de datos alimentados por energías renovables. Esas mejoras pueden reducir impactos importantes, pero no deciden por sí solas qué usos de la IA deben expandirse ni qué necesidades sociales deberían orientar su desarrollo.

Una política ecológica de la IA podría empezar por exigir transparencia sobre su consumo energético, hídrico y material; evaluar los impactos a lo largo de todo el ciclo de vida de los equipos; y someter los grandes proyectos de infraestructura a criterios públicos de necesidad y coste ambiental. También exigiría comparar los beneficios reales de una aplicación con sus recursos y alternativas, en lugar de dar por sentado que cualquier nueva capacidad informática constituye un progreso en sí mismo. Pero en todo esto vuelve a aparecer la cuestión de fondo: quién tiene capacidad para decidir. Si las infraestructuras y los modelos quedan bajo el control de un número reducido de empresas, entonces las prioridades comerciales y la lógica de la ganancia privada tendrán un peso determinante. Ampliar el control de la sociedad sobre estas tecnologías, fortalecer alternativas basadas en la cooperación y orientar la investigación hacia necesidades colectivas abriría la posibilidad de desarrollar las mismas con otros objetivos. Eso no garantizaría automáticamente una IA ecológicamente sostenible, pero permitiría plantear la planificación de recursos y la distribución racional de beneficios como decisiones sociales, no como consecuencias inevitables de la competencia empresarial y las necesidades de valorización.

El dilema, por tanto, no es elegir entre la tecnología y la naturaleza, porque toda sociedad necesita transformar el mundo material para sostener su vida. El problema es una forma de organización económica, política y social determinada que permite e impulsa la expansión de infraestructuras sin demostrar que sus beneficios colectivos justifican sus costes ecológicos. La inteligencia artificial acentúa esa contradicción entre las fuerzas productivas y las relaciones de producción: cuanto más se presenta como una tecnología capaz de resolver problemas, más necesario resulta preguntar qué problemas resuelve exactamente, para quién y a costa de qué. La fractura metabólica va mucho más allá de una huella que pueda compensarse después, porque es también una relación social que determina cómo se utilizan los recursos y quién controla esa utilización. Reducir los daños ambientales de la IA exige, por ello, algo más que mejorar la eficiencia de sus máquinas: exige discernir las prioridades, las relaciones de propiedad y el poder que organizan su desarrollo.