La semana pasada, en la Milken Global Conference de Beverly Hills, cinco personas que tocan cada capa de la cadena de suministro de IA se sentaron a hablar sin filtros. Chips, centros de datos en órbita, y una pregunta que nadie quiere hacer en voz alta: ¿y si toda la arquitectura sobre la que construimos esto está equivocada?
No era un panel cualquiera. Eran los arquitectos del sistema. Y dijeron que las ruedas empiezan a salirse.
Eso me parece más importante que cualquier anuncio de producto de este año.
El problema que nadie del sector quiere admitir
Llevamos años vendiendo una narrativa lineal: más datos, más compute, más inteligencia. Escala y ya. GPT-4 superó a GPT-3. GPT-5 superará a GPT-4. Infinito hacia arriba.
Pero cuando los propios constructores del sistema empiezan a señalar que la arquitectura subyacente podría ser incorrecta, la conversación cambia de naturaleza. Ya no estamos hablando de optimizar. Estamos hablando de si el camino que estamos siguiendo lleva a donde creemos que lleva.
Eso no es pesimismo. Es honestidad técnica. Y es exactamente el tipo de conversación que necesitamos tener más en público.
Los tres puntos de fricción reales
1. Los chips siguen siendo el cuello de botella que no se resuelve con dinero
Todo el mundo habla de chips como si fuera un problema de presupuesto. No lo es. Es un problema de tiempo, de cadenas de fabricación que no se improvisan, de litografía que no se duplica de un año para otro. Nvidia no puede fabricar H100s más rápido porque alguien le transfiera más capital. La física no negocia con los plazos de los inversores.
Y esto tiene consecuencias directas: las empresas que acceden antes al compute tienen una ventaja estructural que no tiene nada que ver con tener mejor tecnología. Tienen mejor acceso. Eso distorsiona el mercado de formas que todavía no estamos sabiendo medir.
2. La infraestructura está llegando a límites físicos absurdos
Centros de datos en órbita no es ciencia ficción de los 80. Es una conversación real que se está teniendo ahora mismo porque el consumo energético de entrenar modelos grandes está alcanzando cifras que chocan con la realidad de las redes eléctricas terrestres. Una sola pasada de entrenamiento de un modelo frontier consume más energía que lo que consume un pueblo mediano en un año.
Cuando el problema de tu negocio es "no hay suficiente electricidad en la Tierra", algo en el modelo de escalado tiene que cambiar.
3. Puede que la arquitectura Transformer no sea el destino final
Esta es la más incómoda. Todo lo que conocemos como IA generativa —GPT, Claude, Gemini, todo— está construido sobre la misma arquitectura base: los Transformers, que llevan con nosotros desde 2017. Nueve años de iteraciones sobre la misma base.
Que los propios líderes del sector empiecen a cuestionar si ese es el camino correcto no es un detalle menor. Significa que la carrera actual podría estar optimizando una dirección que tiene un techo. No sabemos dónde está ese techo. Pero empieza a ser visible.
Lo que esto significa para ti
Si eres una empresa que está apostando todo a "integrar IA" sin entender nada de lo que hay debajo, este es el momento de prestar atención.
No para paralizarte. Para tomar decisiones más inteligentes.
Las empresas que van a sobrevivir los próximos cinco años de IA no son las que más modelos han probado. Son las que entienden lo suficiente del sistema como para no quedarse atrapadas cuando las reglas del juego cambien. Y van a cambiar.
Cuando los arquitectos del sistema dicen en público que algo falla, lo que falla es la certeza con la que muchos estaban construyendo sus planes de negocio sobre una sola apuesta tecnológica.
La única respuesta inteligente
Diversifica tu comprensión, no solo tus herramientas.
No necesitas ser ingeniero. Pero sí necesitas entender qué es el compute, por qué los chips importan, qué significa que una arquitectura tenga limitaciones, y cómo eso afecta a las herramientas que usas hoy y a las que usarás mañana.
Eso es exactamente lo que enseñamos en CenteIA Education: no a usar prompts bonitos, sino a entender la IA lo suficientemente bien como para tomar decisiones con ella cuando el terreno se mueve. Y el terreno siempre se mueve.
Los que saben cómo funciona el sistema son los que mejor navegan cuando el sistema falla.