Hoy, en el lenguaje ordinario, la locución «inteligencia artificial» (IA) se emplea para hacer referencia a una tecnología muy específica: modelos generativos entrenados mediante aprendizaje profundo. Tradicionalmente, esa locución se reservó para una de las piezas clave de una empresa científica: la de las ciencias cognitivas. Eso a lo que denominamos hoy «IA» tiene muy pocos puntos de contacto con aquella empresa científica, acaso ninguno.[1] Aunque de mala gana, me subiré al carro de este nuevo uso al dejar caer en los próximos párrafos algunas apreciaciones sobre economía e IA.
1. El mito de Silicon Valley
De acuerdo con el mito de Silicon Valley, la innovación tecnológica y el desarrollo económico son fruto de la creatividad individual, la libre iniciativa del emprendedor privado y la competencia en el mercado. Por su parte, la intervención pública sería, en el mejor de los casos, un mero obstáculo burocrático y, en el peor, una seria amenaza al dinamismo económico y la innovación tecnológica (vid., v. g., Acs, Audretsch y Lehmann, 2013; Thiel y Masters, 2014). Echemos un vistazo a lo que la historia nos dice acerca de este mito.
El potencial innovador de la iniciativa privada es y ha sido siempre ciertamente limitado. Lo que la historia económica muestra es que, desde «el mundo de la informática y la electrónica en general a la automatización, la biotecnología o las comunicaciones», cada uno de los «sectores dinámicos de la economía» debe «su éxito y su propia existencia [no a la iniciativa privada, sino] al subsidio público a gran escala» (Chomsky, 1998: 364). De hecho, el capitalismo, interpretado como un sistema socioeconómico basado en la iniciativa privada y la libre competencia en el mercado, es algo que, sencillamente, no ha existido nunca.
El capitalismo industrial británico fue una creación del Estado sustentada en dos grandes iniciativas: «el sistema de importación de materias primas desde las colonias y el sistema de exportación de manufacturas inglesas» (García-Olivares y Beitia, 2019: 26). Del mismo modo, el resto de los países que se desarrollaron a partir del punto de inflexión en torno a 1820 en el que se produjera la «gran divergencia» —entre el primer y el tercer mundo— fueron aquéllos cuyos Estados se aplicaron a «la construcción de una infraestructura de transportes, la promulgación de aranceles externos para proteger las industrias nacionales de la competencia británica, la creación de bancos para estabilizar la moneda y financiar las inversiones en la industria, y el establecimiento de la enseñanza de masas para mejorar la mano de obra» (Allen, 2011: 13). Son estos mecanismos los que encontramos a la base del «desarrollo» de los países «desarrollados» (Kocka, 2013: 109; Chomsky, 1998; 1999; 2017; Chang, 2008).
Cada una de las innovaciones relevantes en cada uno de los sectores avanzados de la economía ha sido así producto de masivas inversiones a cuenta y riesgo del contribuyente, pero en beneficio del sector privado. Así, por ejemplo, durante sus años al frente de la Reserva Federal, el «objetivista» Alan Greenspan «hablaba apasionadamente sobre los milagros del mercado y las maravillas que procura la elección del consumidor», y de cuando en cuando ofrecía ejemplos de esos milagros y maravillas: «Internet, los ordenadores, las tecnologías de la información, los láseres, los satélites. Se trata de una lista interesante, porque todos ellos son ejemplos de manual de creatividad y producción en el sector público» (Chomsky, 2000: 192). Se trata, desde luego, de una lista que podemos prolongar ad nauseam: los circuitos integrados, los microprocesadores, la fibra óptica, los robots industriales, el GPS, los navegadores web, la pantalla táctil, la computación en la nube, la práctica totalidad de la innovación en la industria farmacéutica (cf. Mazzucato, 2013).
Consideremos brevemente el desarrollo específico de eso a lo que denominamos hoy «IA». Las bases teóricas del desarrollo de las redes neuronales artificiales fueron establecidas por Warren McCulloch y Walter Pitts en 1943 en un centro público de investigación, la Universidad de Illinois en Chicago. El siguiente paso de la historia podemos ubicarlo en 1958, año en el que Frank Rosenblatt presentó el perceptrón como un modelo teórico de aprendizaje supervisado, acompañado de una implementación física parcial en su Mark I Perceptron. Rosenblatt trabajaba entonces en el Laboratorio de Aeronáutica de Cornell: en este caso, el contribuyente sufragó la investigación a través del Departamento de Defensa de EE.UU. En la historiografía de la IA, la idea de que el ataque de Marvin Minsky y Seymour Papert a los perceptrones de Rosenblatt (Minsky y Papert, 1969) fue el principal motivo del estancamiento de la investigación en redes neuronales artificiales es un lugar común ampliamente aceptado. El Departamento de Defensa era asimismo el principal financiador del trabajo de Minsky y Papert en el MIT —a través de la Advanced Research Projects Agency (ARPA, más tarde DARPA)—, y la lucha por la financiación fue uno de los decisivos resortes de su ataque (Boden, 2006: 913).
Tras la arremetida de Minsky y Papert pasó más de una década hasta que repuntara de nuevo el interés investigador en redes neuronales artificiales. Así, no sería hasta 1979 que Kunihiko Fukushima desarrollara su Neocognitron, antecedente de las redes convolucionales en las que se basan los modelos generativos actuales. Fukushima trabajaba entonces en los Laboratorios de Investigación Científica en Radiodifusión de la compañía pública de radiodifusión de Japón. Poco después, en 1982, David Rumelhart y James McClelland fundaron el grupo PDP (procesamiento distribuido en paralelo), con el que publicarían en 1986 los dos volúmenes de la influyente «Biblia» del PDP: Parallel Distributed Processing: Explorations in the Microstructure of Cognition. La financiación del grupo provenía de fondos públicos del gobierno federal de EE.UU. a través de la National Science Foundation (NSF), la Office of Naval Research (ONR) y los National Institutes of Health (NIH).
Ya en 1989, Yann LeCun desarrolló, inspirándose en el Neocognitron de Fukushima, las primeras redes neuronales convolucionales entrenables mediante retropropagación del error. LeCun trabajaba entonces en los Laboratorios Bell de AT&T, una institución privada financiada en gran parte con fondos públicos a través de contratos de investigación y adquisición, especialmente del Departamento de Defensa; la primera aplicación del trabajo de LeCun sería, no obstante, sufragada por el Servicio Postal de EE.UU. Tras su etapa en los Laboratorios Bell, LeCun trabajó en la Universidad de Nueva York bajo financiación de la NSF y la DARPA.
Debe anotarse al margen que con frecuencia se ha atribuido erróneamente a la Biblia del PDP el mérito de contener la primera definición de un algoritmo de retropropagación, o la primera descripción de su implementación. En realidad, ese trabajo, decisivo para el desarrollo de las redes convolucionales actuales, debe remontarse a mediados de los setenta. En concreto, fue Paul Werbos quien formalizó el algoritmo de retropropagación en 1974, como resultado de su investigación doctoral en la Universidad de Harvard, financiada por la NSF. Aunque el trabajo de Werbos pasó inicialmente desapercibido, sería retomado durante la primera mitad de los años ochenta. A partir de entonces, el desarrollo de la retropropagación del error fue esencialmente sostenido por financiación de la NSF, la ONR y la DARPA —así, por ejemplo, el trabajo con el que Rumelhart, Geoffrey Hinton y Ronald Williams refinaran y popularizaran el algoritmo a mediados de los ochenta.
También durante los noventa la investigación que sentó las bases del aprendizaje profundo se sustentó fundamentalmente en financiación pública. Así, por ejemplo, Hinton continuó su influyente carrera en la Universidad de Toronto, con financiación del Consejo de Investigación en Ciencias Naturales e Ingeniería de Canadá (NSERC). En paralelo, Yoshua Bengio desarrolló su investigación en la Universidad de Montreal gracias a fondos de ese mismo organismo. Más recientemente, el trabajo investigador que viniera a desembocar en los actuales modelos generativos de gran escala se realizó también en centros públicos, tanto en Estados Unidos como en Europa y Asia —AlexNet, hito decisivo de la consolidación del aprendizaje profundo, surge en 2012 en el marco de programas financiados por la NSERC en la Universidad de Toronto.
El auge reciente de la IA generativa ha sido posible gracias a la conjunción de mayor potencia de cálculo y disponibilidad masiva de datos. En este sentido, los centros nacionales de supercomputación (Summit en EE.UU., Jean Zay en Francia, Fugaku en Japón) y los repositorios abiertos promovidos por la comunidad científica y financiados por instituciones públicas (caso de ImageNet, por la NSF y la ONR), conformaron el ecosistema científico y tecnológico del que surgieron los modelos comerciales.
Aunque los héroes hechos a sí mismos en garajes de los suburbios del complejo industrial-militar han capitalizado nuevamente los frutos de décadas de investigación e inversión pública, la evolución histórica de la IA generativa muestra a las claras que el mito de Silicon Valley tiene mucho más que ver con los bajos fondos de la prosa de Ayn Rand que con el mundo real.[2]
2. Burbujas y poderes
Pasando ya a considerar la actualidad y perspectivas futuras del sector, conviene comenzar por destacar que parece estar produciéndose un desfase entre posibilidades publicitadas y capacidades efectivas. Informes recientes del MIT y de Stanford muestran que la incorporación de IA generativa en entornos empresariales no está produciendo efectos apreciables en el balance de las compañías (Maslej et al., 2025: cap. 4; Challapally et al., 2025). Sin embargo, por mucho que vengan chocando en la práctica con limitaciones efectivas, las promesas de revolucionar el mundo laboral y corporativo no son meras promesas: la integración de la IA en cada eslabón de la economía es un proyecto con claros riesgos para trabajadores y ciudadanos, pero también un proyecto que nuestras élites políticas, económicas e ideológicas aceptan como un hecho bruto. «Los contratiempos no deben engañar a nadie sobre la dirección del viaje» (Moscrop, 2025). Así las cosas, se asume, habrá cada vez más y más centros de datos, redes eléctricas de alta capacidad, sistemas de extracción y refinado de minerales críticos, fábricas de semiconductores, redes de telecomunicaciones de baja latencia, nubes de servidores y complejos industriales dedicados al ensamblaje de gigatoneladas de plásticos, metales y silicatos.
Finjamos, como suele hacerse, que la economía flota ajena a su metabolismo material y dejemos momentáneamente de lado la dimensión propiamente material de ese masivo trajín de plásticos, metales y silicatos. Entrenar y habilitar para su uso modelos de un tamaño cada vez mayor —con la esperanza de que la rentabilidad surja del mero incremento cuantitativo— exige inversiones crecientes que exhibirán en cualquier caso rendimientos decrecientes y desviarán recursos económicos hacia sectores de alta intensidad de capital, una asignación que no puede sino producirse en detrimento de otros sectores. Esta intensidad en capital obliga además a formas arriesgadas de financiación, lo que echa a su vez una leña adicional al fuego de una economía ficticia de dimensiones ya cósmicas. Grandes expectativas —la IA, nos dice el último WEO del FMI, ha de ser el sector que «reactive el crecimiento de la productividad» (IMF, 2025: 22, 32)—, costes crecientes, rendimientos decrecientes y sofisticados productos financieros: a nadie debe extrañar que la noción que protagoniza la discusión sobre la economía de la IA sea la de «burbuja».
Pero no conviene echar las campanas al vuelo: la inestabilidad del sector no implica, sin más, la inviabilidad del señalado proyecto de integración de la IA en cada rincón de nuestras vidas, ni tampoco que las mayores corporaciones del planeta vayan a cerrar el chiringuito de una tecnología con indudables potencialidades de ingeniería social. Antes que fantasear con el derrumbe de esta tecnología deberíamos pensar despacio en el creciente poder político de los principales agentes del sector.
Ese poder es de tal magnitud que la reflexión en torno al mismo ha venido movilizando incluso las tradicionales categorías de «modos de producción». Destacadamente, Varoufakis ha sostenido que estaríamos deslizándonos hacia una forma de «tecnofeudalismo» en la que las grandes corporaciones tecnológicas extraen rentas de la actividad de los nuevos siervos digitales mediante el control de datos y plataformas. Morozov, por su parte, invita a medir las palabras: no estamos ante el tránsito hacia un nuevo «modo de producción», sino ante «el capitalismo en todo su esplendor» (Morozov, 2025: 8), ante una intensificación de la mercantilización y la extracción de valor en esferas cada vez más amplias de la vida social. Sea como fuere, les llamemos «señores tecno-feudales» o «tecno-oligarcas», se trata de agentes decididos a transformar no la economía capitalista, sino las funciones y fronteras del Estado capitalista, desmantelando ramas completas del mismo, integrándose orgánicamente en el resto, gestionando servicios públicos, controlando infraestructuras críticas, obteniendo acceso a los datos de agencias gubernamentales, participando en procesos de privatización y asumiendo incluso capacidades ejecutivas. «El sector tecnológico está adquiriendo atributos cruciales del poder estatal, sustituyendo a las finanzas como estructura dominante [y] desplegando capacidades de las que los gobiernos dependen cada vez más» (Durand, 2025: 42, 47). Estamos lejos del mero lobby y las puertas giratorias, y deberíamos comenzar a hacernos cargo de ello. Se trata de corporaciones cuya capitalización bursátil supera el PIB de países como el nuestro: no simples agentes políticos de primer orden, sino de hecho agentes geopolíticos.
La imagen de la plana mayor de Silicon Valley en la segunda ceremonia de investidura de Donald Trump es un buen punto de partida para la reflexión en torno a la inserción de estos agentes privados en esa arena geopolítica. La imagen revela que estos agentes son muy conscientes de que las condiciones del nuevo ciclo de acumulación —con el nuevo ciclo tecnológico como ariete— las establecerán una vez más esos otros agentes geopolíticos que disponen de ejércitos, capacidad para imponer sanciones o aranceles y diseñar políticas industriales. La piedra de toque del nuevo ciclo se ubicará en la propiedad de las tecnologías clave y el control de las infraestructuras digitales (Bürbaumer, 2025). Es comprensible, pues, que «la hegemonía digital mundial en inteligencia artificial esté en el centro del proyecto diplomático y comercial de la actual Administración estadounidense» (García García, 2025) y, así, que venga ésta «exigiendo a otros países que deroguen normativa relativa a la actividad de los gigantes tecnológicos» (Machado y Louçã, 2025: 77). China ha experimentado un espectacular desarrollo tecnológico planificado en las dos últimas décadas, y aunque el jefe atlántico sigue al frente de los sectores punta, como el de la IA generativa, comienza a ver a China como un competidor peligroso: desde el «Pivote hacia Asia» de Obama, los intentos de «contener» el desarrollo de China han ido subiendo progresivamente de tono, y en los últimos años han puesto decididamente en la diana a su sector digital. Hacen falta dosis considerables de candor para quitar hierro a las tensiones imperialistas generadas en torno a la competencia por el liderazgo del nuevo ciclo de acumulación.
Se nos ha bombardeado con la cuestión de la «gobernanza de la IA» —un galimatías conceptual sobre «neutralidad», «inclusividad», «transparencia» y demás cosas santas— cuando deberíamos estar pensando con cuidado en la economía y la geopolítica de la IA.
3. Límites
Para cerrar, vamos a ocuparnos brevemente del contexto material del desarrollo de la IA centrándonos en su aspecto energético y dejando de lado el resto de los indicadores que ponen de manifiesto que la nuestra es la era de las consecuencias —cambio climático, contaminación química, pérdida de biodiversidad, degradación de los suelos, del agua dulce, de los ciclos biogeoquímicos: en todas estas dimensiones estamos hoy fuera de límites seguros (PBS, 2025).
Las consecuencias de la era de las consecuencias son las consecuencias de la Gran Aceleración. La noción de Gran Aceleración hace referencia a «la naturaleza integral e interrelacionada de los cambios posteriores a 1950 en las esferas socioeconómicas y biofísicas del sistema terrestre» (Steffen et al., 2015: 2): tras la Segunda Guerra Mundial, todos los índices que dan cuenta de las actividades humanas en el planeta se disparan. No por casualidad, el pistoletazo de salida de la Gran Aceleración coincide con el pistoletazo de salida de la «Edad de oro del capitalismo», las tres décadas de crecimiento sostenido, expansión industrial y mundialización del comercio posteriores a la Segunda Guerra Mundial. Ambos procesos tuvieron a su base un drástico incremento del consumo energético. Hoy, nuestro consumo energético total es ocho veces superior al de la década previa a la Gran Aceleración, y se debe, en sus cuatro quintas partes, a combustibles fósiles —una proporción que no ha variado en las últimas cuatro décadas (IEA, 2021a).[3]
El ingrediente principal de ese cóctel fósil es el petróleo, que hace una tercera parte del consumo total. El resto de los combustibles fósiles se reparten, en conjunto, en torno al cincuenta por ciento. Todos ellos son recursos finitos, y nuestra capacidad para aprovecharlos se adentra ya en un proceso de inevitable declive.
Sobre el papel, los proyectos de «transición energética» que publicitan hoy Estados y organizaciones supranacionales tienen por objeto sustituir esta base fósil de nuestras economías por una base eléctrica asentada en sistemas industriales —no renovables— de captación de flujos de energía renovable: esencialmente, eólica y fotovoltaica (Casal Lodeiro, 2024; Pajares, 2025). Mientras la proporción de la energía total que debemos a estos sistemas apenas puede apreciarse en las gráficas, la electricidad sigue sin alzarse por encima de la quinta parte del consumo energético total, y el mero incremento de la demanda de electricidad viene rebasando al de la instalación de capacidad renovable (Turiel, 2020: caps. 11 y 12; 2022: cap. 7; IEA, 2021a: 30, 34; 2023b: 22; 2024a: 21; cf. esp. 2025: 21; 2024b: 29).[4] El proyecto de electrificar nuestras economías no está exento, pues, de limitaciones y problemas fundamentales —en España y en la Unión Europea, el consumo de electricidad viene cayendo desde 2008.
Si bien no existe para el caso de la «transición energética» un consenso del tipo del que encarnan los informes del IPCC y el IPBES para el caso del cambio climático y la pérdida de biodiversidad, disponemos de numerosos datos y análisis que convergen en una composición de lugar cuyos contornos generales son los de la intersección entre termodinámica y recursos de stock. «No hay ninguna fuente energética alternativa, en solitario o en combinación, que pueda sustituir con iguales prestaciones al petróleo convencional y, mucho menos, al conjunto de los combustibles fósiles». Ninguna de las alternativas disponible comparte las características del petróleo: gran disponibilidad no intermitente, gran facilidad de almacenamiento y transporte, alta densidad energética, alta tasa de retorno energético y gran versatilidad de uso. Además de compartir al menos alguna de estas características, cualquier alternativa viable debiera tener un bajo impacto en una biosfera gravemente degradada y, finalmente, una varita mágica para sustituir toda la infraestructura contemporánea, diseñada para «una economía basada en combustibles fósiles y, especialmente, en el petróleo» (Fernández Durán y González Reyes, 2024: 107).
El ejercicio de imaginación necesario para atisbar a la vuelta de la esquina del milagro tecnológico fuentes de energía con rendimientos asimilables a los de los combustibles fósiles es ciertamente exigente. Y no bastaría con imaginación: haría falta además minería, y a gran escala. Según la Agencia Internacional de la Energía, la «transición energética» requeriría multiplicar en dos décadas por más de 7 la extracción de tierras raras, por 19 la de níquel, por 21 la de cobalto y por 42 la de litio (IEA, 2021b: 9). Éstos son sólo algunos de los minerales necesarios para la «transición» —deberíamos añadir aluminio, cadmio, cromo, cobre, estaño, galio, grafito, indio, hierro, magnesio, manganeso, molibdeno, plata, plomo, selenio, telurio, titanio, vanadio, zinc—, y nuestra capacidad de aprovechamiento de cualquiera de ellos no podrá sino verse comprometida por un proceso de declive análogo y paralelo al de los combustibles fósiles (Valero, Valero y Calvo, 2021). Los datos disponibles sugieren que la escasez de muchos de estos recursos no es un problema para el futuro lejano: «las fechas aproximadas de los picos de producción primaria son alrededor de 2041-2091 para el hierro, 2084-2130 para el aluminio, 2030-2072 para el cobre,[5] 2025-61 para el zinc, 2018-2128 para el plomo y 2030-2033 para el níquel […]. Las crecientes demandas podrían no ser satisfechas debido a limitaciones en la disponibilidad física de recursos o en la velocidad con la que se puede expandir la capacidad de producción dentro del siglo XXI» (Watari et al., 2021). «No podemos seguir diseñando un futuro que requiere cada vez más materia, más energía, y por tanto más extracción e impacto, como si los límites físicos no existieran, porque existen. Y si todos los países del mundo aspiraran a electrificar su economía al ritmo y con los estándares que plantean los planes nacionales actuales, simplemente no habría suficientes materiales para todos» (Valero, 2025).
Las implicaciones de esta coyuntura de declive energético y material para los imaginarios de desarrollo tecnológico indefinido no son difíciles de intuir. La sociedad de consumo que se implantó durante la Gran Aceleración —con creciente penetración de tecnologías avanzadas a bajo coste— se erigió sobre la base de una excepcional riqueza fósil que se agota ya —al ritmo actual, las reservas probadas de petróleo se disiparán en medio siglo— y cuyo aprovechamiento debiéramos abandonar cuanto antes para evitar escenarios infernales.
Un futuro de alta tecnología es un futuro a corto plazo y para unos pocos, un futuro de lucha por materiales escasos en el que pequeños sectores de la población mundial dilapidan la riqueza mineral del planeta en un parpadeo geológico tan breve como el que asistió a la Gran Aceleración. La expansión masiva de infraestructuras de IA generativa no es un proceso meramente técnico, sino una elección socioeconómica que reproducirá y exacerbará relaciones de poder y subordinación preexistentes. En este contexto, la plasmación efectiva de la fantasía extropiana de emancipación tecnológica no puede sino adoptar la forma de una menguante república supremacista que defiende con violencia sus fronteras del creciente caos entrópico que expulsa fuera de las mismas —y nada fundamentalmente diferente debe decirse de la utopía cibercomunista.
Referencias
Acs, Z. J., Audretsch, D. B. y Lehmann, E. E. (2013) «The knowledge spillover theory of entrepreneurship», Small Business Economics, 41(4), pp. 757-774.
Allen, R. C. (2011) Historia económica mundial. Una breve introducción. Madrid: Alianza, 2016.
Arias, A. (en prensa) Mente natural, mente artificial. Filosofía de las ciencias cognitivas. Madrid: Bauplan.
Boden, M. A. (2006) Mind as Machine: A History of Cognitive Science. Nueva York: Oxford University Press.
Bürbaumer, B. (2025) «El enfrentamiento entre China y Estados Unidos por el control digital», Viento Sur, 198, pp. 81-91.
Casal Lodeiro, M. (2024) Las verdades incómodas de la Transición Energética. Barcelona: Icària.
Challapally, A., et al. (2025) «The GenAI divide: State of AI in business 2025», MIT Nanda, julio.
Chang, H.-J. (2008) Bad Samaritans: The Guilty Secrets of Rich Nations and the Threat to Global Prosperity. London: Random House.
Chomsky, N. (1998) «Free trade and free market: Pretense and Practice», en F. Jameson y M. Miyoshi (eds.), The Cultures of Globalization, Durham: Duke University Press, pp. 356-370.
Chomsky, N. (1999) Profit Over People: Neoliberalism and Global Order. New York: Seven Stories.
Chomsky, N. (2000) Rogue States: The Rule of Force in World Affairs. Cambridge: South End Press.
Chomsky, N. (2017) «Neoliberalism: An accounting», Crotty Hall, Amherst, 13 de abril.
Durand, C. (2025) «El capitalismo demasiado tardío. Ernest Mandel en la era Trump», Viento Sur, 198, pp. 27-49.
Fernández Durán, R. y González Reyes, L. (2024) En la espiral de la energía. Vol. II: Colapso del capitalismo global y civilizatorio (4ª ed.). Madrid: Libros en Acción.
Fressoz, J.-B. (2024) Sin transición. Una nueva historia de la energía. Barcelona: Arpa, 2025.
García García, E. (2025) «La verdad tras el banquete: el pacto para el colonialismo digital», Público, 1 de octubre.
García-Olivares, A. & Beitia, A. (2019) «El progreso económico capitalista desde la Revolución Industrial hasta su actual crisis», Intersticios, 13(1), pp. 23-44.
Garzón Espinosa, A. (2025) «El Nobel del suicidio ecológico», eldiario.es, 22 de octubre.
IEA (2021a) Key World Energy Statistics 2021. París: International Energy Agency.
IEA (2021b) The Role of Critical Minerals in Clean Energy Transitions: World Energy Outlook Special Report. Paris: International Energy Agency.
IEA (2022) World Energy Outlook 2022. París: International Energy Agency.
IEA (2023a) World Energy Outlook 2023. París: International Energy Agency.
IEA (2023b) Electricity Market Report Update. Outlook for 2023 and 2024. París: International Energy Agency.
IEA (2024a) World Energy Outlook 2024. París: International Energy Agency.
IEA (2024b) Renewables 2024: Analysis and forecast to 2030. París: International Energy Agency.
IEA (2024c) Global Critical Minerals Outlook 2024. París: International Energy Agency.
IEA (2025) Global Energy Review 2025. París: International Energy Agency.
IMF (2025) World Economic Outlook: Global Economy in Flux, Prospects Remain Dim. Washington, DC: International Monetary Fund.
Kocka, J. (2013) Historia del capitalismo. Barcelona: Crítica, 2014.
Machado, D. y Louçã, F. (2025) «Nuevas y viejas oligarquías: las transformaciones en el régimen de acumulación del capital», Viento Sur, 198, pp. 66-81.
Maslej, N. et al. (2025) The AI Index 2025 Annual Report. Stanford: Stanford University.
Mazzucato, M. (2013) The Entrepreneurial State: Debunking Public vs. Private Sector Myths. Londres: Anthem Press.
Minsky, M. y Papert, S. (1969) Perceptrons: An Introduction to Computational Geometry. Cambridge: MIT Press.
Morozov, E. (2025) «Le numérique nous ramène-t-il au Moyen Âge?», Le Monde diplomatique, 857, pp. 1, 8-9.
Moscrop, D. (2025) «La inteligencia artificial no es una burbuja», ctxt, 19 de septiembre.
Pajares, M. (2025) «Qué hay de la transición energética diez años después del Acuerdo de París», Público, 7 de septiembre.
PBS (2025) Planetary Health Check 2025. Potsdam: Potsdam Institute for Climate Impact Research.
Steffen, W., et al. (2015) «The trajectory of the Anthropocene: The Great Acceleration», The Anthropocene Review, 2, pp. 1-18.
Thiel, P. & Masters, B. (2014) Zero to One: Notes on Startups, or How to Build the Future. Nueva York: Crown Business.
Turiel, A. (2020) Petrocalipsis. La crisis energética y cómo (no) la vamos a solucionar. Madrid: Alfabeto.
Turiel, A. (2022) Sin energía. Pequeña guía para el Gran Descenso. Madrid: Alfabeto.
Valero, A. (2025) «Materias críticas, transición energética y justicia global», 15/15\15, 10 de septiembre.
Valero, A., Valero, A. y Calvo, G. (2021) Thanatia. Límites materiales de la transición energética. Zaragoza: Universidad de Zaragoza.
Watari, T., et al. (2021) «Major metals demand, supply, and environmental impacts to 2100: A critical review», Resources, Conservation and Recycling, 164, 105107.
Notas
-
Para una aproximación a esa empresa científica y al papel de la IA en la misma, vid. Arias (en prensa). ↑
-
Con la reciente concesión de los «Nobel» de economía en perspectiva, es interesante notar —respecto de todo esto de la innovación y la historia económica— que la ceguera material que se le presupone a un historiador económico convencional puede perfectamente convivir con la ceguera histórica (Garzón Espinosa, 2025). ↑
-
«Las variaciones en el uso de combustibles fósiles han estado ampliamente vinculadas a las variaciones en el PIB durante décadas, y la demanda mundial de combustibles fósiles ha permanecido alrededor del 80% de la demanda total durante décadas» (IEA, 2022: 43; v. et. 2023a: 102). Es a esta proporción a la que se refiere Jean-Baptiste Fressoz cuando explica que «el imperativo climático no exige una nueva transición energética, pero sí que llevemos a cabo voluntariamente una enorme autoamputación energética: deshacernos en cuatro décadas de la proporción de la energía mundial —más de tres cuartas partes— derivada de los combustibles fósiles» (Fressoz, 2024: 32). ↑
-
Siendo generosos con los factores de carga a la hora de calcular la conversión de potencia en energía, las cuentas podrían estar empezando a salir —para cubrir ese mero incremento de demanda eléctrica, con los datos de 2023-2024. ↑
-
No está de más resaltar, dado el carácter central de este elemento en los actuales planes de electrificación, que la IEA no andaba desencaminada al estimar que en 2025 comenzaría a dejarse notar un déficit en el suministro primario de cobre —un déficit, añadía, que no hará sino ir en aumento en cualquiera de los escenarios de «transición» considerados (IEA, 2024c: 120). ↑
https://mientrastanto.org/250/notas/notas-sobre-economia-e-inteligencia-artificial/.
