En mesos recents, milers de milions de dòlars flueixen cap a construccions que la majoria de la gent no veurà mai, ni entendrà. Són estructures gegants, ubicades al bell mig del desert de Texas o entre camps buits a Dakota del Nord, que consumeixen quantitats absurdes d'electricitat i estan plenes de màquines que ningú sabria com fer servir.
Són els nous centres de dades o data centers en anglès, on s'allotgen els anomenats models d'intel·ligència artificial, és a dir, sistemes informàtics que imiten el llenguatge, reconeixen imatges o creen textos. A simple vista, sembla el futur, però darrere d'aquesta allau de ciment, cables i entusiasme, s'amaga un perill que gairebé ningú veu.
L'entusiasme neix d'una idea simple: la intel·ligència artificial (IA) transformarà tot. Les empreses, els governs i els inversors estan convençuts que aquests sistemes es tornaran tan necessaris com el correu electrònic o els telèfons mòbils.
I com que per entrenar i fer funcionar aquests algoritmes cal capacitat de càlcul, tothom construeix la infraestructura abans que falti. El problema és que aquesta cursa no es dona en condicions normals. Succeeix enmig d'una febre especulativa, sense certeses sobre la demanda real, sense garanties sobre l'estabilitat tecnològica i sense prou claredat sobre qui pagarà per tot això.
Perquè s'entengui millor: entrenar un model d'IA, com els que permeten parlar amb un assistent virtual o generar imatges a partir d'una frase, requereix usar processadors especials anomenats GPU (unitat de processament gràfic, en anglès Graphics Processing Unit).
Empreses com Nvidia fabriquen aquests xips que consumeixen tanta electricitat i generen tanta calor que cal dissenyar edificis sencers només per mantenir-los en funcionament sense que es cremin. No és exageració, ja que un únic edifici pot usar tanta energia com una ciutat petita.
Ara bé, aquestes construccions, que abans s'elevaven en zones urbanes amb bona connexió a internet, ara s'aixequen en llocs remots només perquè hi ha sol o vent per generar electricitat més barata. Això estalvia costos, però introdueix un altre problema: estan tan aïllats que si alguna cosa falla, com una línia d'alta tensió o una ruta, no hi ha pla B.
No hi ha veïns, no hi ha recanvis a prop ni redundància. És com construir un aeroport internacional enmig de la selva només perquè el terreny és barat. Pot funcionar, fins que deixa de fer-ho.
Pitjor encara és la part financera. Tradicionalment, inversors costeaven aquests projectes comprant accions d'empreses especialitzades a construir i operar aquests centres de dades. Això implicava transparència, balanços públics i cert control. Avui, en canvi, la majoria d'aquestes capitalitzacions vénen de fons privats, bancs o fons sobirans; cosa que és gestió estatal dels diners d'un país.
Per tant, aquests operen amb discreció i moltes vegades amb apalancament, és a dir, usant deute per finançar una part important del projecte. En alemany, això s'anomena Fremdfinanzierung, i amplifica els riscos: si el projecte falla, no només perden els inversors, sinó també els prestadors, i hi pot haver efectes en cadena.
A això se suma un altre problema clau: els nous actors del sector. Ja no es tracta només de gegants com Amazon o Google, que tenen esquena financera i contractes de llarg termini. Ara apareixen desenes de noves empreses, moltes sense ingressos estables, prometent una revolució del mercat amb noves idees, però que desapareixeran en qualsevol moment si la demanda no creix com s'espera.
Són laboratoris d'IA o intermediaris que lloguen els seus xips a altres empreses, moltes vegades també fràgils. I tots depenen que el mercat de la IA creixi aviat. Si això no passa, el castell s'ensorra.
En aquest punt, convé explicar què s'entén per “entrenar” i “usar” un model. Entrenar, o trainieren, en alemany, significa carregar al sistema milions de dades en textos, imatges o sons, perquè aprengui a reconèixer patrons. És un procés car, que pot costar centenars de milions de dòlars i durar setmanes. Usar el model, en canvi, és més barat: per exemple, fer-li una pregunta a un chatbot o demanar-li que resumeixi un text.
El problema és que, per ara, el que més es construeix és capacitat d'entrenament, pensant en el pròxim model, no a operar els que ja existeixen. És a dir, s'infla la part més costosa i menys usada de tot el sistema.
Una altra paraula que mereix explicació és Veraltet, en alemany significa “obsolet”. Els centres de dades que avui es construeixen amb els xips més moderns quedaran desactualitzats en pocs anys si apareixen noves tecnologies demandant altres formats, sistemes de refrigeració o simplement un altre disseny.
I com que els llocs on es construeixen són abundants i barats, qualsevol empresa competidora pot aixecar-ne un de nou al costat, amb tecnologia més eficient, deixant l'anterior com un “actiu encallat”. En català planer: una inversió que no es pot recuperar.
Tota aquesta estructura s'arma amb una fe cega que el mercat s'acomodarà sol. Que si es construeix de més, eventualment s'usarà per a altres coses. I que si cauen algunes empreses, les grans absorbiran la pèrdua. Però això mateix es pensava als anys noranta, quan milers de quilòmetres de cables de fibra òptica es van enterrar creient que internet ho necessitaria tot.
I quan el creixement real no va acompanyar, va arribar la crisi amb empreses trencades, bancs amb forats enormes, treballadors acomiadats. El mateix pot passar aquí, amb una diferència: ara hi ha més actors, menys control públic i més diners involucrats.
L'entusiasme per la IA no és fals ja que hi ha avenços reals. Però una cosa és entusiasmar-se, i una altra és construir un sistema financer sencer basant-se en expectatives inflades. El que es veu en aquests mesos és una versió maquillada d'una vella història: quan tothom creu que “aquesta vegada és diferent”, el desenllaç sol ser el mateix, un esclat per culpa de la cobdícia desinformada.
Les coses com són