Esta semana, Sam Altman, director ejecutivo de OpenAI, lanzó una analogía en la Cumbre de Infraestructura Estadounidense de BlackRock: "El futuro que vemos es que la inteligencia se convertirá en una utilidad pública, como la electricidad o el agua, y la gente nos comprará según la cantidad utilizada."
Esta idea no es nueva. El concepto de "IA como utilidad pública" se remonta al menos a una década. Pero esta vez, la formulación de Altman tenía un sujeto y una dirección claros: "Comprarnos según la cantidad utilizada". Específicamente, significa facturar por token y comprar inteligencia a OpenAI.
Inmediatamente después, las críticas se acumularon rápidamente en plataformas como Reddit y X. Un comentario ampliamente compartido decía: "Alimentaron sus modelos con nuestras vidas y creatividad, pisoteando las leyes de derechos de autor, y ahora quieren vendernos esas mismas cosas de vuelta en forma de utilidad pública."
Lanzar una gran narrativa dirigida al mercado de capitales y desencadenar un interrogante ético proveniente de la comunidad de creadores. Este artículo no juzga la motivación del orador ni predice el curso de los litigios legales. El interés central aquí es: ¿se sostiene esta analogía de "utilidad pública" a nivel lógico, ético y comercial? Desglosar esta metáfora puede ayudarnos a ver las contradicciones profundas que están ocurriendo en la industria de la IA.
Desglose narrativo: Por qué "utilidad pública"
Para entender la intención de esta analogía, es necesario regresar al contexto de las declaraciones de Altman.
Según informes de Business Insider y la transcripción de la reunión por Rev, el punto de partida de la postura de Altman no fue el lanzamiento de un producto ni una hoja de ruta tecnológica, sino una advertencia sobre un "cuello de botella de potencia de cálculo". Dejó claro en la cumbre que si no se construyen suficientes instalaciones de computación ahora, podrían ocurrir tres resultados en el futuro: escasez de servicios de IA que provoque un aumento de precios, que solo los ricos puedan costearlos, o que el gobierno tenga que intervenir para distribuirlos.
En otras palabras, la analogía de "utilidad pública" es, en primer lugar, una narrativa dirigida a inversores en infraestructura, no un plan de precios para los usuarios finales.
Envasar la IA como agua y electricidad tiene una lógica comercial clara. El agua y la electricidad son industrias de activos intensivos, ciclos largos y flujos de efectivo estables, naturalmente adecuadas para la estructura de capital de fondos de pensiones y de infraestructura. Cuando OpenAI necesita convencer a gigantes de la gestión de activos como BlackRock para que financien proyectos de centros de datos por billones de dólares, "IA como utilidad pública" es más fácil de aprobar por los comités de inversión que "IA como producto tecnológico".
Este juicio no es una especulación. Greg Brockman, presidente de OpenAI, mencionó que la compañía necesitará compromisos de inversión en centros de datos por aproximadamente 1.4 billones de dólares en los próximos ocho años. Aunque la estructura específica de esta cifra y su progreso de implementación aún están pendientes de verificación, es suficiente para indicar que la "utilidad pública" en boca de Altman está dirigida principalmente al mercado de capitales, no a los usuarios finales.
¿"Construcción incremental" o "reorganización del stock"?
La ira de los críticos se centra en una diferencia fundamental que la analogía de "utilidad pública" enmascara.
El agua y la electricidad son una "construcción incremental". Los humanos construyen represas, instalan tuberías y levantan redes eléctricas, creando capacidad de suministro que no existía originalmente en la naturaleza. La inversión se utiliza para construir nuevos activos físicos que no dependen del trabajo previo de nadie más.
El entrenamiento de modelos de IA es una "reorganización del stock". Los datos de entrenamiento de los modelos de la serie GPT provienen del rastreo masivo de contenido público en la web, que abarca libros, artículos, obras de arte, publicaciones en foros, repositorios de código e incluso registros de conversaciones privadas de usuarios en redes sociales. Estos son la acumulación de décadas de creación humana, la gran mayoría sin la autorización de sus creadores y sin pagar ningún derecho de autor.
Un autor de Medium escribió: "Intentan comprimir décadas de creación colectiva humana en una mercancía y luego, bajo el nombre de utilidad pública, volver a ponerle precio y vendérnosla por token a quienes originalmente proporcionaron la materia prima de forma gratuita."
Esto no es un desahogo emocional, sino una identificación precisa de la lógica de propiedad. La "materia prima" de las empresas de servicios públicos como el agua y la electricidad o se construye a sí misma (represas que almacenan agua) o se compra a precios de mercado (carbón, gas). La "materia prima" que obtienen las empresas de IA en la fase de entrenamiento está, legalmente, en un terreno ambiguo de "uso justo" (Fair Use), y comercialmente no ha generado ninguna transferencia de costos.
Este modelo de "obtener gratis, vender caro" hace que la "utilidad pública" en los ojos de los críticos suene más a "acaparamiento de tierras": primero apropiarse de los recursos del dominio público, construir un muro a su alrededor y luego cobrar una tarifa de entrada a quienes originalmente los usaban.
La distancia entre la tarificación por Token y el servicio universal
Incluso dejando de lado la controversia sobre el origen de los datos, la premisa "IA como utilidad pública" es difícil de sostener en términos de mecanismo de precios.
Las verdaderas utilidades públicas, como el agua, la electricidad y el gas, tienen en la mayoría de las economías la obligación de brindar "servicio universal" (Universal Service). Los organismos reguladores gubernamentales les exigen garantizar el suministro básico para la vida, y su mecanismo de precios generalmente se basa en el "costo más un margen", con tasas de beneficio estrictamente restringidas. El precio de la electricidad residencial no varía según si su uso es para encender una bombilla o para hacer funcionar un servidor.
La tarificación por token de la IA es completamente diferente. Según datos de KongHQ sobre el coste empresarial de la IA y análisis de Artefact, el precio absoluto por token ha caído alrededor del 75% en el último año, pero el gasto real en IA de las empresas no ha disminuido sino aumentado, porque el crecimiento en el volumen de uso supera con creces la caída del precio. Este modelo de "precio unitario bajo, precio total alto" se ha denominado "ilusión del costo del token".
Más reveladora es la diferencia estructural en las tarifas por token. El precio de un token de salida suele ser de 3 a 10 veces superior al de un token de entrada. La misma cantidad de información, "leer" cuesta mucho menos que "escribir" para la IA. Si envías un documento a la IA para que lo resuma, la fase de entrada es casi gratuita, pero cada palabra del resumen generado está en una zona de tarifas altas.
La lógica de tarifas de la red eléctrica pública es: la electricidad en sí es homogénea, 1 kWh cuesta lo mismo para un refrigerador que para un servidor. La lógica de tarifas por token de la IA es: el servicio en sí se desglosa en enormes diferencias de precio, y estas diferencias son definidas unilateralmente por el proveedor.
En otras palabras, esto no se llama tarificación de utilidad pública, se llama tarificación discriminatoria según el volumen de uso. No tiene como objetivo que todos puedan acceder a la inteligencia, sino extraer los ingresos máximos del volumen de consumo de inteligencia.
La zanja del "Uso Justo" se está debilitando
Aunque las voces críticas son fuertes, a nivel legal, la situación de las empresas de IA en cuanto a los datos de entrenamiento no es tan frágil como parece en la superficie.
Según el informe "Tendencias de IA 2026" publicado por el bufete de abogados Morrison & Foerster y el seguimiento de litigios de derechos de autor en IA de Norton Rose Fulbright, los tribunales estadounidenses tienden actualmente a considerar que el entrenamiento de modelos de IA general tiene un "alto carácter transformador", por lo que es más fácil cumplir con el estándar legal de "uso justo" (Fair Use). La decisión a mediados de 2025 en la que Anthropic logró convencer al tribunal para desestimar una demanda por derechos de autor, aunque los detalles están pendientes de verificación, se ha convertido en una fuente importante de confianza para la industria de la IA.
Sin embargo, la zanja legal está siendo erosionada en la lógica comercial por las propias acciones de la industria de la IA.
Un análisis de TechPolicy.press señala que, a medida que las empresas de IA comienzan a comprar a gran escala datos de entrenamiento con licencia, como los acuerdos de OpenAI con Reddit, News Corp, etc., la defensa de que "el rastreo gratuito equivale a uso justo" se está debilitando de manera contradictoria. Si los datos de entrenamiento realmente pueden ser "usados justamente" sin distinción, ¿por qué gastar grandes sumas en comprar licencias de fuentes específicas? Si los poseedores de los datos realmente no tienen derecho a reclamar, ¿cuál es la base legal de estos acuerdos de licencia?
El acto de comprar en sí constituye una negación comercial de la premisa de que la "materia prima es gratuita".
Volviendo a la "teoría del agua y la electricidad" de Altman, esta contradicción se vuelve más aguda. Las empresas de agua y electricidad no enfrentan preguntas colectivas como "¿es legal la forma en que obtuvieron su fuente de agua?" cuando construyen infraestructura. Sin embargo, cuando las empresas de IA afirman ser la próxima generación de utilidades públicas, la pregunta "¿de dónde proviene la materia prima?" aún no tiene una respuesta convincente.
Convertirse en infraestructura necesita resolver el problema de distribución
La "teoría del agua y la electricidad" de Altman capta una tendencia real en el desarrollo de la IA. Los grandes modelos están pasando de ser productos de laboratorio a capacidades subyacentes, incorporadas en motores de búsqueda, software de oficina, herramientas de diseño e incluso procesos industriales. Cuando la IA está en todas partes, de hecho se acerca funcionalmente a la "infraestructura".
Pero las tres grietas de esta analogía en la etapa actual de evolución no deben pasarse por alto.
Primero, la grieta de propiedad. El agua y la electricidad crean un incremento, la IA reorganiza el stock. La reorganización en sí tiene valor, pero su premisa es que "el stock puede usarse gratuitamente", una premisa que no ha logrado consenso moral ni confirmación legal definitiva.
Segundo, la grieta de precios. El "servicio universal" de las utilidades públicas implica bajos márgenes de beneficio y precios no discriminatorios, mientras que la tarificación por token es de mercado, estratificada y definida unilateralmente por el proveedor. Ambas lógicas comerciales apenas se intersectan.
Tercero, la grieta de gobernanza. La industria del agua y la electricidad tiene organismos reguladores independientes, cálculos de costos transparentes y mecanismos de audiencias públicas sobre precios. La industria de la IA actualmente carece de cualquier marco de gobernanza pública; las reglas de "pago por uso" las establecen de forma independiente unas pocas empresas.
Para el usuario común, la tendencia de pago por uso de la IA no cambiará a corto plazo. Los beneficios de la caída del precio del token continúan, pero "el uso cada vez mayor" también compensará ese beneficio. Se recomienda que al elegir herramientas de IA, no solo se preste atención al precio unitario, sino que también se evalúen las tendencias de cambio en el volumen de uso real.
Para los desarrolladores y clientes empresariales, la controlabilidad de los costos en escenarios de alto consumo de tokens, como la generación de código o el análisis de textos largos, merece más atención que el precio unitario. Depender del sistema de precios por token de un solo proveedor significa que la estructura de costos está completamente sujeta a su voluntad.
Para los creadores, la propagación de la narrativa de "IA como utilidad pública" es en sí misma una señal: la probabilidad de que tu obra se utilice para el entrenamiento está aumentando, y aún no ha surgido un mecanismo para obtener una retribución. Convertir la industria en infraestructura no debería consistir solo en que las empresas de modelos se conviertan en la próxima compañía eléctrica, sino que también debería incluir el establecimiento de mecanismos de distribución de ingresos por datos razonables y rastreables.
La realidad actual es: la IA se está convirtiendo en infraestructura, pero aún no es una utilidad pública. El título de lo último necesita más elementos para respaldarlo, no solo la escala de computación y la tarificación por token.
