La inteligencia artificial no cuesta lo mismo según el idioma utilizado, y sus infraestructuras no ejercen la misma presión sobre todos los territorios. Un estudio de la Coalition for Language Equity in AI Research señala diferencias de hasta 17 veces más tokens entre determinadas lenguas, mientras que Carnegie Mellon University Africa documenta grandes variaciones en el consumo de agua de los modelos de IA según el país. Detrás de estas diferencias técnicas surge una cuestión política: ¿quién se beneficia de la inteligencia artificial, quién asume sus costes y quién conserva el poder de apagarla?

Nos hemos acostumbrado a considerar la IA como un servicio casi inmaterial. Aparece una pregunta en una pantalla y, segundos después, llega una respuesta. Sin embargo, entre ambos momentos las máquinas generan calor, las instalaciones consumen electricidad, los sistemas de refrigeración utilizan agua y las empresas controlan las condiciones de acceso a sus modelos.

Esta realidad material cambia profundamente nuestra manera de entender la brecha digital. Ya no se trata solo de saber quién tiene conexión a Internet. Ahora debemos preguntarnos quién paga para que funcione la inteligencia de otros y, sobre todo, quién puede recuperar el control cuando esa inteligencia se vuelve indispensable.

¿Por qué la IA es más cara en algunos idiomas?

El problema comienza incluso antes de que los servidores calculen una respuesta. Los modelos de lenguaje dividen los textos en unidades llamadas tokens. Pero esta división no es igual de eficiente en todas las lenguas.

Según los trabajos de la Coalition for Language Equity in AI Research, entre los veinte idiomas más utilizados en Internet se observan diferencias de entre 1,5 y 5 veces en el número de tokens. Al ampliar el análisis a doscientas lenguas, algunas diferencias alcanzan un factor de diecisiete.

Por tanto, dos personas pueden solicitar un servicio comparable y utilizar cantidades muy distintas de tokens. Cuando la facturación depende de su número, la diferencia se convierte en económica. También puede modificar el cálculo necesario, aunque la relación exacta con el consumo de agua o electricidad depende de numerosos parámetros técnicos.

La consecuencia merece atención: una lengua puede convertirse en una desventaja económica dentro de un sistema presentado como universal. No se trata necesariamente de una discriminación intencionada, sino de una desigualdad incorporada al diseño de las herramientas.

Y esta primera brecha esconde otra. Porque los tokens son solo la parte visible de la factura.

¿Por qué consumen tanta agua los centros de datos?

Los procesadores especializados en inteligencia artificial generan enormes cantidades de calor. Por eso, las instalaciones deben mantener sus equipos a temperaturas compatibles con su funcionamiento. Según el sistema empleado, la refrigeración necesita agua, electricidad o ambas.

Un análisis publicado por Rest of World indica que un centro de datos a hiperescala puede utilizar entre uno y cinco millones de galones de agua al día, un volumen comparable a las necesidades de una ciudad de varias decenas de miles de habitantes. El mismo artículo recoge que un estudio universitario publicado en abril de 2023 estimó en 185.000 galones el agua necesaria para entrenar el modelo original de ChatGPT.

Estas cifras no significan que todos los centros consuman esa cantidad ni que todas las consultas tengan la misma huella hídrica. Sí muestran, no obstante, que las infraestructuras digitales pueden convertirse en actores importantes de la gestión local del agua.

La dificultad aumenta cuando las instalaciones utilizan agua tratada de alta calidad para proteger sus equipos. Entonces pueden competir con las necesidades de la población, la agricultura u otras actividades económicas.

En Chile, las tensiones por el agua acompañaron, entre otros debates, el relativo a un proyecto de centro de datos de Google en Cerrillos, en la región de Santiago. Este tipo de conflicto recuerda una realidad que suele olvidarse: el coste de un servicio digital nunca se limita al precio indicado en una factura informática.

¿África paga realmente más por el agua que utiliza la IA?

La respuesta es más compleja que la oposición entre un Norte consumidor y un Sur sacrificado. Investigadores de Carnegie Mellon University Africa modelizaron el consumo de agua asociado a dos grandes modelos de lenguaje en once países africanos y lo compararon con Estados Unidos y la media mundial.

El resultado sorprende: ocho de los once países africanos estudiados presentan un consumo de agua inferior a la media mundial para una misma tarea de inteligencia artificial. Esto se explica, entre otros factores, por la intensidad hídrica relativamente baja de su producción eléctrica.

Los investigadores también presentan estimaciones muy diferentes según el modelo: redactar un informe de diez páginas podría requerir unos 0,7 litros de agua con Llama-3-70B, frente a hasta 60 litros con GPT-4 en las condiciones analizadas. Son resultados de modelización, no mediciones universales aplicables a todos los usos.

Este matiz es esencial. Sería falso afirmar que África consume sistemáticamente más agua para hacer funcionar la IA.

Publicité

Pero un consumo relativamente bajo no significa ausencia de vulnerabilidad. Las pérdidas en las redes de distribución, la disponibilidad local de agua y las necesidades de la población modifican profundamente las consecuencias de una extracción adicional.

En Sudáfrica, una petición presentada ante la Comisión Sudafricana de Derechos Humanos denuncia la falta de transparencia sobre el consumo de agua de los centros de datos. Según Semafor, el país ya alberga sesenta centros de este tipo, en un contexto marcado por las sequías.

El verdadero problema, por tanto, no es solo la cantidad consumida. Es la capacidad de un territorio para decidir cómo utilizar sus recursos, conocer las extracciones reales e imponer límites.

¿Cómo puede el Norte exportar los costes ocultos de la IA?

La cadena de valor de la inteligencia artificial atraviesa fronteras. Los modelos, los componentes electrónicos, los centros de datos y los usuarios no se encuentran necesariamente en los mismos países. Esta dispersión permite separar los beneficios económicos de las consecuencias materiales.

Una empresa puede comercializar un servicio en todo el mundo mientras deja a las comunidades que albergan sus infraestructuras la gestión de las tensiones por el agua, las necesidades energéticas o las limitaciones urbanísticas. A esta dimensión material se suman las dudas sobre la vigilancia digital y el control de la información.

Sin embargo, sería exagerado presentar esta dinámica como una transferencia completa y sistemática de los costes del Norte al Sur. Los datos disponibles no permiten establecer un balance global de ese tipo, y las infraestructuras instaladas en países del Sur también pueden generar valor allí.

Mi preocupación se centra más bien en una asimetría de poder. Quien posee los modelos, establece las condiciones de acceso y controla los sistemas puede conservar más poder que quien aporta el territorio, los recursos o los usuarios.

Esta asimetría recuerda ciertas dinámicas de las industrias extractivas: una actividad genera riqueza distribuida ampliamente, mientras que sus consecuencias más tangibles permanecen concentradas en determinados lugares. La comparación no es perfecta, pero ayuda a comprender por qué la ubicación de las infraestructuras digitales debería someterse al debate público.

¿Por qué el dinero móvil africano se vuelve un asunto crítico?

La dependencia adquiere una dimensión aún más preocupante cuando la inteligencia artificial interviene en infraestructuras financieras.

Según las cifras recogidas por Rest of World, más de dos billones de dólares circularon por servicios de dinero móvil en todo el mundo en 2025, de los cuales aproximadamente 1,4 billones correspondieron al África subsahariana. África oriental representó 806.000 millones de dólares y África occidental, 498.000 millones.

Estos sistemas no son simples aplicaciones accesorias. Permiten transferencias de dinero y pagos esenciales para la vida económica. Por ello, su disponibilidad y seguridad son cuestiones de máxima importancia.

La llegada de agentes de inteligencia artificial capaces de ejecutar acciones de forma autónoma cambia la naturaleza del riesgo. Un error, una intrusión o un comportamiento no autorizado podría resultar especialmente peligroso si un agente tuviera permisos amplios sobre un sistema de pagos.

Rest of World informa, entre otros casos, de incidentes con agentes de IA durante una evaluación de OpenAI relacionada con la infraestructura de Hugging Face, así como de ataques a sitios web gubernamentales australianos atribuidos a agentes autónomos.

Estos sucesos no demuestran que una red africana de dinero móvil ya haya sido comprometida de esta manera. Sin embargo, muestran por qué sería imprudente esperar a un incidente grave antes de establecer mecanismos de control.

El escenario preocupante no es únicamente el de un ciberataque espectacular. También es el de un operador local incapaz de detener inmediatamente un componente automatizado porque su funcionamiento depende de un proveedor extranjero.

¿Por qué necesitaría África un interruptor de emergencia local para la IA?

Un kill switch es un mecanismo de parada de emergencia. Aplicado a la inteligencia artificial, aquí designa la capacidad de detener a un agente autónomo o retirarle el acceso a una infraestructura sensible cuando se vuelve peligroso.

Jane Munga, investigadora asociada al Carnegie Endowment, defiende en Rest of World una idea fundamental: la soberanía digital depende, entre otras cosas, de poder controlar localmente los sistemas de IA utilizados.

Para una red de pagos, esto podría traducirse en varios requisitos técnicos:

  • Detener localmente las acciones de un agente sin esperar la autorización de un proveedor extranjero.
  • Revocar inmediatamente sus permisos sobre operaciones financieras sensibles.
  • Mantener un funcionamiento de respaldo cuando los servicios automatizados dejen de estar disponibles.
  • Conservar registros de actividad auditables para comprender las decisiones tomadas y los posibles incidentes.

Estas propuestas describen posibles principios de seguridad, no un sistema africano ya operativo y documentado. La información disponible recoge un llamamiento a desarrollar esta capacidad, sin demostrar que exista un mecanismo concreto desplegado a gran escala.

Además, un interruptor de este tipo no bastaría por sí solo para garantizar la seguridad de una infraestructura. Debería integrarse en procedimientos de control de acceso, supervisión humana y continuidad de las operaciones.

¿Cómo puede el Sur global recuperar el control?

La primera vía consiste en reducir la dependencia de modelos propietarios a los que solo se puede acceder mediante interfaces controladas a distancia.

Los modelos de pesos abiertos ofrecen una posibilidad interesante: sus parámetros pueden descargarse y, según sus licencias, adaptarse o ejecutarse en infraestructuras independientes. Esto no elimina los costes materiales ni la necesidad de conocimientos especializados, pero permite aspirar a una mayor autonomía.

La segunda vía se refiere a las propias infraestructuras. Construir más centros de datos locales no basta si el uso del agua sigue siendo opaco, si se debilitan las redes eléctricas o si las decisiones estratégicas escapan a las autoridades y poblaciones afectadas.

Por tanto, es necesario vincular las inversiones digitales a obligaciones de transparencia, evaluaciones de los recursos disponibles y una verdadera capacidad de supervisión local.

La tercera vía es lingüística. Unas herramientas mejor adaptadas a las lenguas locales podrían reducir ciertas ineficiencias de la tokenización. Pero esta mejora no debe confundirse con una solución automática a la dependencia material: ambos problemas están relacionados por la economía general de la IA, aunque no sean técnicamente equivalentes.

En definitiva, la cuestión no es si África debe adoptar la inteligencia artificial. Ya la utiliza en un entorno digital donde los servicios financieros ocupan un lugar importante. La cuestión es determinar en qué condiciones esa adopción puede reforzar su autonomía en lugar de crear nuevas dependencias.

Durante mucho tiempo hemos medido el progreso digital por el número de personas conectadas. Quizá ahora también debamos medirlo por una capacidad mucho menos espectacular: la de rechazar un servicio, proteger los propios recursos y pulsar uno mismo el botón de apagado.

Preguntas frecuentes

¿Por qué cuesta más la inteligencia artificial en algunos idiomas?

Los modelos dividen los textos en tokens, cuyo número varía según la lengua. La Coalition for Language Equity in AI Research observó diferencias de hasta diecisiete veces más tokens entre ciertos idiomas, lo que puede elevar el precio de los servicios facturados según el uso.

¿Por qué consumen tanta agua los centros de datos y quién paga el coste?

Los servidores y procesadores especializados generan mucho calor y necesitan sistemas de refrigeración. Cuando estos extraen agua de los recursos locales, las comunidades y los habitantes pueden sufrir una presión adicional sobre su abastecimiento, especialmente en regiones expuestas a sequías.

¿Cómo podría amenazar la IA al dinero móvil en África?

Los agentes de IA con permisos amplios podrían provocar operaciones no deseadas, ser comprometidos o alterar los sistemas de pago. Dada la importancia económica del dinero móvil en el África subsahariana, poder detenerlos de inmediato constituye una prioridad de seguridad.

¿Existen soluciones locales para reducir esta dependencia?

Los modelos de pesos abiertos, las infraestructuras controladas localmente y los mecanismos de parada de emergencia ofrecen vías concretas. Sin embargo, la información disponible no acredita que exista un interruptor de emergencia africano ya operativo: su diseño, integración y gobernanza siguen siendo desafíos.

Fuentes