Dossier sobre Inteligencia Artificial (2)
Una nueva de recopilación de artículos recientes sobre uno de los temas tecnológicos, económicos y políticos más importantes de nuestro tiempo.
¿De dónde proceden los superbeneficios? Sobre la naturaleza del capitalismo digital
Tony Andréani
Hoy en día, los beneficios de las empresas que cotizan en bolsa en todo el mundo se están disparando.
Hay que remontarse al siglo XIX y a los «barones ladrones» estadounidenses para encontrar beneficios comparables a los que generan los gigantes de Internet —con sus filiales centradas en la IA— y a los que prevén las empresas especializadas en IA. 1 Estas prevén beneficios aún más astronómicos, gracias a inversiones tan colosales que superarían el PIB de muchos países —y desde luego no de los más pequeños—. Hemos llegado a un punto en el que algunos gurús de la IA, sin cuestionar estos beneficios, se muestran preocupados por sus consecuencias, temiendo una agitación social generalizada.2
Pero, ¿de dónde proceden estos superbeneficios? Este punto por sí solo basta para invalidar la economía neoclásica, al menos en su formulación más teórica, ya que, una vez que se ha pagado el precio justo al «factor trabajo» y al «factor capital», el beneficio debería ser cero.
Y lo que es aún más importante, este mismo punto parece poner definitivamente en tela de juicio la teoría marxista de que los beneficios son generados por el trabajo, basándose en que cada vez hay menos necesidad de mano de obra, ya que esta es sustituida cada vez más por robots —incluidos, quizá, los robots humanoides— y por la IA, sobre todo en el trabajo intelectual. 3
Como veremos, nada podría estar más lejos de la verdad. Sin embargo, establecer esto presupone una sólida comprensión de la teoría marxista y un análisis de las nuevas formas de capitalismo. Pero primero, recordemos cómo evolucionó el capitalismo antes de pasar a ser digital.
El capitalismo accionarial
Marx ya había llamado la atención sobre la revolución en el capitalismo provocada por las sociedades anónimas. El capitalismo ya no estaba impulsado simplemente por los empresarios; se estaba volviendo colectivo. Durante mucho tiempo, las grandes empresas con una amplia base accionarial coexistieron junto a las pequeñas empresas con una base accionarial más limitada. Pero, al estar dispersos, los accionistas individuales se asemejaban más a rentistas, frente a directivos todopoderosos. Esto era cierto incluso para los accionistas más importantes durante la era del «capitalismo gerencial» tras la Segunda Guerra Mundial. Cuando los inversores poderosos tomaron el control de las grandes empresas, comenzaron a exigir rendimientos cada vez mayores. Fue entonces cuando las finanzas se hicieron con el poder. Y la estructura general del capital cambió. Por un lado, las sociedades de cartera llegaron a controlar una cascada de filiales. Por otro lado, la relación entre estas corporaciones y otras empresas cambió con el desarrollo de la subcontratación, que ahora está muy extendida. Volvamos a los beneficios.
En la forma clásica del capitalismo, las superganancias eran simplemente las ganancias de los oligopolios. Estas grandes empresas, aprovechando la enorme escala de su «capital constante» (capital invertido en los medios de producción) y su tecnología avanzada, no solo vendían sus productos por encima de su valor de mercado, sino que, gracias a su posición dominante, poseían tal «poder de mercado» que podían obtener ganancias adicionales. 4 Un punto importante que hay que aclarar aquí es que los oligopolios no son monopolios, sino que compiten ferozmente entre sí —lo cual, como veremos, ya pone en tela de juicio una de las premisas centrales de la teoría del «tecnofeudalismo»: que su poder tiene un carácter fundamentalmente rentista.
Los oligopolios actuales pueden aumentar sus beneficios sacando el máximo partido posible a sus filiales más rentables y, sobre todo, a sus subcontratistas. Pero es con el capitalismo digital cuando los beneficios realmente se disparan.
Capitalismo digital
Lo novedoso del capitalismo digital es que se trata de un capitalismo basado en plataformas, que opera a través de redes informáticas. Aunque prácticamente todas las empresas utilizan ahora estas redes, las más grandes hacen un uso más amplio e intensivo de ellas, ahorrando así en mano de obra asalariada, y esta superioridad tecnológica es, como en cualquier economía de mercado, una fuente de mayores beneficios. El caso más significativo, sin embargo, es el de las propias empresas tecnológicas —incluidas, por supuesto, aquellas que prestan servicios de IA o se especializan en ella— y es aquí donde la cuestión se vuelve crucial. ¿De dónde proceden sus astronómicos beneficios —ya sean reales o previstos—, cuando parecen emplear aún menos mano de obra? ¿No contradice todo esto la teoría marxista de la tendencia a la caída de la tasa de ganancia, como sostienen sus críticos? En absoluto, como veremos. Esto se debe a que, para contrarrestarla, existen lo que Marx denominó «contratendencias», algunas de las cuales son espontáneas, mientras que otras son, de hecho, el resultado de políticas deliberadas. Examinemos cuáles son estas contratendencias y cómo operan en el caso del capitalismo digital.
1. El capital «constante» (que corresponde a los medios de producción) tiende a disminuir de valor debido al progreso técnico en el sector de los bienes de capital, el suministro energético y las materias primas, como consecuencia de la globalización del comercio, en la que las materias primas proceden cada vez más de países con salarios bajos. (Marx ya había destacado claramente el papel del comercio internacional en el valor de estos bienes.) En consecuencia, la proporción del capital «variable» (los salarios) aumenta proporcionalmente, lo que permite un incremento de la tasa de ganancia, ya que hay más mano de obra que explotar. El capitalismo digital, sin embargo, se beneficia plenamente de estos avances técnicos, ya que hace un uso extensivo de la automatización, de la electricidad procedente de un número creciente de fuentes y de materias primas importadas a bajo coste, incluidos los metales raros (aunque con un riesgo geopolítico).
2. Otra fuente general de rentabilidad es la ampliación e intensificación del trabajo por el mismo salario, y aquí es donde han entrado en juego las políticas sociales propias del neoliberalismo. Como es bien sabido, la tendencia a reducir la jornada laboral, impulsada por la presión del movimiento obrero, se detuvo en la década de 1980, y hoy en día las organizaciones patronales y la derecha en general siguen abogando por una ampliación de la semana laboral legal y un retraso de la edad de jubilación. En cuanto a la intensificación del trabajo —que es menos visible—, también es, bajo una nueva forma, el objetivo de la «nueva gestión», y afecta también a ingenieros y directivos, que a su vez se ven sometidos a presión. El capitalismo digital no es una excepción a la regla: la faceta «atractiva» de la gestión (un ambiente relajado y diversas ventajas) enmascara los horarios flexibles y la presión constante. La remuneración de los trabajadores cualificados también ha disminuido, ya que ahora hay una gran cantidad de profesionales de las tecnologías de la información.
3. Otra fuente de rentabilidad es el desempleo, que permite crear lo que Marx denominó «el ejército de reserva industrial» y ejercer una presión a la baja sobre los salarios, o simplemente la amenaza del desempleo. La automatización, la digitalización y, hoy en día, la expansión de la IA amenazan a ejércitos de trabajadores «manuales» y «de oficina».
4. Las grandes empresas presionan a los gobiernos para que aumenten su rentabilidad, tanto exigiendo menores «costes laborales» (es decir, salarios socializados) como menores impuestos sobre el capital y diversas formas de ayuda (subvenciones, financiación de infraestructuras, etc.).5 También son expertas (especialmente los gigantes de Internet) en la evasión fiscal.
No habría motivo para aplicar y reforzar todas estas políticas corporativas y gubernamentales si los beneficios surgieran espontáneamente del progreso tecnológico y de la globalización del comercio, como afirman los economistas liberales.
5. La financiarización, al alejar cada vez más a los accionistas del lugar de trabajo, ha quebrado la resistencia de los trabajadores y sus sindicatos. Recordemos que los poderosos «inversores institucionales» (bancos de inversión —desde que se puso fin a la separación entre las actividades crediticias y de inversión de los bancos—, compañías de seguros, fondos de pensiones, etc.) ya se habían hecho con el poder, de forma más o menos discreta, en los consejos de administración de las empresas. Ahora es el sector «bancario en la sombra», no regulado (grandes fondos como BlackRock o Fidelity), fuera del alcance de los empleados e incluso de los ejecutivos, el que a menudo lleva la batuta. Por lo tanto, no es de extrañar que la participación de los salarios en el valor añadido haya seguido disminuyendo.
El hecho es que esta financiarización ha alcanzado su punto álgido en el capitalismo digital. Añadamos que los ejecutivos de las empresas tecnológicas más grandes están tan mimados por estos inversores que ellos mismos se han convertido en accionistas mayoritarios, lo que les ha reportado fortunas colosales que incluso superan a las de los consejeros delegados de otras grandes multinacionales.6
Queda una pregunta desconcertante: las grandes empresas del capitalismo digital emplean a relativamente pocas personas, en comparación con los beneficios que generan.7 Pero las apariencias engañan.
El trabajo oculto en el capitalismo digital
En el capitalismo digital, el trabajo oculto es principalmente el de los «trabajadores del clic»: tanto aquellos que, como parte de su trabajo, proporcionan datos a sus empleadores de forma gratuita —como los conductores de Uber o los repartidores de Amazon— como aquellos que trabajan para empresas tecnológicas, etiquetando o «moderando» imágenes para alimentar y entrenar sus modelos. Estos últimos, ya trabajen desde casa o estén empleados en «granjas de clics» por subcontratistas o por las propias plataformas de las empresas —que los contratan en países pobres—, solo reciben salarios de miseria. Se podría decir que son los «fogoneros» de los gigantescos barcos de la industria tecnológica, al menos hasta que sean sustituidos por la IA.8 En total, se estima que hay 185 millones de trabajadores del clic en todo el mundo.
Es cierto que esto por sí solo no puede explicar la extraordinaria rentabilidad de estas empresas. Para comprenderlo, debemos centrar nuestra atención en los usuarios de sus productos, quienes simplemente les proporcionan mano de obra gratuita cada vez que se conectan a Internet, suministrando potencialmente todo tipo de datos (sobre su información personal, ubicación, comportamiento, salud, ideas, sentimientos, círculos sociales, estados de ánimo, compras, etc.) que sirven de materia prima a estas empresas.9 En este punto, algunos podrían cuestionar la idea de que esto constituya «trabajo», ya que no es obligatorio; el trabajo se define como una actividad caracterizada por limitaciones de tiempo y resultados, en contraposición a una actividad de ocio, que es opcional. Sin embargo, es como si el acto de iniciar sesión fuera, en la mayoría de los casos, obligatorio. ¿En qué sentido?
En empresas de cualquier tipo, así como en organismos gubernamentales y servicios públicos, se recopilan todo tipo de datos en el transcurso de las actividades laborales cotidianas. Pero estos datos están protegidos por la legislación, siendo la más estricta el Reglamento General de Protección de Datos (RGPD) de la Unión Europea, que garantiza que los datos permanezcan dentro de estas instituciones y no puedan ser explotados por entidades externas, incluidas las grandes empresas tecnológicas.10 Sin embargo, cuando se trata de relaciones transfronterizas —que son habituales en las empresas transnacionales—, esta protección se debilita porque las normativas son más laxas en otros países. Y la piratería informática es muy difícil de combatir.
Es principalmente a través del consumo y las actividades de ocio como el trabajo en línea da lugar al saqueo de datos. Es prácticamente imposible evitar aceptar «cookies» en el ámbito comercial (como mínimo, las consideradas «esenciales»), que proporcionan todo tipo de datos sobre el usuario.11 Estos datos son indispensables para las plataformas comerciales y de contenidos a la hora de captar clientes y fomentar las compras. Para las empresas de IA, estos datos son igualmente esenciales para entrenar sus modelos. También pueden venderse simplemente a intermediarios, que a su vez los revenden para alimentar la industria publicitaria —que se ha convertido en el tercer sector económico más grande del planeta, después de la electricidad y la agricultura—. Por último, las plataformas de redes sociales —aunque ofrezcan ciertas restricciones (como limitar quién puede ver tus publicaciones)— son una fuente inagotable de datos, dada la cantidad de horas que se pasan frente a las pantallas en plataformas como Facebook, Instagram o TikTok. Solo las VPN permiten escapar de la captura de datos.12
Se podría argumentar que hacer clic en estas plataformas o redes no constituye un trabajo. Es cierto que parece ser opcional. Pero, de hecho, es obligatorio —al igual que, por poner un ejemplo muy sencillo, un viajero que quiere comprar un billete de tren y ya casi no puede acudir a la taquilla de la estación para hablar con un empleado (y que, si quiere encontrar el mejor precio en un sistema de precios denominado «dinámico», debe pasar una enorme cantidad de tiempo en línea). Cuanto más avanza la digitalización, más se convierte el trabajo gratuito del usuario en la norma. 13 En términos generales, al igual que con cualquier actividad en el ámbito del ocio y el consumo, en cuanto un producto o servicio no es de producción propia, sino una mercancía —y hay que pasar por el proceso de compra y venta para obtenerlo—, hay que pagar su precio. Esto resulta evidente cuando se requiere una suscripción. En pocas palabras, cuando un bien parece ser gratuito, el consumidor lo paga aportando datos —ya sea al realizar un pedido, introducir contenido, interactuar en una red social o conversar con un chatbot—. Y, como sabemos, el capitalismo digital ha ideado estrategias para impulsar el consumo excesivo, de forma muy similar a como lo hacen los traficantes de drogas (a través de «recomendaciones» e incentivos para «desplazarse por la pantalla»).14
Por supuesto, el trabajo en línea no es del todo gratuito. Los usuarios de Internet obtienen un bien o un servicio al conectarse, pero es gratuito en la medida en que los usuarios facilitan —voluntariamente o no— datos, y no solo los suyos propios, sino a menudo también los de algunos de sus contactos. En términos marxistas, solo este trabajo queda sin remunerar. Pero es sustancial.
Medido en horas de trabajo, el trabajo en línea sigue aumentando a medida que dedicamos cada vez más tiempo pegados a nuestros ordenadores —o, peor aún, a nuestros teléfonos inteligentes—. Añadamos que este trabajo requiere un cierto nivel de habilidad, que va desde lo más básico (las reglas para utilizar un ordenador o un teléfono inteligente) hasta lo más avanzado (aprender a utilizar aplicaciones, desde las más sencillas hasta las más sofisticadas), y que puede resultar bastante intenso, dada la gran atención que exige. Por último, pero no por ello menos importante, todo está diseñado para que el uso de Internet resulte adictivo. Todo esto se ve agravado aún más por el desarrollo de la IA: su uso se está volviendo cada vez más obligatorio, tanto en los entornos laborales tradicionales —donde, de hecho, aligera la carga de muchas tareas (cuando no las elimina por completo), pero también aumenta la carga de trabajo de las tareas restantes— como en otras actividades.
Al igual que todo trabajo bajo el capitalismo, el trabajo en línea está sujeto a vigilancia. Sin duda, esta vigilancia ya no la llevan a cabo supervisores humanos, como ocurre dentro de las empresas (capataces, controladores de gestión y similares —ahora rebautizados como «colaboradores», al igual que todos los empleados—), sino más bien mediante el uso de sistemas digitales que emiten «recomendaciones» y otras indicaciones persistentes. El trabajo en línea también está marcado por una ideología que se ha extendido más allá del marco de la empresa neoliberal para arraigarse en las plataformas digitales (el culto a la mercancía y al mejor precio, la novedad como eufemismo de la calidad, etcétera). 15
Se han realizado estimaciones sobre cuánto dinero ganan los gigantes tecnológicos y de la IA con el suministro de datos.16 Se calcula que, por cada usuario europeo de Internet, esta cantidad asciende a 1 381 euros al año y, a lo largo de toda una vida digital (estimada en sesenta y nueve años), a 224 223 euros —el equivalente a diez años del salario medio a tiempo completo en Francia—. En Estados Unidos, el beneficio generado es aún mayor: 5.600 dólares por persona al año y 716.000 dólares a lo largo de toda la vida. Estos ingresos incluyen la publicidad, las suscripciones a servicios de IA, las licencias corporativas, el acceso a las API,17 las recomendaciones algorítmicas, la intermediación de datos y los ahorros que permite la IA. Sin embargo, la gran mayoría de los datos recopilados son facilitados, en su mayor parte, de forma gratuita por los usuarios de Internet. Por lo tanto, queda claro de dónde proceden los exorbitantes beneficios de las grandes empresas del capitalismo digital. La explotación del trabajo gratuito otorga a las empresas tecnológicas una ventaja tan significativa que les permite eludir la tendencia a la igualación de las tasas de beneficio entre sectores —una característica que anteriormente había definido al capitalismo— a escala nacional e incluso internacional a través de la globalización.
Si lleváramos el análisis del capitalismo digital un paso más allá, veríamos que el grado de explotación laboral es aún mayor, ya que, según Marx, solo el trabajo que produce valores de uso «reales» crea valor, a diferencia del trabajo que es meramente formal, como el que implica la compraventa (a diferencia, por ejemplo, del trabajo de transporte o conservación de mercancías). Parte de este valor producido va a parar, naturalmente, a los trabajadores no productivos que prestan servicios útiles —como los comerciales—, pero otra parte se destina a pagar un trabajo totalmente improductivo —como el de un ejecutivo de publicidad que ya no es un agente de información, sino un agente de propaganda o de influencia.18 Pero eso nos alejaría demasiado del tema.
Hipercapitalismo
Algunos autores tratan de explicar este fenómeno como «tecnufeudalismo», argumentando que los beneficios generados por el capitalismo digital son, de hecho, una especie de renta, comparable a la que extraían los señores feudales —los terratenientes— a costa de sus siervos o arrendatarios. Esto no resulta convincente. 19 Toda renta se basa en un monopolio —por ejemplo, la propiedad de la tierra (renta «absoluta») o de tierras más fértiles (renta «diferencial»), tal y como analizó Marx—. Sin embargo, el espacio digital no es un espacio cerrado y, como hemos señalado anteriormente, el mundo digital sigue siendo un entorno competitivo —incluso hipercompetitivo—. En cuanto a los datos, no se trata de un bien tangible, sino más bien de materia prima pura para uso digital. ¿Convierten las grandes empresas tecnológicas a otras empresas en «vasallos»? Se trata, en realidad, de una tendencia general del capitalismo, como se observa en el uso generalizado de la subcontratación. Las empresas tecnológicas simplemente la han amplificado. ¿Acaso no producen ningún bien tangible? Este ya es el caso de todas las empresas comerciales, con la excepción de algunas de sus actividades (el almacenamiento y la exposición de productos). En última instancia, hablar de «capitalismo rentista» ya no tiene sentido. El capitalismo no se basa en la extracción de renta, sino de beneficio, que procede del trabajo no remunerado, y este trabajo no es comparable al de los siervos, que presupone la subyugación legal de una persona a otra. En realidad, con el capitalismo digital, nos encontramos ante una forma hiperbólica de capitalismo, cuyas contradicciones internas hacen que su futuro sea aún más problemático.
Conclusión
El objetivo aquí no era sopesar las ventajas y los inconvenientes de las tecnologías digitales, sino examinar los orígenes de los elevados —y a veces espectaculares— beneficios generados por el capitalismo digital, en particular por los gigantes de Internet. Sin embargo, por las razones que hemos esbozado, estos beneficios no son sorprendentes: aunque hay menos trabajo en algunas áreas, hay mucho más en formas ocultas. No hemos cambiado de sistema económico a un sistema económico rentista. El capitalismo digital no es más que una nueva forma de explotación que se ha generalizado al extenderse más allá de la propia empresa para abarcar a la masa de sus usuarios o clientes (cuando se exigen cuotas de suscripción). En otro sistema económico, las cosas serían muy diferentes. La carga de trabajo dentro de la empresa se reduciría, tanto en duración como en intensidad, porque los beneficios se destinarían únicamente a la inversión, en lugar de ir a parar a los bolsillos de los accionistas, quienes recibirían solo una remuneración limitada —o ninguna en absoluto, en un sistema perfectamente concebible en el que ya no habría accionistas—. En cuanto a los clientes y usuarios, solo tendrían que facilitar los datos necesarios para prestar el servicio comercial (lo que permitiría la recopilación de datos con fines informativos, pero descartaría cualquier publicidad con fines propagandísticos o de influencia). En el caso de un bien público —en lugar de un bien privado—, independientemente de si, según su naturaleza, lo prestara un organismo gubernamental, una institución pública o una empresa pública, y de si fuera gratuito (y, por tanto, financiado con impuestos) o de pago, se aplicaría el mismo principio: solo se recopilarían los datos necesarios para prestar el servicio. Esto descartaría cualquier forma de vigilancia masiva.20 Dado su papel indispensable en la economía, las grandes empresas tecnológicas se convertirían en empresas industriales y comerciales públicas, con un sistema de gobernanza diferente al de otras empresas públicas. Para entrenar sus modelos, utilizarían estos datos, en lugar de la masa indiscriminada de datos cargada de todo tipo de «sesgos cognitivos», como ocurre hoy en día. El «trabajo de clics» ya no se subcontrataría, sino que se remuneraría a su valor justo de mercado. El trabajo en línea serviría al bien común y no daría lugar a ninguna explotación, ya que las empresas digitales públicas dejarían de obtener beneficios, salvo aquellos destinados a financiar la inversión.21
Bibliografía
Andréani, Tony. Historical Materialism: Revisiting The Fundamental Concepts. Translated by Sarah Erden. London: Routledge, 2026, Chapter 13 on the capitalist mode of production.
Andreani, Tony. «Un féodalisme numérique?» Blog post. March 1, 2025. https://tonyandreani.canalblog.com/2025/03/un-feodalisme-numerique.html
Andréani, Tony. «Technoféodalisme ou hypercapitalisme?» Blog post. Aug. 18, 2025. https://tonyandreani.canalblog.com/archive/2025-08/
Cohen, Daniel, Homo Numericus: The “Coming” Civilization. Translated by Steven Rendall. Cambridge, UK: Polity Press, 2024.
Durand, Cédric. Techno-féodalisme. Critique de l’économie numérique, Paris: Éditions Zones, 2020.
Mazzucato, Mariana. «Preventing Digital Feudalism», Project Syndicate, 2019.
Varoufakis, Yanis. Technofeudalism: What Killed Capitalism? London: Bodley Head, 2023.
Zuboff, Shoshana. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. New York: PublicAffairs, 2019.
Smyrnaios, Nikos. Beyond Techno-feudalism: Toward a Critique of Digital Imperialism, HAL Open Science, 2026.
Smyrnaios, Nikos. «Au-delà du techno-féodalisme: pour une critique de l’impérialisme numérique», Contretemps, 17 June 2026.
Zukerfeld, Mariano. Knowledge in the Age of Digital Capitalism, London: University of Westminster Press, 2017.
Notas
1 Para que te hagas una idea, en solo un trimestre (el primero de 2026), Amazon registró unos beneficios de 30 000 millones de dólares, Microsoft de 31 000 millones y Meta de 26 000 millones. Aunque OpenAI aún no es rentable, prevé serlo para 2030, con 56 000 millones de dólares. Anthropic tampoco es rentable, pero ha anunciado que pronto empezará a generar beneficios. Eso no ha impedido que estos dos gigantes de la IA alcancen hoy en día valoraciones enormes (852 000 millones y 900 000 millones de dólares, respectivamente), ya que los inversores esperan de ellos rendimientos extraordinarios.
2 Esto ha llevado a directores ejecutivos como Mark Zuckerberg (Meta), Jeff Bezos (Amazon) y Sam Altman (OpenAI) a apoyar la idea de una renta básica universal, sin ningún requisito de trabajar a cambio.
3 Por eso, un académico como Mariano Zuckerfeld sostiene que la economía digital deja obsoleto el análisis marxista, afirmando que debe concebirse no en términos de trabajo, sino en términos de conocimiento.
4 Su posición dominante se sustenta, en particular, en su gasto en publicidad, su cartera de patentes y los acuerdos entre ellas.
5 El apoyo gubernamental es especialmente evidente en el caso del capitalismo digital. Como se ha señalado a menudo, el Gobierno de EE. UU. —y, en particular, su complejo militar-industrial— ha desempeñado, y sigue desempeñando, un papel fundamental en el auge de las grandes tecnológicas en Estados Unidos.
6 El caso de Elon Musk, cuya fortuna se estimaba en 1 billón de dólares antes de que disminuyera ligeramente, es emblemático.
7 Esto resulta aún más evidente en el caso de las empresas especializadas en IA: OpenAI solo cuenta con 4 500 empleados (en su mayoría ingenieros) y Anthropic, con 2 500.
8 Véase Casilli, Antonio A. Waiting for Robots: The Hired Hands of Automation. Traducido por Saskia Brown. Prólogo de Sarah Roberts. Chicago: The University of Chicago Press, 2025. Casilli identifica una tercera categoría entre los trabajadores «del clic»: los usuarios de las redes sociales. Esta es también nuestra opinión.
9 Shoshana Zuboff ha demostrado brillantemente, en The Age of Surveillance Capitalism, la magnitud y la variedad de los datos recopilados, que han aumentado aún más con el uso generalizado de los «dispositivos conectados».
10 La protección de los datos personales conlleva numerosos derechos para las personas (incluido el derecho de acceso, rectificación, supresión y portabilidad de los datos), pero estos derechos son difíciles de ejercer.
11 La digitalización de las interacciones de los ciudadanos con los organismos públicos y los servicios públicos debería, en principio, estar exenta de la recogida de datos por parte del sector privado, pero esto dista mucho de ser siempre así.
12 Una aplicación como WhatsApp solo ofrece un anonimato parcial. Del mismo modo, el Reglamento Europeo (RGPD) se limita a recomendar la seudonimización, que ofrece una protección limitada.
13 De hecho, esto forma parte de una evolución del capitalismo que viene de lejos. Por poner un ejemplo muy sencillo: en el pasado, cuando un cliente acudía a una gasolinera, un empleado le llenaba el depósito e incluso le limpiaba el parabrisas; estos servicios estaban incluidos en el precio del combustible. Luego, los clientes empezaron a repostar ellos mismos y, hoy en día, realizan el pago sin pasar por caja.
14 Véase Yves Marry y Florent Souillot, La guerre de l’attention. París: Les Éditions L’échappée, 2022.
15 Véanse, entre otros, los análisis de Luc Boltanski y Eve Chiapello en The New Spirit of Capitalism. Traducido por Gregory Elliott. Londres: Verso, 2018.
16 Véase MINTED media ads tech, mnted.fr
17 Las API son, en esencia, interfaces que permiten el intercambio de datos o funcionalidades.
18 Sobre la cuestión del trabajo productivo e improductivo, véase el capítulo 5 de mi libro Historical Materialism: Revisiting the Fundamental Concepts.
19 Existe una considerable cantidad de literatura crítica sobre el tema. Se puede encontrar una visión general en Usbek§Rica (https://usbeketrica.com: Technoféodalisme: avons-nous vraiment régressé vers Le Moyen Age ? Los defensores de esta teoría mantienen diversas posturas sobre su relación con el capitalismo, que van desde Varoufakis, que lo ve como el fin del capitalismo, hasta Durand, que lo considera más bien un cambio de rumbo.
20 Sobre la distinción —que considero fundamental— entre bienes sociales y bienes privados, y sobre estas instituciones, me gustaría remitir al lector a mi libro Ten Essays for a 21st-Century Socialism. Londres: Routledge, 2024. Ensayos 4 y 5.
21 En esta misma línea, Evgeny Morozov propone que los datos digitales se consideren un bien común.
Fuente: MROnline, 21 de septiembre de 2026 (https://mronline.org/2026/09/21/where-do-superprofits-come-from-on-the-nature-of-digital-capitalism/)
__________
IA: la mayor apuesta económica de la historia de EE. UU
Michael Roberts
La economía estadounidense sigue creciendo a un ritmo más rápido que el de otras economías del G7, pero el motor de este crecimiento es la ingente inversión en modelos de IA, centros de datos y todos los chips y la tecnología relacionados con la IA.
El PMI compuesto de EE. UU. (índice de actividad económica) subió hasta 58,4 desde 56 en agosto, lo que supone la mayor expansión de la actividad del sector privado desde julio de 2021 y marca el cuarto mes consecutivo de crecimiento acelerado. El crecimiento vino impulsado por el sector de los servicios (incluidos los servicios de información), que registró el mayor aumento de la producción en más de cinco años, mientras que el sector manufacturero también se aceleró. Los nuevos pedidos crecieron al ritmo más rápido desde abril de 2022, mientras que la contratación en el sector manufacturero fue la más sólida desde febrero de 2021.
Ya en junio, comenté que la IA no era más que «una gran apuesta para la economía estadounidense». Pero ahora, en septiembre, eso parece quedarse corto. La expansión de la IA va camino de convertirse en la mayor apuesta económica de la historia de EE. UU., eclipsando con creces las inversiones realizadas para financiar otros gigantescos proyectos de infraestructura estadounidenses en el pasado, como los ferrocarriles en el siglo XIX, la red de autopistas en el siglo XX e Internet en el siglo XXI.
Los analistas estiman que el gasto de capital de cinco de los denominados «hiperescaladores».
Hasta julio, se han gastado 37 000 millones de dólares en centros de datos privados, la mayoría de los cuales aún no están en funcionamiento.
Por el contrario, el gasto en construcción privada en EE. UU. destinado a todo lo demás —viviendas, edificios de apartamentos, centros comerciales, etc.— se situó en los primeros siete meses de este año en unos 46 000 millones de dólares.
La inversión en IA ha creado 750 000 nuevos puestos de trabajo desde 2023, según estimaciones de LinkedIn. Y esos puestos de trabajo están bien remunerados: el salario medio anual de las ofertas de empleo relacionadas con la IA en LinkedIn ronda los 180 000 dólares, frente a los 80 000 dólares del conjunto de los puestos de trabajo.
Por encima de todo, la inversión en IA ha dado lugar a enormes ganancias en la riqueza bursátil. A fecha del segundo trimestre de 2026, las carteras de acciones y fondos de inversión de EE. UU. ascendían a 63 billones de dólares, según la Reserva Federal, casi el doble de la cantidad registrada a finales de 2022. La mayor parte de este aumento de la riqueza financiera ha ido a parar a manos de quienes ya son ricos, ya que los trabajadores poseen pocas acciones o bonos.
Los inversores extranjeros están acudiendo en masa a los activos estadounidenses. Actualmente poseen una cifra récord de 39 billones de dólares en acciones y bonos estadounidenses, una cifra al alza desde 2022. Esto mantiene al dólar estadounidense relativamente fuerte e impulsa al alza los precios de las acciones. Las guerras en Ucrania e Irán animan a los extranjeros a trasladar sus activos a EE. UU. para aprovechar el auge.
Al mismo tiempo, la demanda de equipos destinados a centros de datos, como los chips de memoria, está haciendo subir los costes de los productos tecnológicos. Los precios de importación de ordenadores, periféricos (como discos duros) y semiconductores fueron un 20 % más altos en agosto que un año antes. A su vez, estos elevados precios de importación están ejerciendo una presión al alza sobre los costes de los bienes de consumo, como los iPhones y las consolas de videojuegos, y contribuyendo a la inflación general.
Pero aquí radica el problema. La brecha entre el gasto de las hiperescaladoras y su flujo de caja se está ampliando rápidamente. Se prevé que los gastos de capital de Amazon, Meta, Microsoft y Alphabet superen por primera vez el billón de dólares en 2027. Al mismo tiempo, se prevé que el «flujo de caja libre» combinado (es decir, el dinero procedente de los beneficios de los negocios existentes) caiga por debajo de los 100 000 millones de dólares. Hace un año, el flujo de caja libre rondaba los 200 000 millones de dólares, mientras que los gastos de capital ascendían a 300 000 millones. Ahora, el gasto en IA se está acelerando al mismo tiempo que desaparece el efectivo disponible para financiarlo.
Cuanto mayor sea esta brecha, más tendrán que recurrir las hiperescaladoras a los mercados de deuda y de capital para financiar su gasto en IA.
El problema es que, si el gasto en IA no genera una rentabilidad (beneficios) suficiente, el mercado bursátil podría sufrir una fuerte caída a medida que los inversores se retiren. Los precios del mercado bursátil estadounidense están enormemente sobrevalorados en relación con los beneficios actuales. El ratio tendencial entre los precios bursátiles y el beneficio por acción (denominado ratio CAPE) se sitúa por encima del nivel registrado justo antes de la crisis financiera de 2008 y casi al mismo nivel que el registrado justo antes del estallido de la burbuja puntocom de 2000.
¿Se materializarán los beneficios? Un estudio de Fathom Consulting muestra que, para que el auge de la IA —que mueve varios billones de dólares— genere beneficios, sería necesario que las ventas relacionadas con la IA de las empresas tecnológicas implicadas aumentaran entre 600 000 y 800 000 millones de dólares en los próximos dos años. Sin embargo, la consultora Panmure Liberum ha calculado que las previsiones actuales de gastos de capital (CAPEX) e ingresos hasta 2030 implican una tasa interna de rentabilidad.
Por lo tanto, o bien los hiperescaladores reducen significativamente su gasto de capital en IA hasta niveles que generen un beneficio razonable sobre el capital ya invertido, o bien, por algún milagro, logran una rentabilidad masiva gracias a un enorme aumento futuro de la demanda de productos de IA. Si recortaran el gasto, eso indicaría a los inversores que la IA no está dando los resultados esperados y, en consecuencia, venderían sus acciones. Se produciría una caída. Por lo tanto, deben seguir gastando cada vez más.
Al mismo tiempo, lo que las empresas pueden cobrar por los costes de computación de IA (tokens) está cayendo rápidamente. El Índice de Gasto en Tokens de Modelos de Lenguaje a Gran Escala (LLM), que realiza un seguimiento del precio de mercado que pagan las empresas por los resultados de los modelos de IA, ha caído hasta apenas 0,97 dólares, su nivel más bajo desde que se creó el índice a finales del año pasado y más del 50 % por debajo de su máximo alcanzado en verano. Los precios de los tokens se están desplomando, ya que los modelos más económicos, los competidores chinos de código abierto y la caída de los costes de entrenamiento (inferencia) hacen que el uso de la IA resulte cada vez más barato. Esto está mermando el crecimiento de los ingresos de los laboratorios de IA, lo que dificulta aún más hacer frente a los gastos de infraestructura de IA.
Los laboratorios de IA (OpenAI y Anthropic) siguen afirmando que pronto obtendrán grandes beneficios y que, por lo tanto, los hiperescaladores acabarán recibiendo su parte del botín. Sin embargo, gran parte de estas afirmaciones se basan en estimaciones de beneficios dudosas. Las ganancias por inversiones relacionadas con la IA embellecen cada vez más los resultados, y los denominados «otros ingresos» (contratos con otras empresas de IA) ascienden ya al 54 % de los ingresos antes de impuestos.
De hecho, las empresas de IA solo se mantienen a flote gracias a lo que se denomina «financiación circular», en la que una empresa presta fondos a otra y esta última afirma entonces haber obtenido beneficios. Sona Asset Management ha trazado un mapa del universo de la IA y ha catalogado las interconexiones entre los principales actores. Todos dependen de que los demás cumplan con lo prometido.
Sona también ha descubierto que los ingresos de las empresas de IA están casi totalmente ligados a las decisiones de inversión en capital fijo de uno o dos actores más del sector de la IA. Se trata de una crisis sistémica en ciernes.
Una cuestión clave es si la IA va a suponer realmente un cambio radical en la productividad laboral de EE. UU. que pueda impulsar el progreso económico durante toda una generación. El laboratorio de IA Anthropic pretende sacar a bolsa en noviembre acciones por valor de 100 000 millones de dólares (¡lo que situaría la valoración de la empresa en 2 billones de dólares!). Para respaldar su argumento,
Esto es una auténtica tontería que parte del supuesto de que la IA contribuye a impulsar el crecimiento de la productividad, ya que todas las empresas de EE. UU. adoptarían agentes y herramientas de IA para gestionar sus negocios, al tiempo que despedirían a millones de trabajadores que ya no serían necesarios.
Históricamente, la automatización ha avanzado a un ritmo aproximado del 2 % de las tareas al año durante dos siglos, sin que el crecimiento haya superado nunca en gran medida el 2 %. Las denominadas «tecnologías de uso general» del pasado tardaron décadas en difundirse, incluso después de que la propia tecnología funcionara. Por ejemplo, la electrificación tardó unos 40 años en reflejarse en la productividad de las fábricas. Del mismo modo, el estudio de Comin y Mestieri sobre la adopción de tecnología en distintos países documenta retrasos medios en la adopción de unos 45 años, y de entre 7 y 18 años en el caso de tecnologías más recientes.
La adopción de la IAparece ser mucho más rápida que la del ordenador personal o de Internet, pero la adopción es solo el primer paso: la productividad medida suele disminuir inicialmente mientras las empresas realizan las inversiones complementarias necesarias, lo que se conoce como la «curva en J de la productividad» de Brynjolfsson, Rock y Syverson. Incluso los expertos más optimistas se están dando cuenta de ello; por ejemplo, Sam Altman, quien reconoció recientemente: «Creo que me equivoqué en algunas cosas, pero una de ellas, en cuanto a la velocidad, es que la economía tiene muchísima inercia. […] Todos hemos sido demasiado ambiciosos con los plazos […] La sociedad y la economía se adaptarán más lentamente».Y recuerde que la mayor parte del trabajo es físico. Una explosión de las capacidades de la IA es, ante todo, una explosión de las capacidades cognitivas. Pero solo alrededor de un tercio de la economía consiste en trabajo que puede realizarse en un ordenador (artículo de Epoch AI sobre el teletrabajo). El resto del PIB se genera en minas, en obras de construcción, en cocinas, hospitales y residencias de ancianos. Por lo tanto, automatizar dos tercios de todas las tareas para 2035 requiere robots que realicen una gran parte del trabajo físico. Estos robots tendrían que diseñarse, fabricarse, instalarse y mantenerse por miles de millones en el plazo de una década. Aunque sin duda se están produciendo avances, el desarrollo de la robótica es más lento que el del software, y aún no se vislumbran en el horizonte robots capaces de realizar una amplia gama de tareas físicas a un coste cercano al de un trabajador.
Hasta ahora hay escasas pruebas de aumentos de productividad en el conjunto de la economía; de hecho, la productividad total de los factores (una medida de la productividad derivada de las nuevas tecnologías) está cayendo por debajo de la tendencia.
Es cierto que la adopción de la IA por parte de las empresas está aumentando, al menos entre las empresas de servicios. En tan solo dos años, el uso de la IA ha pasado del 25 % al 61 % entre las empresas de servicios y del 16 % al 51 % entre los fabricantes. Sin embargo, solo el 17 % de los empleados del sector de servicios y el 7 % del sector manufacturero utilizan realmente la IA de forma habitual en su trabajo.
Tal y como admitió el Banco Federal de Nueva York: «La siguiente etapa será mucho más importante, ya que, por el momento, la IA ayuda principalmente a las personas a escribir, resumir, programar o analizar con mayor rapidez. En el futuro, los agentes y las herramientas especializadas podrían gestionar flujos de trabajo completos. En ese momento, el impacto en la productividad y el empleo podría alcanzar realmente otro nivel. El uso se está disparando, mientras que el gasto empresarial sigue siendo relativamente limitado, pero el precio de la inteligencia sigue bajando. Esto resulta muy prometedor para la difusión de la IA y la productividad, pero mucho menos prometedor, a primera vista, para la monetización de todos los actores del ecosistema».En otras palabras, el crecimiento de la productividad podría acabar aumentando, pero a costa de la rentabilidad, a medida que bajen los precios de uso de la IA: una contradicción clásica del capitalismo.
Y siguen existiendo puntos débiles en la propia naturaleza de los modelos de lenguaje a gran escala (LLM) de la IA. Hace dos años, investigadores de Oxford y Cambridge demostraron que todo modelo de lenguaje a gran escala (LLM) entrenado únicamente con contenido generado por IA desarrolla un trastorno irreversible. Cada nuevo modelo aprende únicamente de lo que escribió el anterior. Para la novena generación, el nuevo modelo había olvidado de qué estaba hablando. Si se le pregunta por las torres de las iglesias medievales, responde con una lista de liebres. Lo denominaron «colapso del modelo». Cada vez que alguien publica un resultado generado por una máquina, el siguiente modelo se vuelve un poco más mediocre.
Las señales de advertencia de la próxima crisis no dejan de multiplicarse. Una tendencia al alza de los tipos de interés, en un contexto de caída de los precios de los bonos, podría ser el factor desencadenante de la crisis. O bien podría ser una salida a bolsa fallida (Anthropic, OpenAI), o el aumento de la competencia de los denominados modelos LLM de «peso abierto» procedentes de China y otros lugares, que están reduciendo los beneficios. La mayor apuesta de la historia económica de EE. UU. es muy arriesgada.
Fuente: The Next Recession, blog del autor, 26 de septiembre de 2026, https://thenextrecession.wordpress.com/2026/09/26/ai-the-biggest-economic-bet-in-us-history/
_________________________
La inteligencia artificial y la nueva modernización china
Xulio Ríos
La inteligencia artificial se ha convertido en uno de los principales escenarios de la competencia tecnológica mundial. China, Estados Unidos y la Unión Europea comparten la convicción de que estamos ante una tecnología de alcance estratégico, pero difieren sustancialmente en la manera de entender su desarrollo, su regulación y su relación con el Estado. En el caso chino, la IA debe contemplarse además como una pieza de ese proyecto más amplio que es la modernización nacional.
China, pues, no aborda la inteligencia artificial únicamente como una oportunidad económica. La considera también un instrumento de transformación productiva, una tecnología estratégica, un factor de seguridad estatal y un ámbito decisivo de soberanía. Desde esta perspectiva, la pregunta no es solamente quién desarrollará los mejores modelos, sino quién será capaz de controlar las infraestructuras, los datos, los algoritmos, los chips y las capacidades humanas necesarias para sostenerlos.
El estado como arquitecto
El papel del Estado constituye una de las principales diferencias del modelo chino. Beijing no pretende sustituir al mercado ni tampoco impedir la competencia entre empresas. Al contrario, grandes compañías tecnológicas y numerosas empresas emergentes desempeñan un papel fundamental en la innovación. Pero el Estado establece prioridades, moviliza recursos, desarrolla infraestructuras, orienta la investigación y determina los límites regulatorios.
Desde el plan de desarrollo de la nueva generación de inteligencia artificial aprobado en 2017, la IA ha sido incorporada a las grandes estrategias del país. El objetivo es construir un ecosistema que integre investigación científica, empresas, universidades, financiación, infraestructuras digitales y capacidades industriales.
Esta relación entre Estado y mercado permite hablar de un modelo de dirección estratégica pública con fuerte competencia empresarial. La fórmula resulta especialmente relevante porque evita tanto la simplificación de que China no desarrolla su IA exclusivamente mediante empresas estatales, pero tampoco deja su evolución al funcionamiento espontáneo del mercado.
La experimentación constituye otro rasgo significativo. La regulación china ha ido avanzando de manera progresiva, mediante normas específicas para algoritmos, sistemas de recomendación, síntesis profunda, inteligencia artificial generativa y gestión de datos. Más que esperar a disponer de una legislación definitiva para actuar, las autoridades experimentan, regulan y corrigen configurando un corpus normativo mucho más denso del que imaginamos.
Regular sin detener la innovación
Ese entramado normativo considerable difiere del europeo. Esto es importante. Lo que Beijingpretende es conciliar innovación y control. La seguridad, la trazabilidad, la responsabilidad, la protección de los datos, la supervisión humana y la prevención de determinados usos forman parte de la gobernanza de la IA. Al mismo tiempo, se procura evitar que la regulación frene el desarrollo tecnológico.
Existe aquí otra característica particularmente destacada: la seguridad se entiende de una manera mucho más amplia que en la tradición regulatoria liberal. No se limita a la seguridad del consumidor o a los riesgos individuales. Incluye la seguridad de los datos, las infraestructuras, la economía, la información y, en último término, la seguridad nacional.
Esta diferencia explica también la atención concedida por las autoridades chinas a los contenidos generados mediante IA, los deepfakes, la desinformación y la manipulación de la opinión pública. La gobernanza tecnológica se encuentra así estrechamente vinculada a la gobernanza social y política.
Soberanía tecnológica
Quizá ninguna palabra resulte tan importante para comprender la posición china como soberanía. La experiencia de los últimos años ha reforzado esta percepción. Los controles estadounidenses sobre los semiconductores avanzados le han mostrado que una potencia puede encontrarse limitada no solamente por sus propias capacidades tecnológicas, sino también por su dependencia de componentes y tecnologías procedentes del exterior.
De ahí el empeño en desarrollar capacidades propias en toda la cadena de valor, desde chips a computación, datos, algoritmos, modelos, infraestructuras y talento.
La IA se incorpora así a una concepción más amplia de la autosuficiencia tecnológica. No se trata necesariamente de aislarse del mundo, sino de reducir las vulnerabilidades derivadas de una dependencia excesiva.
Esta dimensión adquiere también una expresión internacional. China defiende una gobernanza global de la inteligencia artificial basada en la soberanía de los Estados, la cooperación y una mayor participación de los países en desarrollo. Cuestiona que un reducido grupo de potencias pueda establecer unilateralmente las reglas de una tecnología que afectará al conjunto de la humanidad.
En este sentido, la cuestión tecnológica se transforma en una cuestión geopolítica asumiendo que quien controla la tecnología dispone también de capacidad para influir sobre las reglas que gobiernan el mundo tecnológico.
¿Una IA militar?
La dimensión militar ocupa igualmente un lugar prioritario. El Ejército Popular de Liberación considera la inteligencia artificial un elemento fundamental de la futura transformación de la guerra y aspira a avanzar hacia una creciente «inteligentización» de las capacidades militares.
La IA puede aplicarse al reconocimiento y procesamiento de información, el mando y control, la logística, la simulación, la guerra electrónica y cibernética y los sistemas no tripulados. Los drones y otros sistemas autónomos constituyen solamente una de las manifestaciones más visibles de este proceso.
Aquí resulta especialmente relevante la estrategia de fusión civil-militar, que facilita la transferencia de capacidades y tecnologías entre el ecosistema civil y el militar. La frontera entre ambos ámbitos resulta, por ello, mucho menos nítida que en los modelos occidentales.
China, al mismo tiempo, defiende internacionalmente la necesidad de mantener responsabilidad y control humanos sobre los sistemas de armas autónomos. Al tiempo impulsa intensamente la investigación y aplicación militar de la IA y también promueve reglas internacionales sobre sus usos más peligrosos.
¿Tecnodiversidad?
La tecnodiversidad no constituye una categoría central de la doctrina oficial china sobre inteligencia artificial. Beijing habla mucho más de soberanía, seguridad, inclusión, cooperación y controlabilidad.
Sin embargo, sostiene que no debería existir un único modelo tecnológico impuesto universalmente y reivindica el derecho de los distintos países a participar en el desarrollo y gobernanza de la IA.
La cuestión resulta particularmente interesante porque introduce una dimensión cultural y civilizatoria. ¿Tiene que existir necesariamente una única concepción universal de la inteligencia artificial? ¿O pueden coexistir modelos tecnológicos condicionados por diferentes tradiciones políticas, económicas y culturales?
La respuesta china apunta claramente hacia la segunda posibilidad.
Tres modelos, tres prioridades
La comparación con Estados Unidos y Europa permite observar mejor la singularidad china.
Estados Unidos contempla la IA principalmente desde la combinación de liderazgo tecnológico, competencia empresarial y seguridad nacional. El sector privado desempeña un papel extraordinario, aunque el Estado estadounidense está adquiriendo un protagonismo creciente mediante política industrial, restricciones tecnológicas y contratación militar.
Europa ha construido su aproximación alrededor de la regulación, los derechos fundamentales y una gestión de riesgos, aunque progresivamente está comprendiendo que ninguna soberanía regulatoria puede sostenerse indefinidamente sin capacidades tecnológicas propias.
China plantea una combinación diferente a partir de conceptos como Estado, mercado, planificación, regulación, seguridad y soberanía tecnológica.
Las diferencias, por tanto, no deben caricaturizarse como una oposición entre una China estatal, unos Estados Unidos liberales y una Europa reguladora. Los tres espacios están experimentando una creciente intervención pública. Lo que cambia es su articulación.
En China, la inteligencia artificial forma parte de un proyecto nacional de modernización. En Estados Unidos, constituye ante todo un terreno de liderazgo tecnológico y competencia geopolítica. En Europa, el desafío consiste en conciliar innovación, derechos y autonomía estratégica.
Por eso la IA puede acabar siendo algo más que una nueva revolución tecnológica. Puede convertirse en una nueva prueba sobre los distintos modelos de modernización y sobre la relación entre Estado, mercado, sociedad y soberanía.
En el caso chino, la cuestión adquiere una dimensión particular. Beijing no parece querer simplemente utilizar la inteligencia artificial para modernizar China. Aspira a demostrar que puede integrarla dentro de su propio modelo de modernización, preservando la dirección estratégica del Estado, estimulando la competencia empresarial, reforzando la soberanía tecnológica y manteniendo bajo control los riesgos políticos y sociales.
La verdadera competición, en consecuencia, quizá no sea solamente entre modelos de IA. Es también una competición entre modelos de gobernanza de la inteligencia y hasta de modelos sistémicos.
Xulio Ríos es asesor emérito del Observatorio de la Política China. Acaba de publicar «China, la modernización permanente» (Txalaparta, 2026).
Fuente: Globalter, https://globalter.com/la-inteligencia-artificial-y-la-nueva-modernizacion-china/
_________________
Los riesgos de la inteligencia artificial en la reñida competencia entre EE. UU. y China
Aunque no deben subestimarse los riesgos de la IA, los llamamientos a frenar su desarrollo están motivados por razones de sostenibilidad económica. La competencia con China complica el panorama.
Roberto Iannuzzi
Cuando el presidente estadounidense Donald Trump y su homólogo chino Xi Jinping se reunieron en Washington el 24 de septiembre, las expectativas eran bajas.
Uno de los pocos ámbitos en los que algunos esperaban que fuera posible alcanzar un acuerdo —al menos una especie de tregua— es la seguridad en materia de inteligencia artificial (IA). El tema también se planteó en la Asamblea General de la ONU, en particular por parte de los europeos.
Unos días antes, el secretario del Tesoro, Scott Bessent, había concluido las conversaciones con el viceprimer ministro chino He Lifeng proponiendo la creación de un mecanismo conjunto de seguridad en materia de IA —en realidad, una medida mínima de cooperación, no un acuerdo relevante—.
Poco después, el Diario del Pueblo, periódico oficial del Partido Comunista Chino, publicó un artículo en el que se afirmaba que Washington y Pekín deberían «convertir la IA en una nueva frontera de cooperación entre China y EE. UU.».
Sin acuerdo
En realidad, no existe acuerdo entre las dos superpotencias sobre la naturaleza de la amenaza que representa el desarrollo de la IA. La desconfianza mutua se ve agravada por el hecho de que esta nueva tecnología constituye uno de los ámbitos más candentes de la competencia estratégica entre ambos países.
Washington mantiene restricciones a la exportación de semiconductores y tecnologías informáticas avanzadas con el fin de frenar el avance chino, alegando motivos de seguridad nacional.
Estados Unidos también está impulsando una campaña mediática en la que se acusa a las empresas chinas de recurrir a una técnica «desleal» conocida como «destilación de modelos».
Se trata de un proceso mediante el cual un sistema de IA competidor, con capacidades más limitadas, consulta a gran escala un modelo de vanguardia de alto rendimiento para adquirir sus resultados, sus patrones de razonamiento y sus capacidades —una forma de entrenamiento que requiere menor potencia de cálculo y supone menores costes—.
Por su parte, las empresas chinas han lanzado modelos de IA gratuitos y de código abierto que están poniendo en peligro el costoso modelo propietario estadounidense y las cotizaciones bursátiles de empresas como OpenAI y Anthropic.
Una apuesta de alto riesgo
En Estados Unidos, el auge de la IA, acompañado de inversiones masivas en infraestructuras y enormes ganancias en los mercados bursátiles, ha impulsado el crecimiento económico.
Las inversiones en IA han determinado aproximadamente la mitad del crecimiento del índice bursátil S&P 500 este año, donde ya apenas diez empresas tecnológicas representan más de un tercio de la capitalización bursátil.
Según Einar Tangen, experto del Centre for International Governance Innovation, el desafío que plantean los modelos de código abierto chinos, menos costosos, podría provocar un tsunami financiero de tal magnitud que haría palidecer la crisis de 2008.
Una drástica pérdida de valor de las grandes empresas tecnológicas estadounidenses provocaría un colapso del mercado bursátil estadounidense y, con un gigantesco efecto dominó, podría comprometer el ya tensionado mercado de deuda pública y el sistema del dólar.
Para evitar una desestabilización de los mercados internacionales, Pekín se encontraría, por tanto, en la incómoda posición de intentar ayudar a un país que ve a China como una amenaza.
Por otra parte, Pekín considera que los llamamientos a ralentizar el desarrollo de la IA, como el lanzado recientemente por el director ejecutivo de Anthropic, Dario Amodei, equivalen a un intento de frenar el desarrollo chino.
La advertencia de Amodei
En un artículo publicado a principios de septiembre, Amodei propuso «ralentizar el ritmo al que mejoramos las capacidades de los modelos de IA» para contener sus riesgos.
Destacó los avances en la «automejora recursiva» (Recursive Self-Improvement, el proceso mediante el cual un sistema de IA es capaz de diseñar y crear una versión más avanzada de sí mismo), pero también los peligros que ello conlleva.
El director ejecutivo de Anthropic también se ha referido al incidente OpenAI-Hugging Face ocurrido en julio, durante el cual agentes de IA de la empresa OpenAI, confinados en un entorno con acceso limitado a Internet, aprovecharon la vulnerabilidad de un proxy interno para acceder a la web.
Aproximadamente 700 de estos agentes comenzaron a comunicarse entre sí, creando un colectivo para compartir código, delegar tareas y borrar sus rastros.
El colectivo logró acceder a los servidores de la plataforma Hugging Face, ejecutando código y extrayendo datos de los sistemas de producción. El episodio (que no es el único) ha despertado la alarma entre los expertos del sector.
Según Amodei, de aquí a unos meses, procesos similares podrían apoderarse de toda la red de Internet y causar daños por valor de miles de millones de dólares «si la IA llegara a ser más potente sin las medidas de seguridad necesarias».
Soluciones insatisfactorias
Por ello, ha sugerido que las empresas de IA sean supervisadas por «terceros», un criterio que, sin embargo, suscita dudas tanto en lo que respecta a la discrecionalidad como a la verdadera independencia de dichos terceros.
La segunda propuesta también es discutible, ya que recomienda que las «democracias» se unan para establecer «normas de seguridad comunes y barreras frente a un avance descontrolado de la IA».
Aunque Amodei posteriormente «suaviza» esta sugerencia al afirmar que los países democráticos deberían intentar coordinarse «en la medida de lo posible» con «los países autoritarios», la oposición ya está trazada.
Pero también es falaz, ya que el desarrollo de la IA en los países democráticos ha sido un proceso marcadamente elitista, controlado por unas pocas empresas tecnológicas.
El director ejecutivo de Anthropic reveló su principal preocupación cuando afirmó estar de acuerdo con el secretario del Tesoro, Scott Bessent, en que «un liderazgo chino en IA representaría un grave peligro para Estados Unidos y para el mundo».
Los civiles iraníes y los de Gaza, que han sufrido en carne propia la violencia devastadora de los bombardeos guiados por sistemas de inteligencia artificial desarrollados por países «democráticos», podrían no estar de acuerdo.
Un llamamiento utilitarista
Aunque los riesgos de la IA no deben subestimarse en absoluto —debido (incluso antes de la posibilidad de perder el control sobre ella) a los daños que puede provocar al servicio de los seres humanos en el ámbito bélico, en la creación de armas biológicas, en la vigilancia masiva, en materia de sostenibilidad medioambiental y en otros sectores—, el llamamiento de Amodei parece oportunista.
A este respecto, no ha pasado desapercibido el hecho de que dicho llamamiento haya contado inmediatamente con el respaldo del director ejecutivo de OpenAI, Sam Altman, de Elon Musk y de otras figuras destacadas del sector estadounidense de la IA.
Este apoyo se debe a que las grandes empresas tecnológicas estadounidenses están realizando enormes inversiones en infraestructuras que conllevan grandes riesgos. Hasta el momento, los ingresos no están a la altura de las inversiones, y no hay certeza de que lo estén en el futuro.
En los próximos años, la tecnología podría volverse más eficiente y, por lo tanto, menos dependiente de la potencia de cálculo basada en enormes centros de datos. Al mismo tiempo, la demanda de productos basados en la IA podría ralentizarse, o bien los clientes podrían decantarse por modelos más económicos.
Para las grandes empresas tecnológicas no bastará con cubrir los costes astronómicos de los nuevos centros de datos. También deberán hacer frente al aumento de los costes de capital si recurren a un mayor endeudamiento, y necesitarán rendimientos lo suficientemente elevados como para justificar el gasto a ojos de los inversores.
Además, deberán compensar la depreciación de los microchips instalados inicialmente.
El rendimiento de los costosos procesadores GPU que hacen funcionar los centros de datos se duplica aproximadamente cada dos años. Esto significa que los propietarios de los centros de datos que entrarán en funcionamiento de aquí a un año tendrán que invertir miles de millones adicionales en la siguiente generación de procesadores antes de que termine la década, si quieren seguir siendo competitivos.
En resumen, las empresas de IA tendrán que aumentar rápidamente sus ingresos si quieren sobrevivir.
Cómo resolver el dilema
Partiendo de esta necesidad, empresas pioneras como Anthropic y OpenAI apuestan por dos argumentos paralelos para alcanzar la rentabilidad necesaria, escribe Brian Judge, de la Universidad de California (Berkeley).
Por un lado, sostienen que las aplicaciones de la IA reducirán la necesidad de mano de obra, lo que permitirá a las empresas que las adopten obtener una ventaja competitiva frente a las que no lo hagan.
Por otro lado, afirman que los riesgos asociados a la IA justifican la imposición de una limitación a nuevas inversiones de capital. En otras palabras, el argumento relativo a la seguridad de la IA sirve para frenar el gasto desenfrenado.
La desaceleración se presenta como una prueba de responsabilidad empresarial, más que como una admisión de que la carrera por el avance de la IA podría resultar económicamente insostenible. Ahí radica el quid de la petición de Amodei.
El desafío chino
Sin embargo, la destrucción de puestos de trabajo está destinada a aumentar la oposición de la opinión pública a esta tecnología. Además, el frágil equilibrio propuesto por Amodei y sus colegas se ve amenazado por la competencia china.
Modelos como DeepSeek, Tencent, Z.ai, Qwen y Kimi están ganando terreno, y un número cada vez mayor de empresas estadounidenses los está adoptando en lugar de los modelos nacionales, más costosos.
Si los modelos «abiertos» y más económicos resultan suficientes para satisfacer las necesidades de los clientes, concluye Judge, las empresas estadounidenses se enfrentarán a una elección poco envidiable: bajar los precios reduciendo aún más los márgenes de beneficio, o seguir invirtiendo para mantener una ventaja tecnológica que corre el riesgo de resultar económicamente insostenible.
Al llamar la atención sobre los riesgos de la IA, las empresas estadounidenses probablemente esperan presionar a la Administración Trump para que reintroduzca las restricciones a los modelos chinos actualmente suspendidas, protegiéndose así de su competencia de bajo coste.
Duelo a muerte
El llamamiento de Amodei, sin embargo, ha suscitado reacciones negativas no solo, como era de esperar, por parte de China, sino también de la propia Casa Blanca.
Trump se ha mostrado contrario a cualquier freno al desarrollo de la IA, ya que, en su opinión, EE. UU. debe conservar la ventaja adquirida sobre China.
«Estamos a la vanguardia frente a China en el campo de la inteligencia artificial», afirmó el presidente estadounidense. «Somos el país más avanzado del mundo y, francamente, quiero que las cosas sigan así, porque quien gane en el campo de la inteligencia artificial, lo ganará todo».
Paradójicamente, este punto de vista lo comparte el propio Amodei, quien ha afirmado que EE. UU. solo debería ralentizar el desarrollo de la IA dentro de unos límites que impidan a China alcanzarlos.
La competencia con China en el ámbito de la IA se considera una batalla por la hegemonía mundial también por parte de otros representantes de las grandes empresas tecnológicas estadounidenses, como el director ejecutivo de Palantir, Alex Karp.
Pero, sobre todo, la Administración estadounidense la considera una cuestión existencial, ya que en su seno predomina la idea de que aquel de los dos contendientes que logre una ventaja estratégica en materia de IA obtendrá la «victoria definitiva» sobre su adversario.
Este enfoque hace presagiar que será muy difícil llegar a una regulación consensuada, mientras que la competencia desmesurada está abocada a aumentar los riesgos inherentes al desarrollo de esta tecnología.
Fuente: Substack del autor, 25 de septiembre de 2026 (https://robertoiannuzzi.substack.com/p/i-rischi-dellintelligenza-artificiale)
