El futuro del trabajo con IA: qué tareas cambian primero
Qué dicen los datos sobre cómo la IA cambia el trabajo: qué tareas automatiza y cuáles seguirán siendo humanas.
Por qué vuelven plantas viejas, a quién afecta (barrios) y qué significa para precios de luz, clima y política energética.
OPINIÓN & FUTURO · ENERGÍA · CARA B DE LA IA
Qué está pasando
Más picos + demanda nueva a lo bruto = vuelta a las peaker de siempre.
A quién golpea
La contaminación local no cae “en promedio”: cae cerca de barrios concretos, muchas veces los de siempre.
La factura
Las peaker son un “seguro” caro: empujan precios, inversiones y una guerra política por quién paga.
Cuando todo el mundo habla de “la nube”, casi nadie habla de lo que se enciende cuando la red se queda sin margen.
Ese “plan B” tiene nombre: centrales de pico (peakers). Son rápidas, sí. Pero también suelen ser viejas, caras y, en muchos sitios, demasiado cercanas a quien menos capacidad tiene de defenderse. La IA no inventa este problema, pero lo está acelerando en el peor momento: cuando la red ya va justa y la electrificación aprieta por todas partes.
Una peaker es una central diseñada para una cosa: encenderse cuando la demanda hace pico. No vive de estar todo el día funcionando. Vive de ser el botón rojo: “necesitamos potencia ya”.
La mayoría son de gas (a veces también fuel), porque lo térmico sigue siendo lo más rápido de despachar cuando la red está al límite. El problema es que, al operar pocas horas y arrancar/parar a menudo, el coste por kWh suele ser alto y el impacto local puede ser feo: emisiones, ruido, calor, camiones, infraestructura industrial en zonas que ya cargan con demasiadas cosas.
Una “peaker” típica: infraestructura funcional, poco glamourosa y muy real cuando llega el pico.
La explicación sencilla es “consumen mucho”. Pero la explicación útil es otra: no es solo cuánto consumen, sino cómo se integra ese consumo en una red con cuellos de botella, permisos lentos y reservas de seguridad cada vez más ajustadas.
Un centro de datos moderno no es un par de servidores en un sótano. Es una carga enorme, continua y con crecimiento por fases. Y cuando se concentra en una zona (por fibra, suelo barato, beneficios fiscales o latencia), el sistema hace lo que sabe hacer: proteger la estabilidad con capacidad firme. Muchas veces, eso significa “tirar de lo que ya existe”. Y lo que ya existe, en demasiados sitios, son peaker antiguas.
Si quieres el mapa general de por qué esta presión eléctrica está subiendo con la IA, aquí encaja muy bien tu lectura de consumo eléctrico de la IA en centros de datos. Esta pieza es la secuela incómoda: qué pasa cuando ese consumo choca con la realidad de la red.
La estética es futurista; la demanda eléctrica, muy poco futurista: física, pesada y con consecuencias aguas abajo.
Aquí viene la parte que más molesta, porque rompe el discurso limpio de “energía” en abstracto. Las peaker no solo emiten CO₂. También pueden empeorar calidad del aire local en momentos críticos, justo cuando la gente ya está sufriendo por calor, tráfico o mala ventilación urbana.
Y como estas plantas llevan décadas en el mapa, muchas están en zonas que históricamente han recibido infraestructuras molestas: corredores industriales, periferias, áreas con menos poder para frenar permisos. El resultado es una injusticia silenciosa: la “demanda digital” se reparte globalmente, pero la chimenea se queda en un punto.
“Emisiones” suena a promedio. El aire, en cambio, se respira en un sitio concreto.
Las peaker son el extintor. Y como cualquier extintor: ojalá no usarlo, pero tienes que pagarlo. Cuando la red necesita más capacidad firme y más reservas para cubrir picos, aparecen tres efectos típicos:
1) Costes de capacidad y respaldo. Si el operador compra más “por si acaso”, el coste sube. No siempre se nota en una línea de factura, pero acaba en algún sitio: tarifas, peajes, contratos o cargos regulados.
2) Inversión en red. Conectar grandes cargas exige subestaciones, líneas y refuerzos. Es infraestructura lenta y cara. Y el debate se vuelve político: ¿paga el nuevo actor o se socializa el coste?
3) Volatilidad en punta. Cuando la última unidad necesaria para cubrir el pico es cara (y suele serlo), el precio marginal se estira. Aunque tú no “uses” esa energía, el mercado la siente.
La discusión climática suele ir por el CO₂ global. Pero la política energética va por dos carriles al mismo tiempo: descarbonizar y evitar apagones. Cuando esos carriles chocan, la tentación es simple: “metemos gas como puente”.
El problema es que los “puentes” se alargan. Si reactivas plantas viejas porque el crecimiento es rápido y la planificación va tarde, estás enviando una señal al mercado: el gas sigue siendo útil. Y eso complica objetivos climáticos, además de abrir una batalla de reputación: promesas de “100% renovable” mientras el sistema, por detrás, enciende respaldo fósil en las horas malas.
Es aquí donde se decide el futuro real: o usamos la ola de centros de datos para acelerar red, almacenamiento y flexibilidad… o la usamos como excusa para prorrogar lo de siempre.
Aquí viene lo importante: esto no va de prohibir centros de datos. Va de dejar de tratarlos como cargas “intocables”. Mucha actividad de IA (entrenamientos, batch, reindexados) puede moverse en el tiempo si se diseña para ello. Y esa es la palabra clave: diseño.
Si quieres una forma clara de pensarlo: arquitectura no es solo coste y latencia; también es impacto en picos. En esa línea, te encaja mirar nube vs local en arquitectura de IA, porque mover parte del cómputo (o hacerlo más distribuido) puede cambiar el perfil de demanda en lugares concretos.
Y sí: también existe un camino de “menos dependencia de la nube” en ciertos casos, especialmente cuando la privacidad y la eficiencia empujan hacia computación más cercana al usuario. En ese debate entra bien Private AI Compute, porque conecta dos cosas que a veces se separan: control de datos y control del coste energético.
No te estoy diciendo que renuncies a IA. Te estoy diciendo que, si despliegas a escala, hagas una pregunta que casi nadie hace en público: ¿qué pasa en las horas punta y dónde cae ese impacto?
Un PPA de renovables puede ser una buena noticia, pero no siempre resuelve el problema local del nodo ni el respaldo en picos. Si tu estrategia energética no contempla flexibilidad, almacenamiento o coordinación con la red, puedes acabar siendo parte de la razón por la que una peaker vuelve a encenderse… mientras tu marketing habla de “sostenibilidad”.
La IA no “contamina” por existir. Contamina cuando crece sin coordinación y el sistema responde con lo más rápido que tiene.
La cara B de esta década no es un chip nuevo: es la electricidad de reserva, el aire en barrios concretos y una política energética que, si no se pone seria, convertirá el “futuro” en una prórroga del pasado.
Es una central diseñada para encenderse solo cuando la demanda eléctrica hace pico, normalmente de gas por ser la tecnología más rápida de despachar. Se reactivan porque los centros de datos de IA añaden una demanda enorme y continua que choca con redes con cuellos de botella, permisos lentos y reservas de seguridad ajustadas.
El impacto no se reparte igual: muchas peaker llevan décadas en corredores industriales y periferias con menos poder para frenar permisos, así que la contaminación local se concentra en barrios concretos que ya cargan con infraestructuras molestas, mientras la "demanda digital" que las activa es global.
Elevan los costes de tres formas: más gasto en capacidad y reservas de respaldo, más inversión en infraestructura de red para conectar cargas grandes, y mayor volatilidad en los precios en horas punta, ya que la última unidad necesaria para cubrir el pico suele ser la más cara.
Sí, mediante diseño: flexibilidad contractual para recortar carga en horas punta, almacenamiento en baterías para suavizar picos, ubicación responsable de los centros de datos y transparencia en los planes de crecimiento para que la red pueda planificar con antelación.
Qué dicen los datos sobre cómo la IA cambia el trabajo: qué tareas automatiza y cuáles seguirán siendo humanas.
Si un benchmark se cuela en el entrenamiento, las métricas se inflan. Qué es la contaminación, cómo detectarla y cómo evaluar mejor.
El estándar que une criptografía + metadatos: cómo funciona, qué prueba (y qué no), y por qué será clave en medios y marcas.