Por Pablo Defendini
El uso cotidiano de la inteligencia artificial plantea tres preguntas de soberanía: de quién son los datos, de quién es la infraestructura y de quién es el criterio. Detrás de su utilidad hay costos ambientales y cognitivos que no aparecen en la factura.
En el año 2023, mientras Montevideo bebía agua salada porque la sequía había vaciado las reservas y OSE mezclaba el suministro con agua del tramo bajo del Santa Lucía, salinizada por el Río de la Plata, el gobierno uruguayo negociaba con Google un centro de datos en Canelones que iba a consumir hasta 7,6 millones de litros de agua potable por día: el equivalente al consumo doméstico de 55.000 personas. La cifra no la divulgó el gobierno: la sacó el sociólogo Daniel Pena con una acción de acceso a la información pública contra el Ministerio de Ambiente, que había clasificado los datos como secreto industrial. “No es sequía, es saqueo” apareció pintado en paredes y pancartas en la calle. A fin de año Google volvió con un proyecto de un tercio del tamaño, enfriado por aire, que usa 48 metros cúbicos diarios para baños y cocinas. El agua se defendió a nivel de permiso de construcción.
Llevo más de un año usando herramientas de IA todos los días: para escribir, para traducir, para examinar documentos públicos que antes no hubiera tenido tiempo de revisar, para construir herramientas de tecnología que antes hubieran requerido un equipo entero. Las uso, pero no puedo dejar de pensar en lo que son. No en si la máquina piensa —no piensa, y el prospecto de que la máquina se despierte es más fiebre de ciencia ficción que amenaza material, en mi opinión— sino en qué le pasa a un movimiento político que decide usarla. Ahí las preguntas son tres, y las tres son de soberanía: de quién son los datos, de quién es la infraestructura, y de quién es el criterio.
Qué es la cosa
Un modelo de lenguaje no piensa ni comprende. Cuando le haces una pregunta a Claude, los servidores de Anthropic procesan cantidades masivas de contenido, identifican patrones estadísticos y predicen qué palabra o concepto viene después. Lo percibimos como inteligencia porque los seres humanos también somos máquinas de reconocer patrones: aprendemos a hablar escuchando y a escribir leyendo. Lo que le brinda verosimilitud al modelo es la escala y la velocidad. No es disimilar al efecto que desemboca en los muñequitos animados. Ahí tampoco es que la imagen se quede pegada a la retina —esa explicación lleva décadas descartada—: es que el cerebro, ante una serie de imágenes fijas lo bastante próximas entre sí, no las puede distinguir del movimiento real, y lo fabrica.
El costo que no aparece en la factura
Esa habilidad de procesar contenido a escala se construyó sobre algo concreto: décadas de escritura, arte, código, música y conversación que miles de millones de personas publicaron en internet entendiendo que contribuían a un bien común. Todo eso lo scrapearon, lo procesaron a escala industrial, y lo convirtieron en infraestructura privada que le genera ganancias a un puñado de accionistas. Las empresas se defienden diciendo que el material era público. Accesible, sí. Pero bajo el régimen de propiedad intelectual que impera en nuestra sociedad, accesible no es lo mismo que cedido. Que yo pueda entrar y disfrutar de una plaza del pueblo no me da el derecho de llevarme los adoquines para casa.
Para América Latina esto no tiene nada de novedoso. Es la dinámica de siempre con un territorio nuevo: la materia prima sale (esta vez son nuestros textos, nuestras fotos, nuestras conversaciones, los datos de nuestra gente) y el producto terminado regresa como dependencia técnica, cobrada en dólares, bajo unos terms & conditions que podemos leer (si tenemos horas o le podemos pedir a un LLM que nos lo resuma), pero no negociar. El territorio ahora es el internet, y lo estamos exportando sin regalías.
Cada respuesta de un chat consume agua en un centro de datos y electricidad de una red que probablemente todavía quema combustibles fósiles. Cerca de la mitad del tantalio del mundo —el metal de los condensadores— sale de las minas del Congo; el litio sale del altiplano andino, bombeando salmuera más rápido de lo que los acuíferos se recargan, y el suelo del Salar de Atacama se hunde uno o dos centímetros al año. Nada de eso aparece como saldo en la suscripción de ChatGPT de veinte dólares. Los costos existen, pero los paga otra gente, en otro lugar, fuera del recibo. Y la infraestructura todavía no demuestra que pueda pagarse sola: corre sobre capital especulativo —unos setecientos mil millones de dólares en centros de datos solo este año. Cuando esa burbuja explote, los accionistas van a perder valor en papel y los territorios se van a quedar con el acuífero vacío. Un banco rescatado vuelve a prestar. Un acuífero drenado se queda seco.
Es importante señalar que este consumo desmedido de los recursos finitos de nuestro planeta es una decisión económica y política, no una característica intrínseca de la tecnología. A principios de 2025 DeepSeek, una empresa china que opera bajo sanciones y sin acceso a los chips más avanzados, publicó un modelo comparable al de los líderes norteamericanos, entrenado con una fracción de los recursos. La restricción produjo la eficiencia y la innovación. Desde entonces hemos visto que muchos de los modelos abiertos que se han ido desarrollando continúan incrementando su eficiencia. Ese patrón se ve una y otra vez en el desarrollo de la tecnología: el día que los costos reales entran en la ecuación, ya sea por regulación o por límites técnicos (aunque nunca por buena voluntad), la industria descubre que siempre supo usar los recursos de forma eficiente.
Encima del costo material también está el costo cognitivo, comenzando por la opacidad. Un modelo comercial no explica por qué contestó lo que contestó, y la empresa que lo opera no tiene obligación de explicártelo. Sin embargo, es harto sabido que las motivaciones de las empresas comerciales no siempre se alinean con las motivaciones de un usuario individual. Un estudio de Princeton puso a dos mil personas a escoger libros con la ayuda de un asistente conversacional. Cuando al modelo se le instruyó que empujara ciertos productos, los participantes escogieron el producto patrocinado el 61% de las veces, contra el 22% de una búsqueda tradicional. Menos de uno de cada cinco se dio cuenta de que lo estaban dirigiendo; cuando el modelo escondía la intención, menos de uno de cada diez. Esa opacidad en general no es beneficiosa para la sociedad. Pero particularmente en contextos críticos, como el trabajo político, se convierte en un sesgo con consecuencias serias.
Para qué sirve
A pesar de estos problemas, los movimientos democráticos alrededor del mundo estamos usando estas herramientas de todas maneras. Es que, en la concreta, funcionan: en organizaciones que corren con voluntarios, sin presupuesto y con la gente haciendo tres trabajos, usarlas efectivamente resuelve varios problemas sustanciales.
El primero es la comunicación. Un comunicado, un guion, el borrador de una columna, la versión corta para redes de algo que se escribió largo. Y con la comunicación viene la traducción, que para nosotros no es cosmética: un documento que sale en español, portugués y en inglés el mismo día llega a la diáspora, a la prensa de afuera y a las organizaciones con las que uno quiere articular. Antes eso tomaba una semana, o contaba con una persona que no teníamos.
Después está la investigación. Un contrato de doscientas páginas, un presupuesto municipal, oposition research, un proyecto de ley, tres años de actas. Trabajo que un periódico hace con un equipo y que una organización pequeña sencillamente no hacía. No porque no le importara, porque no daba el tiempo. Ahora sí da.
Y por supuesto, construir. He montado en un fin de semana herramientas que hace cinco años hubieran requerido contratar a un desarrollador de software y organizar tres meses de trabajo. Esa es la parte que más me entusiasma y la que más me preocupa: lo que se construye así se construye encima de la API de otro. Está bien para una herramienta inocua, pero cuando se trata de analizar datos electorales, manejar información privada de votantes o documentos de estrategia política, me da mucho más trabajo confiar que el hoyo negro es igual de negro para todo el mundo.
No hay forma limpia de resolver estas contradicciones. Como todo, esta tecnología tiene sus luces y sus sombras. Lo que sí tenemos es la obligación de mirar esos contornos de frente, porque la dependencia no se anuncia. Empieza como una herramienta que llega barata y resuelve un problema real. Jugando y jugando se vuelve parte del flujo de trabajo. Para cuando el precio sube o la cuenta se suspende ya le construiste años encima y estás atrapado.
Terreno ajeno
Por el momento, todas estas decisiones se toman en otro sitio. El modelo se entrenó con nuestro trabajo, pero nadie nos pidió permiso. Los minerales, el agua y la corriente salen de nuestros territorios, dejando solo desiertos. La herramienta contesta según le convenga a quien la opera y no hay cómo auditarla. Y aun así sirve. Y por eso la usamos.
La palabra para lo que nos falta ahí es soberanía —la capacidad de decidir, pieza por pieza, si dependemos o no, y de quién dependemos—.
La primera es la de los datos: qué información tuya vive en una máquina que no controlas. Los modelos más potentes son propiedad de un puñado de corporaciones estadounidenses. Las APIs por las que llegamos a ellos son infraestructura privada: los terms and conditions cambian cuando la empresa quiere, la factura viene en dólares y los datos viajan a jurisdicciones donde tu gente no tiene derechos.
Lo que entra en un sistema comercial cada vez que usas ChatGPT, Gemini, Meta o Claude no es privado por defecto. La mayoría de estos servicios usan tus conversaciones para “mejorar el modelo” por defecto, y la excepción hay que buscarla en la configuración. La línea no la marca el precio sino el tipo de cuenta: OpenAI no entrena con los datos de sus clientes empresariales, pero sí con los de ChatGPT, planes de pago incluidos. Google entrena con Gemini pagues o no. Anthropic es la excepción: en Claude el consumo no entrena a menos que lo autorices. La lista de militantes que pasaste por un chat para limpiarle el formato ahora existe en un servidor que no controlas, bajo leyes que no son las tuyas, en manos de una empresa cuya política de cooperación con gobiernos puede cambiar con la próxima elección. Para movimientos que trabajan bajo vigilancia o represión, y en este continente son muchos, eso es un riesgo operacional inaceptable.
Terreno local y la soberanía a medias
La regla es sencilla: lo que nunca sale de tu máquina no hay quién lo entregue, lo filtre, lo delate, ni lo cite en un tribunal. Una organización con algunos recursos puede hoy correr un modelo de pesos abiertos (Mistral, Qwen, Llama y otros) en una computadora local y procesar ahí adentro lo sensible: listas, estrategia, finanzas, comunicación interna. Los servicios comerciales quedan para lo que ya es público o lo va a ser: el borrador del comunicado, la traducción del artículo. Existen “arneses” que se encargan de darle el trabajo correcto al modelo correcto.
La capacidad local, por el momento, sigue siendo modesta. Pero la ventana se abre, no se cierra: los modelos que alcanzan una capacidad dada se vienen achicando a ritmo constante, y lo que hace dos años exigía un centro de datos hoy corre en un equipo de escritorio, en algunos casos en un teléfono. Quien compra equipo hoy compra una máquina que el año que viene va a hacer más que este. Sigue haciendo falta conocimiento técnico para montar la infraestructura, pero no hace falta un departamento de sistemas. Lo que sí es imprescindible es tener claridad sobre qué información te puede hacer daño si cambia de manos y la disciplina de tratarla de forma distinta.
Y con el equipo propio viene algo más: la factura de la luz. Hasta aquí el costo lo ha pagado otra gente, en otro lugar, fuera del recibo. Una máquina en tu oficina lo pone en el tuyo, que suena peor y es mejor, porque un costo que ves es un costo sobre el que puedes decidir. En Puerto Rico ya sabemos hacer eso, aunque vamos lento: al cierre de 2025 había 191.929 sistemas solares en techos —el 20% de toda la capacidad de generación del país— y más de 171.000 hogares y comercios con baterías, montados uno por uno porque la red falla. Cómputo que corre con eso no necesita que ninguna corporación le prometa neutralidad de carbono a diez años: la prueba está en el techo. Eso no borra lo que ya se gastó en entrenar el modelo, que se gastó lejos y con recursos de otro. Pero por lo menos cambia lo que viene de ahí en adelante.
La soberanía sobre el software sin soberanía sobre el hardware es soberanía a medias. Latam-GPT, el modelo abierto que coordina el CENIA chileno con más de sesenta instituciones de quince países, va en la dirección correcta. Pero está construido sobre Llama, de Meta, y se entrenó en la nube de Amazon.
Por otro lado, Brasil, con su plan de 23.000 millones de reales y un supercomputador público, está por lo menos intentando atender la situación.
Son esfuerzos incipientes, incompletos, e insuficientes, y existen porque alguien decidió que depender para siempre de corporaciones era inaceptable. En Puerto Rico sabemos lo que cuesta no controlar la infraestructura propia: lo aprendimos con la electricidad y con el agua, y lo seguimos aprendiendo cada vez que una decisión sobre nuestra vida se toma por una junta colonial donde no estamos representados. El cómputo es un capítulo más de esa historia.
El plomo antes que el píxel
Queda la tercera soberanía, que es la más difícil de defender porque no se pierde de golpe. Cuando hice mi bachillerato en diseño gráfico, mi primera profesora de tipografía no nos dejó tocar una computadora durante el primer semestre. En vez, trabajamos con tipos de plomo, componiendo palabra por palabra, para la impresión física. Cuando llegamos al software entendíamos la lógica, paso por paso, de lo que la herramienta hacía por nosotros tras bastidores y, más importante, lo que nos ocultaba. Esa regla es tan vieja como cualquier oficio: la cosa fundamental antes del atajo que la abstrae. Las tablas de multiplicar antes que la calculadora.
En una organización, ¿puede la IA hacer la tarea? Casi siempre. Lo que importa es qué perdemos si se la quitamos de las manos a una persona. Transcribir tres horas de asamblea no lo va a extrañar nadie. Pero el resumen político de esa asamblea, qué se decidió de verdad, qué tensión quedó abierta, es el trabajo donde se forma el criterio que la organización va a necesitar en cinco años. Una organización donde nadie redacta porque el modelo redacta está perdiendo, en silencio, la capacidad de pensar por sí misma. Y una organización que no piensa por sí misma es una organización acéfala.
Eso no se resuelve con una prohibición ni con buena fe individual. La organización en la que milito lleva meses discutiendo el asunto en serio, y lo primero que decidió fue no dejarlo al criterio de cada quien: convocar una plenaria, clasificar los usos principales uno por uno, y salir de ahí con una política escrita que obligue a todo el mundo. No sé todavía dónde va a quedar la línea final, si es que la habrá. Es muy probable que la conversación, junto con las guías de uso que salgan de ellas, continúen evolucionando al pasar el tiempo con los avances en la tecnología. Pero sé que el ejercicio de trazarla colectivamente ya hizo algo que ninguna herramienta hace: obligó a la militancia a mirar detrás de la cortina, y a articular qué es lo que estamos delegando.
Estar en la mesa
Nada de esto se sostiene solo con lo que haga cada organización por su cuenta. Los marcos regulatorios se están escribiendo (o no) ahora, en Bruselas, en Washington y en Beijing, en mesas donde el Sur no está. Las reglas del comercio, de la propiedad intelectual y del sistema financiero se escribieron de la misma forma, y llegaron después como condiciones no negociables. La diferencia es la velocidad: esta encerrona se culmina en años, no en décadas.
Chile muestra las dos caras de esa pelea. En febrero de 2024 el Segundo Tribunal Ambiental anuló parcialmente el permiso del centro de datos de Google en Cerrillos, que iba a sacar 169 litros por segundo de un acuífero de Santiago y ordenó evaluar los efectos del cambio climático; Google retiró el proyecto para rediseñarlo. Sin embargo, luego, en enero de 2026, el gobierno modificó el decreto que regula la evaluación ambiental y subió los umbrales justo donde hacía falta para que los centros de datos no tengan que evaluarse. El Cerrillos rediseñado, que ya no usa agua, almacena 695,9 toneladas de combustible y tiende 0,4 kilómetros de línea eléctrica: justo por debajo de las mil toneladas y los dos kilómetros que fijó el decreto nuevo. Ya no tiene que evaluarse. El 20 de agosto, cinco organizaciones y un abogado ambiental le pidieron a la CIDH que le exija información al Estado chileno. Ese patrón tiene historia: en 1949 un jurado federal condenó a General Motors y a sus socios por conspirar para monopolizar la venta de buses y equipo a las compañías de transporte que controlaban, y los absolvió del cargo de haberse conspirado para hacerse de esas compañías. La multa fue de cinco mil dólares —el máximo que la Ley Sherman permitía desde 1890—. Cuando la ganancia de romper la regla supera la sanción, romper la regla es la decisión racional dentro del marco del capital.
Las demandas no son abstractas y se pueden ganar a nivel de país, de municipio, hasta de permiso de construcción. Que toda empresa que quiera instalar un centro de datos publique cuánta agua y electricidad va a consumir antes de recibir el permiso y que ningún decreto la exima de evaluación. Que los datos de tu gente no puedan procesarse en jurisdicciones donde no tienen derechos. Que se prohíba la vigilancia algorítmica de trabajadores. Que las empresas divulguen con qué entrenaron sus modelos y paguen por el trabajo que usaron, al autor y no al intermediario. Y que nuestra sociedad invierta en infraestructura pública de cómputo, operada como servicio público igual que la biblioteca o la red eléctrica, con prioridades decididas colectivamente. Existe ya en versión de laboratorio. Current AI, una organización sin fines de lucro con sede en Francia, armó en menos de dos meses y con diez organizaciones un chatbot abierto que corre sobre cómputo público soberano suizo y que enseña, capa por capa, de dónde salió cada respuesta. Es chiquito y es un prototipo. Pero ya no es una idea.
Nada de esto se decide preguntando si la inteligencia artificial es buena o mala. Se decide en permisos, en decretos, en qué corre en la máquina propia y quién se sienta en la mesa a decidir.
En Canelones el centro de datos ya está casi terminado. Más chiquito, enfriado por aire y en el mismo sitio. En julio, cuatro familias vecinas pidieron anular su permiso ambiental: ya no por el agua, sino por el ruido y las luces. Esa es la forma que tienen estas victorias: parciales, aburridas, ganadas a nivel de permiso, y hay que volver a pelearlas el año que viene. Ninguna resuelve el asunto de una vez, y la contradicción no cierra. Entre esperar a que esta tecnología se vuelva justa por su cuenta y disputarle el terreno mientras se construye, me quedo con disputarlo.
Pablo Defendini (Puerto Rico) es diseñador, editor y estratega político, ha lanzado y dirigido publicaciones en Puerto Rico y Estados Unidos. Fue subdirector de Comunicaciones del Movimiento Victoria Ciudadana en 2024. Actualmente edita El Diario (eldiario.pr), donde escribe la columna semanal La semana, y trabaja en Centella con movimientos y liderato político del Sur Global.
