En esta serie veremos la relación entre electricidad, productividad/PIB, bienestar y el papel que juega la IA como nueva tecnología intensiva en computación (y por tanto en energía).
El objetivo es responder dos preguntas:
¿Por qué el acceso a electricidad fiable y barata suele ir de la mano con saltos de bienestar?
¿Está la IA impactando ya el PIB/productividad, o aún no se ve (y por qué)?
Qué implica en términos de compute, centros de datos, entrenamiento vs inferencia y eficiencia (y por qué la demanda puede crecer aunque mejore el hardware).
Principales cuellos de botella: energía, chips, datos, talento y regulación.
Para convertir esos límites en restricciones físicas, el explorador de capacidad de IA en datacenters contrasta potencia total, PUE, slots, potencia y refrigeración por rack para identificar qué cuello de botella domina.
Cuando la pregunta escala de una instalación a países y regiones, el explorador del ecosistema global de IA compara inversión, creación de empresas, infraestructura, modelos, talento y capacidad de política pública con cobertura, normalización y pesos visibles.
IA como tecnología eléctrica
La escala ya es material: los centros de datos consumieron 415 TWh en 2024 y la IEA proyecta entre 945 y 1.260 TWh para 2030.
2024
415 TWh
1,5% de la electricidad mundial
2030 base
945 TWh
2,28x 2024 · ligeramente por encima de Japón hoy
2030 alto
1.260 TWh
3,04x 2024 · escenario Lift-Off de la IEA
Carga IA 2024
~62 TWh
Aproximadamente el 15% del total, usando servidores acelerados como proxy de la carga de IA.
IA específica 2030
554 TWh
Estimación de Greenpeace para cargas de IA específicas. Metodología distinta del escenario base de la IEA.
Carga típica
100 MW
Orden de magnitud de un centro de datos de IA típico. Los mayores en construcción rondan 2 GW, unas veinte veces más.
Fuentes: IEA Energy and AI (2025) para 415 / 945 / 1.260 TWh, cuota del 1,5%, comparación con Japón y orden de magnitud de un centro de datos de IA típico en ~100 MW; Greenpeace/Öko-Institut (2025) para 554 TWh de carga específica de IA en 2030. Caveat: la cuota de IA en 2024 usa servidores acelerados como proxy, porque no existe una frontera física perfecta entre carga IA y no IA.
3. Medición: PIB vs bienestar (y qué mirar de verdad)¶
PIB no es bienestar: salud, educación, seguridad, acceso a servicios; desigualdad y “promedios engañosos”.
Bienestar subjetivo y cuándo diverge del bienestar material.
4. IA y PIB hoy: impacto real, desfases y señales tempranas¶
Por qué el impacto macro tarda: difusión, reorganización, capital intangible y complementariedades.
Dónde aparece antes que en el PIB: productividad por tarea, calidad, tiempo ahorrado, nuevos productos/servicios y valor mal medido.