INTRODUCCIÓN

La inteligencia artificial ha dejado de ser una promesa tecnológica para convertirse en el principal motor de transformación económica de la presente década. El presente artículo examina, desde una perspectiva técnica y de ingeniería, dos fenómenos simultáneos e interdependientes: la creciente demanda de energía eléctrica que los sistemas de IA imponen sobre las redes globales, y las proyecciones de rentabilidad que dichos sistemas generan en entornos empresariales concretos. Se analizan datos de consumo energético mundial de centros de datos, las estimaciones de organismos financieros de referencia como Goldman Sachs y la Agencia Internacional de la Energía, así como casos de negocio documentados  , entre ellos el despegue de Cursor AI como herramienta de codificación asistida con 2.000 millones de dólares anuales en ingresos recurrentes , . El artículo concluye que, si bien el cuello de botella energético representa un reto real de ingeniería de infraestructuras, existen soluciones técnicas viables y el retorno de inversión en IA para las empresas adoptantes resulta comprobable y sostenido.

LA IA COMO FACTOR MACROECONÓMICO ESTRUCTURAL

La irrupción masiva de la inteligencia artificial en el tejido productivo global no admite ya caracterización meramente especulativa. A diferencia de ciclos tecnológicos anteriores, el actual avance en IA genera efectos cuantificables y verificables sobre indicadores macroeconómicos de primer orden. En el caso de los Estados Unidos, el sector de tecnología vinculado a la IA representa en 2025-2026 uno de los pocos vectores de crecimiento capaces de compensar las tensiones recesivas derivadas de factores como el endurecimiento monetario y la contracción del consumo privado.

Esta realidad debe analizarse, sin embargo, con rigor técnico y sin abandonarse a un optimismo acrítico. La misma IA que promete transformar industrias enteras enfrenta restricciones físicas e infraestructurales que constituyen auténticos cuellos de botella de ingeniería: la disponibilidad y el coste de la energía eléctrica, la capacidad de transmisión de las redes, y la velocidad de construcción de nuevas infraestructuras de cómputo.

El presente artículo aborda ambas dimensiones: los desafíos energéticos que la IA impone sobre las redes globales, y las proyecciones de rentabilidad documentadas en sectores de negocio reales, con particular atención a la industria del software y la codificación asistida por IA.

CONSUMO ENERGÉTICO DE LA IA: ESTADO ACTUAL Y PROYECCIONES

El peso energético de los centros de datos

Los centros de datos constituyen la infraestructura física sobre la cual opera la inteligencia artificial. Su consumo eléctrico, históricamente estable durante la década de 2015-2020 gracias a las mejoras de eficiencia, ha iniciado una escalada sin precedentes desde la generalización de los modelos de lenguaje de gran escala (LLMs) y la computación de alto rendimiento orientada a IA.

Las estimaciones actuales sitúan el consumo eléctrico mundial de centros de datos en aproximadamente 415 teravatios hora anuales, lo que equivale al 1,5 % del consumo eléctrico global. Esta cifra viene creciendo a un ritmo del 12 % interanual, lo que implica una duplicación cada seis años aproximadamente. En términos de potencia instalada, Goldman Sachs Research estima que la demanda global de los centros de datos alcanza actualmente los 55 GW, con la IA representando un 14 % de ese consumo, la computación en la nube el 54 % y las cargas de trabajo tradicionales el 32 % restante.

El caso específico de Estados Unidos

Para el mercado estadounidense, las implicaciones son especialmente significativas. Las proyecciones indican que en los próximos años el país deberá añadir a su red eléctrica una capacidad de generación equivalente a cuatro veces la del estado de California. El ritmo de crecimiento de la demanda no se había observado desde la década de 1980, cuando la industrialización posfordista impulsó una expansión comparable.

Goldman Sachs Research ha advertido que, para finales de la presente década, la capacidad excedente de la red eléctrica estadounidense podría caer por debajo del umbral crítico del 15 % si el crecimiento del sector de IA continúa al ritmo actual. Esta situación configura un riesgo sistémico de ingeniería que afecta directamente a la competitividad tecnológica del país.

El precio de la electricidad industrial en EE. UU. refleja ya estas tensiones: de 13 centavos por kilovatio hora en 2021 ha ascendido a 19 centavos en 2025, una subida del 35 % en cinco años. Aunque la inflación general explica aproximadamente 25 puntos porcentuales de ese incremento, los 10 puntos restantes responden a la presión específica de la demanda de los centros de datos, lo que constituye un indicador adelantado del impacto estructural de la IA en los mercados energéticos.

“El próximo cuello de botella de la IA no son solo los chips. Es la red eléctrica de Estados Unidos.”  ,  Goldman Sachs Research

La paradoja de Jevons aplicada a la eficiencia energética en IA

Un error frecuente en los análisis de prospectiva energética consiste en asumir que las mejoras de eficiencia de los modelos y los chips de IA derivarán automáticamente en una reducción del consumo absoluto de energía. La economía de los recursos ofrece un contraejemplo histórico contundente: la paradoja de Jevons, documentada durante la Revolución Industrial con el carbón.

En el contexto de la IA, este fenómeno se reproduce con precisión: los nuevos chips de NVIDIA incrementan el consumo máximo por servidor, pero aumentan en mayor medida la velocidad de cómputo por servidor, resultando en una reducción de la intensidad energética por operación. Sin embargo, dicha reducción de coste unitario amplía el mercado y multiplica el número de agentes económicos que pueden acceder a la tecnología, elevando el consumo absoluto. Goldman Sachs estima que las proyecciones de consumo para 2030 ya incorporan estas mejoras de eficiencia, y el resultado proyectado sigue siendo un incremento del 165 % respecto a 2023.

RESPUESTAS TÉCNICAS AL DESAFÍO ENERGÉTICO

Expansión de la capacidad de generación

La respuesta estructural al déficit energético requiere ineludiblemente la construcción de nueva capacidad de generación. Entre 2010 y 2025, Estados Unidos incorporó aproximadamente 9 GW de gas natural adicionales por año; en el quinquenio 2025-2030 esta cifra se prevé duplicar. Sumadas las contribuciones de energía solar  , cuyo coste se sitúa actualmente en torno a 26 USD/MWh ,  y las primeras incorporaciones de energía nuclear orientada específicamente a centros de datos, las estimaciones apuntan a una capacidad adicional próxima a los 100 GW para 2030, sobre la base de proyectos con elevado grado de consolidación.

El mix de generación proyectado distribuye el 60 % del nuevo crecimiento entre gas natural  , con una composición aproximada de 40 % ciclo combinado y 20 % punta ,  y el 40 % restante entre renovables, con una participación de energía solar del 15-30 % y eólica del remanente.

Microredes e independencia de la red principal

Ante las limitaciones de los plazos de interconexión a la red eléctrica principal  , que pueden oscilar entre cinco años y varias décadas para ampliaciones de líneas de transmisión, los operadores de centros de datos han desarrollado arquitecturas de microredes independientes. Estas instalaciones, alimentadas principalmente por energía solar con respaldo de baterías y generación a gas natural, pueden construirse en plazos de dos años, convirtiéndose en una solución de ingeniería pragmática para la expansión acelerada de la infraestructura de IA.

Gestión inteligente de la demanda y flexibilidad operacional

Una solución de especial interés desde la perspectiva de la automatización industrial es la implementación de capacidades de demanda flexible en los propios centros de datos. La premisa técnica es precisa: las redes eléctricas requieren equilibrio instantáneo entre generación y consumo. Los centros de datos, dada su capacidad de diferir cargas de trabajo no críticas, pueden actuar como reguladores activos de la red.

Google ha pilotado esta estrategia mediante acuerdos operativos en Michigan y Tennessee, con experimentación a escala en Omaha. El hallazgo clave es que tan solo 85 horas anuales de reducción coordinada de carga  , menos del 1 % del total de horas del año ,  podrían liberar aproximadamente 100 GW de capacidad para la red general, sin afectar materialmente a la disponibilidad de los servicios críticos.

Adicionalmente, la Agencia Internacional de la Energía estima que la aplicación de modelos avanzados de IA para la optimización del software de gestión de redes eléctricas existentes  , sin necesidad de nueva infraestructura física ,  podría desbloquear 175 GW de capacidad adicional. Y la optimización del consumo energético en fábricas y minas mediante IA reportaría ahorros equivalentes al consumo eléctrico total de México.

RENTABILIDAD DE LA IA EN NEGOCIOS REALES: EVIDENCIAS Y PROYECCIONES

La codificación asistida como caso paradigmático

Si el debate energético ilustra las restricciones físicas del crecimiento de la IA, el mercado de herramientas de codificación asistida proporciona uno de los ejemplos más documentados de rentabilidad real y verificable de la tecnología en entornos empresariales.

Cursor, el asistente de codificación basado en IA desarrollado por Anysphere y fundado en 2022, alcanzó en febrero de 2026 una tasa de ingresos recurrentes anualizados superior a los 2.000 millones de dólares, duplicando su run rate en tan solo tres meses. Esta trayectoria sitúa a Cursor entre las empresas de software empresarial con mayor velocidad de crecimiento documentada en la historia reciente del sector.

El modelo de negocio de Cursor ha experimentado una transición estratégica que merece atención analítica: de un producto orientado inicialmente a desarrolladores individuales, la compañía ha pivotado hacia contratos corporativos que representan actualmente en torno al 60 % de los ingresos totales. Este patrón  , adopción inicial por usuarios técnicos individuales, consolidación posterior en grandes cuentas empresariales ,  es característico de las herramientas de productividad que alcanzan madurez de mercado.

El ecosistema competitivo en codificación IA

El éxito de Cursor no opera en el vacío, sino que forma parte de un ecosistema competitivo en rápida maduración. Anthropic ha lanzado Claude Code  , con una tasa de ingresos anualizados de 2.500 millones de dólares y más de 300.000 clientes empresariales; OpenAI ha presentado Codex como plataforma de desarrollo con ambición de competir con GitHub; y actores como Replit, Cognition y Lovable completan un mercado en explosión.

Este nivel de competencia activa, lejos de ser una señal de saturación, es indicativa de la validación del modelo de negocio: múltiples compañías con modelos de inversión sofisticados están apostando simultáneamente por el mismo mercado, lo que confirma la existencia de demanda empresarial real y sostenible.

La dinámica observada  , donde la pérdida de usuarios individuales de Cursor en favor de Claude Code fue más que compensada por la incorporación de clientes corporativos de mayor valor unitario ,  ilustra un principio fundamental del mercado B2B de software: la rentabilidad empresarial no depende del volumen de usuarios retail, sino de la profundidad del valor generado para grandes organizaciones.

Proyecciones de rentabilidad en otros sectores

Más allá del software, la IA está generando retornos documentados en medicina  , con el descubrimiento de 4.000 potenciales antibióticos nuevos en menos de doce meses mediante redes neuronales , , manufactura, logística y servicios financieros. La Agencia Internacional de la Energía proyecta que la optimización industrial mediante IA podría traducirse en ahorros equivalentes al consumo energético de economías enteras, lo que en términos de eficiencia operativa representa incrementos de rentabilidad estructural para los sectores adoptantes.

Las cinco principales empresas de EE. UU.  , Microsoft, Alphabet, Amazon, Meta y Apple ,  tienen proyectada una inversión combinada de 736.000 millones de dólares en infraestructura de IA durante 2025-2026. Esta cifra, que supera el PIB de países como Argentina o Polonia, es el indicador más contundente de la proyección de rentabilidad a largo plazo que los actores con mayor capacidad analítica del planeta asignan a la tecnología.

ANÁLISIS INTEGRADO: TENSIÓN ENTRE DEMANDA ENERGÉTICA Y RETORNO ECONÓMICO

La coherencia del análisis exige poner en relación los dos vectores estudiados: el coste energético creciente de la IA y su retorno económico proyectado. Una aproximación ingenua podría concluir que el incremento del coste de la electricidad socava la rentabilidad de las empresas de IA. Sin embargo, los datos disponibles apuntan a una conclusión diferente.

El gasto en electricidad representa actualmente en torno al 10 % del gasto total en microchips para las principales empresas del sector. Un incremento del 10 % en el precio de la electricidad en los últimos cinco años equivale, en términos relativos, a un ajuste marginal en la estructura de costes operativos, dado el crecimiento exponencial de los ingresos documentado en el mismo período.

La ventaja competitiva de China en materia de costes energéticos  , derivada en parte de subsidios energéticos que abaratan significativamente los costes operativos de sus centros de datos ,  es real, pero no determinante en el corto-medio plazo. Jensen Huang, CEO de NVIDIA, ha señalado que los subsidios energéticos chinos confieren una ventaja estructural a las empresas tecnológicas locales. Sin embargo, el análisis cuantitativo disponible sugiere que esta brecha no aumentará de forma significativa con el tiempo, y que no será el factor principal en la competencia tecnológica entre ambos bloques.

La electricidad más barata de China es una ventaja, pero el gasto en energía es apenas el 10 % del gasto en microchips. El diferencial no es determinante en la carrera de la IA.

CONCLUSIONES

Del análisis anterior se extraen las siguientes conclusiones de relevancia para profesionales de la ingeniería, la automatización y la gestión tecnológica:

1. El consumo energético de la IA es un reto de ingeniería de infraestructuras de primer orden, con una demanda proyectada de crecimiento del 165 % en centros de datos para 2030. Sin embargo, las respuestas técnicas disponibles  , microredes, gestión flexible de la demanda, nuevas fuentes de generación ,  son viables y están siendo implementadas.
2. La paradoja de Jevons anticipa que las mejoras de eficiencia energética de los chips y modelos de IA no reducirán el consumo absoluto, sino que ampliarán el mercado potencial. Las proyecciones deben incorporar este efecto de inducción de demanda.
3. La rentabilidad de la IA en entornos empresariales reales es documentable y sostenida. El mercado de codificación asistida  , con ingresos combinados superiores a 4.500 millones de dólares anualizados entre Cursor y Claude Code ,  constituye evidencia empírica de adopción empresarial masiva y retorno de inversión verificable.
4. El coste energético, aunque creciente, representa una fracción manejable de la estructura de costes de las empresas de IA. La ventaja competitiva de China en energía es real pero no determinante en el mediano plazo.
5. Para los profesionales de la ingeniería, las oportunidades de mayor valor se concentran en tres áreas: diseño de infraestructuras energéticas para centros de datos de nueva generación, desarrollo e implementación de herramientas de IA de productividad en entornos industriales, y optimización de redes eléctricas mediante algoritmos de IA.

Autor:

Ciro Edgardo Romero

Investigación, Desarrollo e Innovación

REFERENCIAS Y FUENTES

• Goldman Sachs Research. (2025). AI to Drive 165% Increase in Data Center Power Demand by 2030. Goldman Sachs Insights. https://www.goldmansachs.com
• Goldman Sachs Research. (2025). How AI Is Transforming Data Centers and Ramping Up Power Demand. https://www.goldmansachs.com
• International Energy Agency (IEA). (2024-2025). Electricity 2025: Analysis and Forecast to 2027. IEA Publications.
• Bloomberg News. (2 de marzo de 2026). Cursor’s Recurring Revenue Doubles in Three Months to $2 Billion. Bloomberg Technology.
• TechCrunch. (3 de marzo de 2026). Cursor Has Reportedly Surpassed $2B in Annualized Revenue. https://techcrunch.com
• Fortune. (21 de marzo de 2026). Cursor’s Crossroads: The Rapid Rise, and Very Uncertain Future, of a $30 Billion AI Startup. Fortune Magazine.
• Visual Economik. (2025). La IA y el colapso de la red eléctrica: ¿el mayor riesgo para Silicon Valley? [Transcripción de vídeo educativo]. VisualEconomik EN.
• US Energy Information Administration. (2025). Short-Term Energy Outlook. EIA.gov.
• Forbes / Anna Tong. (5 de marzo de 2026). Cursor Goes to War for AI Coding Dominance. Forbes Technology.
• Morgan Lewis. (2025). Artificial Intelligence and Data Centers Predicted to Drive Record High Energy Demand. Data Center Bytes Blog.