Hasta ahora, el debate sobre la inteligencia artificial se ha centrado en la inteligencia: la capacidad del modelo, la rapidez con la que se entrena y la precisión con la que responde. Sin embargo, para 2026, la pregunta más difícil será si las empresas pueden permitirse mantenerlo en funcionamiento.

De acuerdo con un análisis de Adam Tarbox, vicepresidente y director general para el norte y el este de Europa y CIS de Nutanix, el verdadero desafío de la IA ya no es técnico, sino energético. La firma Deloitte prevé que la inferencia —el trabajo cotidiano que realiza la IA una vez que el modelo está entrenado— representará aproximadamente dos tercios de toda la capacidad de cálculo de IA empresarial este año.

Cada interacción con el cliente, cada comprobación de fraude, cada recomendación, cada respuesta de un chatbot y cada resumen de documentos se basa en la inferencia. Mientras que el entrenamiento se lleva a cabo en ráfagas puntuales que pueden presupuestarse en el marco de un proyecto, la inferencia es persistente, distribuida y cercana al usuario. Se convierte en parte de la carga de trabajo diaria de la empresa, con la correspondiente factura eléctrica.

Esto desplaza el reto empresarial de la creación de modelos a su correcta ejecución. La IA ya no es un experimento en manos de un equipo de innovación. Forma parte del funcionamiento diario de la empresa y requiere la misma resiliencia, gobernanza, seguridad y disciplina de costos que cualquier otro sistema crítico. La diferencia radica en la presión que ejerce sobre la infraestructura, especialmente en lo que respecta al consumo eléctrico.

Para los responsables tecnológicos, esto plantea preguntas incómodas: ¿cuánta capacidad está inactiva? ¿Se han desplegado las GPU donde realmente se necesitan? ¿Alguien puede ver la relación entre rendimiento, costo y consumo eléctrico? Son cuestiones que deben resolverse para que la IA sea sostenible a largo plazo.