La trampa lógica de predecir la IA: crecimiento que desafía la intuición

Mustafa Suleyman, director de inteligencia artificial de Microsoft, ha lanzado una advertencia directa: la forma en que la mayoría de las personas y ejecutivos piensan sobre el ritmo del cambio tecnológico está mal. Suleyman señala que el error lógico común es aplicar una intuición basada en la experiencia física —donde caminar una hora recorre una distancia y dos horas el doble— a un fenómeno que avanza de manera exponencial. Desde 2010, la capacidad de cómputo utilizada en los modelos más avanzados de IA ha pasado de 10¹⁴ FLOPS a más de 10²⁶ FLOPS, un salto de un trillón de veces. No es evolución gradual: es una explosión.

El crecimiento no es casualidad. Suleyman identifica tres avances convergentes que lo explican. Primero, los chips han mejorado drásticamente. Los procesadores de Nvidia saltaron de 312 teraflops en 2020 a 2.250 teraflops hoy, mientras que el chip Maia 200 de Microsoft ofrece un 30% más de rendimiento por euro frente a productos similares. Segundo, la memoria de alto ancho de banda (HBM) —como la versión HBM3, que triplica el rendimiento de su predecesora— permite que las GPUs trabajen sin tiempos muertos, apilando chips como edificios. Tercero, la infraestructura de cálculo ha evolucionado hasta formar clusters masivos: tecnologías como NVLink e InfiniBand conectan miles de GPUs en superordenadores del tamaño de fábricas. Lo que antes requería 167 minutos en ocho GPUs ahora se hace en menos de cuatro minutos, una mejora de 50 veces que supera la Ley de Moore.

¿Qué significa esto para América Latina?

Para los ejecutivos latinoamericanos, el mensaje de Suleyman no es solo una curiosidad técnica. Plantea preguntas concretas sobre adopción, costos y estrategia. Si la capacidad de cómputo global de IA se multiplicará por diez entre 2024 y 2027 —alcanzando el equivalente a 100 millones de chips H100—, la brecha entre quienes pueden acceder a esa potencia y quienes no se ensanchará. Empresas en la región que dependen de servicios en la nube de hyperscalers como Azure, AWS o Google Cloud verán que los costos de inferencia y entrenamiento pueden bajar, pero también que la competencia por recursos de cómputo —especialmente GPUs— se intensificará.

Suleyman destaca que ya se construyen clusters de 100.000 GPUs y centros de datos que consumen tanta energía como varios países europeos en su pico anual. En América Latina, donde la infraestructura energética es heterogénea y los costos de electricidad son altos en varios mercados, esto representa un desafío. No solo para operar grandes modelos, sino para que las startups locales puedan entrenar sus propios sistemas sin depender exclusivamente de la nube externa. La inversión de 100.000 millones de dólares en clusters de IA que menciona Suleyman es un presupuesto que ningún país de la región puede igualar de forma individual, pero que obliga a repensar alianzas público-privadas o estrategias de especialización en nichos de aplicación, como IA aplicada a fintech, agroindustria o logística.

El objetivo final, según Suleyman, son los “agentes de IA casi humanos”, sistemas semiautónomos capaces de escribir código durante días o gestionar proyectos complejos. Para las empresas latinoamericanas, la pregunta es si estarán listas para integrar estos agentes —que probablemente lleguen primero desde Estados Unidos o China— en sus flujos de trabajo. La región tiene una ventana de oportunidad para adoptar estas herramientas como consumidores inteligentes, pero también el riesgo de quedarse atrás si no invierte en talento local, conectividad y marcos regulatorios que faciliten la experimentación.

Una llamada a la acción estratégica

La advertencia de Suleyman no es un ejercicio académico. Es un llamado a que los tomadores de decisiones latinoamericanos abandonen el pensamiento lineal. No se trata de calcular cuánto avanzará la IA en un año basándose en el año anterior, sino de prepararse para saltos que duplican la capacidad cada pocos meses. Las empresas que ya están migrando a la nube y adoptando modelos fundacionales deben acelerar ese proceso, y los gobiernos que diseñan políticas de IA deben considerar que la infraestructura de cómputo será tan estratégica como la energética. La superinteligencia que Suleyman vislumbra puede parecer lejana, pero la base se está construyendo hoy en clusters que consumen energía de países enteros. Para América Latina, la decisión no es si participar, sino con qué velocidad y qué ventajas competitivas locales se pueden aprovechar antes de que la brecha se vuelva insalvable.