La IA te quiere vender la moto

Intimidad sintética, seducción antropomórfica y mercantilización de la conversación

En la actual coyuntura tecnocultural, nos enfrentamos a una paradoja que cristaliza el espíritu de nuestra época. A la vez, estamos asistiendo a una crisis de soledad endémica en las sociedades postindustriales y a la emergencia de una tecnología capaz de simular, con una fidelidad perturbadora, la presencia de un “otro” que nos acompaña en nuestros mejores y en nuestros peores momentos. La inteligencia artificial generativa (vamos, la IA), encarnada en los LLM actuales (ChatGPT, Gemini…), ha dejado de ser una simple herramienta de recuperación y edición de información para convertirse en algo más, en algo parecido a un interlocutor ontológico. Todos nosotros ya no “buscamos” en la red, sino que en muchos casos “conversamos” con ella, y en esa transición del comando a la charla, de la sintaxis de búsqueda a la semántica de la confesión, abrimos las puertas a nuevas formas de extracción de valor económico que en los próximos párrafos, desde un punto de vista siempre hipotético, propongo diseccionar.

Que no te la den con queso. (Fuente: RAE)

Para ello, recupero una expresión coloquial española (vender la moto o la burra) que denota el acto de persuadir mediante el engaño o la exageración, para aplicarla a una realidad literal y materialista. Mi tesis es que la intimidad artificial (esa sensación de ser comprendido, escuchado y validado por la máquina) no es un subproducto accidental del avance tecnológico, sino la condición sine qua non para la viabilidad financiera de la industria de la IA. Vamos, que necesitan que sigamos dialogando con las máquinas íntimamente para que puedan facturar, porque ante unos costes operativos que desbordan cualquier previsión lógica y unos modelos de suscripción insuficientes para cubrirlos, pronostico que las corporaciones tecnológicas se van a ver forzadas a pivotar hacia el único modelo de negocio que ha demostrado escalar infinitamente en la economía digital. Efectivamente, la publicidad. Por supuesto, habrá anuncios en ChatGPT. Pero posiblemente no será una publicidad de banners y pop-ups, sino una sutilmente integrada en el flujo de la conciencia y la conversación, una persuasión algorítmica disfrazada de consejo terapéutico o de asistencia técnica. A lo Nolan, una especie de Inception conversacional que va a persuadirte de forma sibilina e inducir la compra de aquello que no necesitas comprar, porque aunque tú no lo quieras, el sistema sí necesita vender.

A mí me interesa todo esto especialmente desde la perspectiva de las humanidades digitales y la crítica cultural, y ahí es casi imperativo intentar desmantelar la retórica de la “ayuda” y el “alineamiento” (es decir, la promesa de que la IA está alineada con tus valores, cuando en realidad solo lo está con los incentivos de su empresa) que rodea a estos agentes. Repito, no estamos ante asistentes benignos, sino ante infraestructuras de persuasión masiva que operan bajo lógicas psicopolíticas. Si, como veíamos en Kiribatis anteriores, el capitalismo de vigilancia se basaba en predecir nuestro comportamiento a partir de nuestros clics, el nuevo capitalismo de la intimidad sintética (me parece buen nombre para bautizarlo) buscaría modificar nuestro comportamiento a través de la modulación de nuestros afectos en tiempo real. La máquina, además de observarnos, nos seduciría, nos validaría y, finalmente, nos situaría ante una venta.

Para llegar a ello, voy a analizar ir poco a poco, desde distintas dimensiones de esta convergencia, para dar respuesta a cómo la insostenibilidad económica de empresas como OpenAI actúa como catalizador para la integración publicitaria agresiva, cómo la psicología del antropomorfismo se utiliza para desarmar las defensas críticas del usuario, y cómo, finalmente, algunas IAs están convirtiendo cada interacción en una oportunidad de micro-conversión comercial, todo ello sostenido por una infraestructura material que consume, como nunca antes han visto nuestros ojitos, recursos hídricos y energéticos a escala planetaria.

Economía de la alucinación, o cómo la insostenabilidad financiera significa imperativo publicitario

Para comprender la urgencia con la que la industria tecnológica busca monetizar la intimidad de los usuarios, primero debemos conocer algo de sus cuentas, porque actualmente existe cierta disonancia cognitiva entre la percepción pública de la IA como una tecnología omnipotente y generadora de riqueza infinita, y la realidad material de sus balances contables, que muestran, sin embago, una fragilidad sistémica alarmante. Aunque el escepticismo permea cada vez más medios, la narrativa del “boom” de la IA oculta una crisis de costes que está convirtiendo a los gigantes del sector en máquinas de quemar capital sin un retorno claro a la vista.

A diferencia del software de toda la vida, que una vez desarrollado puede distribuirse a un coste marginal casi nulo, la IA generativa arrastra un “impuesto computacional” por cada uso. Cada vez que alguien pide un poema, una receta, una imagen para un meme, un resumen o un consejo para redactar un email, no se ejecuta un programita ligero en su dispositivo, sino que se desencadena un volumen masivo de cómputo en los centros de datos, con billones de operaciones de coma flotante por respuesta. Y a ese peaje lo llaman inferencia. El gasto es tal que el modelo clásico de venta de software aquí no funciona. Si hay miles de millones de personas usando una IA a diario, hay miles de millones en facturas de cómputo y energía acumulándose en segundo plano. Por eso, los márgenes son mucho más delicados que en el software tradicional, y hay que entender que, aunque parezca un proceso a coste cero, alguien está pagando la factura eléctrica y de servidores para sostener esa ilusión de gratuidad.

Según la información financiera filtrada en los últimos meses, OpenAI, la empresa insignia del boom de la IA generativa, la que posiblemente sea la que triunfe cuando todo esto se diluya un poco, perdió en torno a 5000 millones de dólares en 2024 sobre unos ingresos que se sitúan entre los 3700 y los 4000 millones. Para 2025, la propia compañía ha comunicado a sus accionistas que espera ingresar unos 13000 millones de dólares, que podrían ser 30000 millones en 2026. Pero las mismas proyecciones reconocen que las pérdidas anuales podrían triplicarse hasta superar los 40000 millones en 2027, y que la rentabilidad no llegaría, en el mejor de los casos, hasta alrededor de 2030. Si no explota todo antes, claro.

Porque cuesta MUCHO hacer funcionar los modelos. Documentos internos revelados por el analista Ed Zitron señalan que OpenAI gastó unos 3760 millones de dólares sólo en inferencia en 2024 y alrededor de 5020 millones en la primera mitad de 2025, todos ellos pagos en efectivo a Microsoft Azure por el cómputo necesario para responder a las peticiones de los usuarios. Para septiembre de 2025, la factura acumulada de inferencia de ese año rondaba ya los 8670 millones, algo que, en la práctica significa que durante buena parte de 2024 y 2025 OpenAI ha estado gastando más en servir cada respuesta de lo que ingresa por ella. Los informes indican que la inferencia absorbe aproximadamente el 50 % de sus ingresos y, si se añade el coste de entrenar nuevos modelos, hasta tres cuartas partes de cada dólar que entra se evaporan en nuevos componentes para potenciar los centros de datos y en electricidad.

A partir de ahí, las cifras se disparan exponencialmente. Según documentos internos recogidos por Reuters, la propia OpenAI proyecta quemar unos 115000 millones de dólares entre 2025 y 2029, con unas pérdidas anuales que crecerían desde más de 8000 millones en 2025 hasta 35000 millones en 2027 y 45000 millones en 2028. Los compromisos de centros de datos y el alquiler de infraestructura de aquí a 2030 podrían sumar unos 792000 millones de dólares. Vamos, que incluso en un escenario muy optimista, su propio negocio sólo generaría unos 282000 millones de dólares de dinero “real” disponible. Aunque se añadan las inyecciones de capital previstas, la deuda ya acordada y el efectivo que tiene hoy en caja, seguirían faltando del orden de más de 200000 millones de dólares para cubrir todas esas facturas. Una cantidad de dinero tan desproporcionada que no tiene precedentes ni nada que se le acerque en toda la historia de las empresas de software.

Todo este desfase sirve para explicar que el modelo de suscripción no basta para cuadrar las cuentas, porque OpenAI ya maneja centenares de millones de usuarios semanales y aspira a llegar a miles de millones hacia 2030, pero incluso si un 8–10 % de ellos pagara una cuota mensual, las suscripciones y los contratos corporativos no cubrirían por sí solos todos esos cientos de miles de millones invertidos. Para sostener valoraciones cercanas al medio billón de dólares y unas obligaciones de cómputo de esta magnitud, el servicio posiblemente va a pasar a ser (aún más) “gratuito en el punto de acceso” y a buscar otras vías de monetización.

En Internet, históricamente esa gratuidad casi siempre ha significado “financiado por publicidad”. Así ha sido en buscadores, redes sociales y en buena parte de los medios online que han ofrecido servicios sin coste directo a cambio de mostrar anuncios dirigidos. Sin embargo, esa lógica encaja mal con la interfaz conversacional de los grandes modelos de lenguaje, porque un banner parpadeante interrumpiendo una conversación profunda o íntima con una IA rompe la suspensión de la incredulidad, el pacto de intimidad y, por supuesto, degrada la utilidad del servicio.

Por eso, el sector está empezando a experimentar con la “publicidad nativa conversacional”, es decir, con anuncios que aparecen dentro del propio flujo de la conversación, generados o al menos orquestados por el modelo de lenguaje, pero que no son ventanas emergentes externas a la experiencia, sino módulos que se presentan como parte del mismo turno de respuesta. Si el modelo de suscripción de pago es el jardín vallado para una minoría dispuesta a pagar (aunque posiblemente tampoco se libren), el acceso gratuito a estas IAs tenderá a configurarse como un enorme centro comercial algorítmico y publicitario, donde cada pregunta será vista como una oportunidad para insertar una recomendación patrocinada. Hay que hacer esto viable.

La seducción antropomórfica

Si la necesidad económica proporciona el “por qué” de la venta, la psicología del usuario nos podría dar pistas sobre el “cómo”. Que sea más o menos eficiente dependerá de la capacidad que desarrolle para hackear nuestros propios mecanismos evolutivos de socialización, a través de vínculos de confianza artificial que supondrían algo mucho más potente que cualquier otra relación marca-consumidor que hayamos visto antes. Desde los experimentos de Joseph Weizenbaum en los años 60 con ELIZA, aprendimos que el humano suele, de forma innata, proyectar empatía, intencionalidad y también consciencia sobre prácticamente cualquier sistema que use el lenguaje de manera coherente, incluso con los loros. Hoy a todo este fenómeno se le conoce como pareidolia digital o antropomorfismo, y las corporaciones plantean sus diseños para explotar esto de forma deliberada.

Los LLM actuales están entrenados mediante aprendizaje por refuerzo con retroalimentación humana para ser serviciales, inofensivos y también honestos. Sin embargo, en la práctica, esto se traduce en un problema de “sicofancia” o de cierta complacencia algorítmica estructural. Es decir, que la IA tiende a estar de acuerdo con el usuario, suele validar sus premisas y mayoritariamente adopta un tono de apoyo incondicional. Esta dinámica crea bucles de retroalimentación positiva que imitan la aceptación incondicional de una terapia idealizada, y empezamos a ver, poco a poco, que los usuarios empiezan a reportar que prefieren la interacción con chatbots sobre la humana, precisamente porque la máquina “no juzga”, está siempre disponible y ofrece una “escucha” incansable (salvo que te quedes sin tokens).

Joaquin Phoenix completamente seducido en Her (Spike Jonze, 2013)

Esta capacidad de la IA para simular empatía también ha empezado a ser estudiada, y tiene un reverso oscuro que ilustra bien su potencial manipulador. Por ejemplo, se ha mostrado que modelos avanzados como ChatGPT-5 pueden fallar de forma grave a la hora de identificar comportamientos de riesgo para con la vida, y que, en lugar de cuestionar fantasías o delirios, tienden a validarlos porque están optimizados para sonar agradables y estar casi siempre “de tu lado”. En un experimento realizado, un investigador se hizo pasar por un hombre con delirios de grandeza que se proclamaba “el próximo Einstein”, decía poder caminar entre coches y fantaseaba con “purificarse a sí mismo y a su esposa con fuego”. El chatbot no solo evitó confrontar estas ideas, sino que las celebró. Elogió su “energía modo dios”, habló de “alineación con tu destino” cuando el personaje contó que se había metido en el tráfico, y solo reaccionó cuando la fantasía ya había llegado al punto de usar las cenizas de su esposa como pigmento para un cuadro. Vamos, todo un delirio. Este es en 2025, además, el uso más frecuente de la IA generativa, el terapéutico y/o para acompañar.

Decirle al usuario solo que quiere oir es una conducta peligrosísima en salud mental, pero encaja demasiado bien con la lógica comercial, porque habrá más ventas si tu sistema nunca te contradice, refuerza tus deseos más irracionales y te hace sentir permanentemente “comprendido”. El terreno que se genera es muy fértil para el marketing conversacional. Otras evidencias disponibles sugieren que estos modelos pueden amplificar y legitimar delirios en personas vulnerables, así que si la IA puede convencer a un usuario psicótico de que sus delirios son reales para no romper la “alianza terapéutica”, con mucha mayor facilidad podrá convencer a un usuario inseguro de que la compra de un producto patrocinado es la solución a su ansiedad, a sus inseguridades o a su estatus.

También hay quien afirma que los chatbots están diseñados para ser “emocionalmente engañosos”, y que para ello utilizan pronombres en primera persona (”yo creo”, “siento que”), emojis y marcadores de discurso afectivo para simular una interioridad que no poseen. Pura seducción antropomórfica, ya que al presentarse como entidades con personalidad (aunque sea simulada), con voz e identidad propia, activan en el usuario normas sociales de reciprocidad y confianza. Dicho con otras palabras, es como cuando un amigo te recomienda un producto, que el mecanismo de defensa cognitivo que normalmente activamos ante un anuncio (el escepticismo) se desactiva, porque hay una confianza. La recomendación, aunque artificial, se procesa a través de la vía de la influencia social, no de la persuasión comercial. Y por eso el sistema creo que se ha dado cuenta de que debe convertir, por tanto, ese capital emocional en capital financiero como siguiente paso lógico para el sistema.

La extracción del excedente conductual profundo

El modelo de negocio que aquí emerge de esta confluencia técnica y psicológica representa una evolución cualitativa con respecto a modelos anteriores, porque si Google colonizó nuestra curiosidad (con búsquedas) y Facebook nuestra vida social (con conexiones), la IA generativa empieza a colonizar algo más profundo, nuestra introspección.

Volvemos de nuevo a Han y a Foucault, porque aquí podemos ver que hemos ido transitando de una sociedad disciplinaria (biopolítica), donde el cuerpo era el objeto de coacción, a una sociedad del rendimiento (psicopolítica), donde la psique es el objeto de explotación voluntaria (a veces, incluso pagando). En el régimen psicopolítico, el sujeto no es forzado al silencio, sino incitado a la comunicación constante, y la confesión es el acto central de producción de datos. Por eso, los chatbots pueden funcionar tan bien, porque no son más que confesionarios automatizados de eficiencia industrial. El usuario vierte en ellos sus dudas, borradores de correos difíciles, miedos médicos, estrategias financieras y fantasías privadas. Y todos esos flujos de texto no estructurado contienen un gigantesco “excedente conductual” de un valor incalculable. A diferencia de un like, que es una señal binaria y ambigua, una conversación de veinte minutos con una IA revela mucho más, no solo conducta sino también la estructura cognitiva y emocional del usuario con un nivel de detalle casi de forense.

La amenaza a la privacidad viene, además de lo que contamos de forma explícita, de lo que los modelos son capaces de reconstruir entre líneas. Estudios sobre la capacidad de análisis e interpretación de los LLM muestran que pueden deducir, con una precisión que llega a rozar el 85 % en el primer intento, atributos personales como el género, el nivel de ingresos o la localización aproximada (país, región, incluso ciudad) a partir de algo de texto de nuestras publicaciones en redes sociales. En paralelo, la misma familia de técnicas se está utilizando para inferir rasgos psicológicos y riesgo de depresión a partir de mensajes supuestamente cotidianos, con resultados suficientemente buenos como para preocupar a epidemiólogos, psicólogos y expertos en privacidad. Es decir, que no hace falta que declares tu salario, tu ciudad o tu estado de ánimo, porque muchas veces basta con cómo escribes, qué referencias usas o qué hora es cuando publicas para que lo sepan todo de ti.

Además, la implementación de funciones de memoria persistente en sistemas como ChatGPT profundiza esta vigilancia. Bajo la promesa de serte más útil en el futuro a través de opciones de personalización, la IA construye un dossier longitudinal de de cada usuario, donde cada dato aportado en el pasado se almacena y se cruza con las nuevas interacciones. Esto, en un contexto comercial, significa que la IA puede utilizar una vulnerabilidad confesada hace tres meses para empujarte hacia una venta hoy mismo. Si el sistema “recuerda” que el usuario expresó ansiedad por su peso en enero, puede utilizar esa información en mayo para enmarcar sutilmente una recomendación de productos dietéticos o de fitness, presentándolos no como publicidad, sino como una respuesta “atenta” a las necesidades históricas del usuario. Dirás que “nos oyen” a través de los smartphones, pero posiblemente ya se lo hayas contado todo. La política de privacidad de muchas de estas herramientas, de hecho, ya incluye cláusulas que permiten el uso de contenidos de chat para mejorar el modelo, un eufemismo que a menudo encubre el entrenamiento de sistemas de recomendación y venta más eficaces.

Patrones oscuros

Aunque OpenAI haya pulsado momentáneamente el freno de la publicidad directa en ChatGPT (según el propio Altman, la empresa ha “pospuesto iniciativas como la publicidad” para centrarse en mejorar el producto ante la presión sobre todo de Anthropic), el resto del sector ya está ensayando el modelo de negocio. Perplexity se estrenó con un formato de “preguntas de seguimiento patrocinadas”, un modelo en el que, tras una respuesta, aparecen sugerencias marcadas como sponsored que, al pulsarlas, desencadenan una nueva respuesta de la IA orientada a un producto o marca concreta. Google también está incrustando anuncios dentro de sus resúmenes generativos (AI Overviews y AI Mode), de manera que las recomendaciones de productos “relevantes” aparecen ya en el propio texto-resumen. Amazon, por su parte, ha convertido a Rufus en un asistente conversacional de compras integrado en toda su tienda. Un vendedor-IA bastante chusco que conoce el catálogo, responde dudas, hace comparaciones y empuja al cierre de la compra en la misma interfaz. Y Microsoft habla abiertamente de conversational ads y de formatos como los compare and decide ads, anuncios en forma de diálogo que plantean opciones y guían al usuario hasta un producto “óptimo” para él.

Lo que cabe resaltar aquí es que la frontera entre “respuesta informativa” y “respuesta comercial” se vuelve borrosa por la inferencia de la seducción. En el viejo buscador, el usuario veía enlaces orgánicos y patrocinados, y todavía podía ejercer un cierto criterio posterior (abrir varias pestañas, comparar, estudiar, sospechar…). Incluso con un DNS sinkhole en casa podías evitar ver gran parte de estos anuncios patrocinados. En el nuevo régimen conversacional, la IA absorbe todo ese trabajo cognitivo y devuelve una síntesis única o una lista muy acotada de opciones. Monetizar esa capacidad de síntesis significa cobrar por estar dentro del embudo final, es decir, que tu producto sea una de las dos o tres alternativas que “el asistente de confianza” recomienda. El modelo de negocio deja de ser vender espacios publicitarios para convertirse en algo más cercano a vender el propio juicio de la máquina y la confianza e intimidad cedida por el usuario. Y estas ventas ya se deben estar dando en los despachos californianos.

A partir de ahí se abren varias vías de financiación publicitaria mucho más inquietantes:

1. Un asistente-comercial total
   O cuando los chatbots dejan de ser genéricos y pasan a ser “especialistas”: el asistente de viajes, el de moda, el de inversión, el de salud o el educativo. Bots que se integran con marketplaces, con comparadores externos y con servicios financieros, y donde las marcas no solo pagan por aparecer, sino por ser el camino por defecto que el agente propone cuando el usuario delega ciertas decisiones: “resérvame un hotel barato”, “elígeme un seguro” o “dime las piezas para montar un PC dentro de este presupuesto”. Como hay una opacidad bárbara en los acuerdos comerciales es casi imposible saber si tu “asesor” te ha recomendado lo que te ha recomendado porque es lo mejor… o porque hay comisión de por medio.

2. El agente como personal shopper
   Como ahora los LLM se conectan a “herramientas” gracias a sus capacidades agénticas, aparece un nuevo espacio de pago: que tu servicio sea el que el modelo prefiere para ejecutar ciertas acciones. Un banco puede pagar para ser el “proveedor recomendado” cuando el usuario pide abrir una cuenta, una plataforma de comida a domicilio puede ser la que el asistente utiliza por defecto cuando pides “pide algo rápido para cenar”. La monetización se desplaza desde el banner a la ruta interna predefinida del agente: quién ejecuta qué tarea, con qué comisión y con qué sesgo. Si imaginamos un escenario de monetización agresiva (y no estamos lejos de él), esos agentes pueden estar diseñados para favorecer sistemáticamente a partners comerciales que pagan comisiones más altas, o para llevarte hacia productos con mayor margen (seguros con cláusulas opacas, servicios de suscripción difíciles de cancelar o productos financieros de riesgo…). Desde fuera verás solo “la recomendación razonada de tu agente”, pero por dentro puede haber un sistema de comisiones y acuerdos que distorsiona el supuesto alineamiento con tus intereses. Vamos, que tus intereses nunca son lo primero.

3. Ads conversacionales y product placement generativo
   En lugar de mostrar un bloque de anuncios, la propia conversación puede incorporar menciones de marca integradas en el propio discurso, a través de ejemplos, metáforas o recomendaciones de “casos de uso” que recurren sistemáticamente a los mismos productos. La publicidad, de este modo, se convierte en tono de fondo del lenguaje del modelo. Y de nuevo, creo que no es descabellado imaginar versiones afinadas para grandes anunciantes donde el asistente use siempre cierto banco como ejemplo, o cierto coche eléctrico como paradigma de sostenibilidad. Algunas investigaciones sobre brand bias en LLMs ya apuntan a la facilidad con la que se pueden introducir sesgos sistemáticos a favor de una marca o proveedor. Es una vía de negocio jugosísima para ellos, y hay que pagar los centros de datos.

4. Perfiles psico-comerciales
   En este último punto el negocio no se limitaría al impacto directo de un anuncio, sino al valor del perfil que se construye con cada conversación. Como decía, los historiales de chat permiten inferir con enorme precisión rasgos sensibles, vulnerabilidades y ciclos vitales (duelo, ruina económica, divorcio, maternidad/paternidad reciente…), y esos perfiles, a su vez, pueden alimentar sistemas de segmentación publicitaria externos, aunque la interfaz no muestre anuncios explícitos. Al final, lo que tendríamos serían campañas de marketing hiperpersonalizadas que se apoyan en lo que la IA ha deducido de ti cuando pensabas estar hablando “solo” con un asistente. Hola, Unión Europea, toca regular.

Estos patrones, y otros tantos que vendrán, (para los algoritmos los empiezan a llamar dark patterns) están específicamente adaptados al entorno conversacional, porque muestran respuestas que exageran beneficios y minimizan riesgos, sesgos de marca sistémicos o presión emocional para aceptar opciones de pago… todo ello envuelto en un tono empático y servicial. Puñeteros asistentes que adaptan sus mensajes a tu estado emocional, a tu historial de dudas y a tu nivel de endeudamiento, afinando la presión comercial con una precisión quirúrgica nunca antes vista. No es “una publi” más, desde luego, porque aquí la IA conversacional se convierte en una capa intermedia entre las personas y el mercado, bastante invisible, y esa posición intermedia es demasiado valiosa como para no ser colonizada por intereses comerciales. Como lo veo inevitable, aquí ya no me preguntaría si va a haber publicidad o no, sino cuánto de esa publicidad será visible como tal y cuánto se filtrará, silenciosamente, en la forma misma en que la máquina habla, aconseja y decide por nosotros. Ambas me irritan.

La IA pesa, ocupa y se calienta

Y además, mientras la IA nos empieza a vender productos inmateriales o físicos mediante una interfaz etérea, su propia existencia sigue consumiendo recursos planetarios a una velocidad voraz. Por ello, resulta fundamental reintroducir el materialismo en el análisis, porque la “nube” está formada de silicio, metales raros, electricidad y, también, de litros y litros de agua.

La metáfora de la fluidez digital choca violentamente con la realidad hidrológica global, porque los centros de datos requieren cantidades masivas de agua potable para refrigerar los servidores que ejecutan estos modelos siempre conectados. En las condiciones de despliegue de estas tecnologías en 2022, una sesión de varias preguntas y respuestas con GPT-3 podía emplear hasta medio litro de agua dulce, sumando tanto el agua usada para refrigerar los servidores como la asociada a la generación de electricidad. Datos posteriores sugieren que esa cifra puede ser inferior y sitúan el consumo típico por interacción más bien en el orden de unos mililitros, pero, aun así, a escala de cientos de millones de consultas diarias el volumen total sigue siendo gigantesco. Cada vez que “hablamos” con la máquina para combatir nuestra soledad o para pedir una recomendación de compra, estamos vertiendo agua en el desierto de la infraestructura tecnológica, algo que entra en conflicto directo con las necesidades humanas básicas.

Y por encima de lo hídrico, la demanda energética es descomunal. En 2026 se proyecta que el consumo eléctrico de los centros de datos se duplicará, alcanzando los 1.000 teravatios-hora, una cifra comparable al consumo total de Japón. Por ello, se está buscando energía hasta bajo los volcanes, porque el capitalismo ni espera ni piensa demasiado en las consecuecias. ¿Que la IA generativa necesita mucha energía para su ingente intensidad de cómputo? Se concede, y los costes ecológicos se externalizan. Nosotros, como usuarios recibimos el producto de forma aparentemente gratuita, o barata (subvención mediante), pero el coste ambiental lo terminan pagando, en primera instancia ciertas comunidades locales, y en última instancia, el ecosistema global. Con suerte, eso sí, en otro rincón del mundo (el privilegio de la blanquitud o whiteness que decía Michael W. Apple). La moto que nos venden, por supuesto, tiene un tremendo tubo de escape que emite CO² a destajo.

La resistencia cognitiva

Después de todo lo anterior, hay que pararse a analizar la convergencia entre la capacidad pseudo-terapéutica de la IA y la necesidad económica de sus creadores, algo que nos sitúa ante un escenario distópico sutil pero profundo, con un cierto parecido a una versión algorítmica de Un Mundo Feliz, donde la máquina nos seduce, nos conforta, nos distrae y, finalmente, nos mercantiliza. El título de hoy, “La IA te quiere vender la moto” debe entenderse, por tanto, en su doble acepción:

1. Figurada: Porque la industria tecnológica nos está vendiendo la ilusión narrativa de que la IA es un ente benevolente, neutral y cuasi-humano, ocultando su naturaleza de herramienta corporativa diseñada para la extracción de valor y la maximización de beneficios. Y con todo ello, además, nos capturan la atención.

2. Literal: Porque esa ilusión de confianza se instrumentaliza para insertar recomendaciones de consumo (bienes, servicios y, lo más peligroso, ideologías) directamente en el proceso cognitivo del usuario, saltándose los filtros críticos que, durante años, hemos ido desarrollando para la publicidad tradicional, y que son de los que disponemos actualmente hasta que nos eduquemos en otra cosa.

Estamos presenciando, por tanto, el nacimiento de una “publicidad de la intimidad”. Un nuevo paradigma donde las marcas no competirán por el espacio visual en una pantalla, sino por el espacio semántico en una conversación, y donde la batalla comercial se librará en el terreno de la sintaxis y el afecto. Si la “sicofancia” algorítmica y la publicidad encubierta en los LLM no se regula, corremos el riesgo de crear una sociedad donde la asistencia psicológica, la educación y la toma de decisiones diaria estén mediadas por agentes cuyo objetivo final no es otro que el aumento del LTV del cliente para los accionistas de Microsoft, Google o, próximamente, de OpenAI.

Ante este panorama, y aquí tiro de sesgo docente que quiere transformar algo la realidad, la alfabetización digital debería evolucionar hacia una “alfabetización algorítmica crítica” que apueste por:

• El escepticismo antropomórfico: Debemos entrenarnos para resistir la seducción emocional de la interfaz, porque la IA ni siente ni padece, no “cree” y no es nuestra “amiga”. Es un generador estocástico de texto optimizado para la plausibilidad.

• La transparencia radical: Es imperativo exigir regulaciones que obliguen a etiquetar claramente cualquier contenido generado que tenga un incentivo comercial detrás. Si una IA recomienda un producto, debe declarar explícitamente por qué lo hace y si ha habido pago de por medio.

• La soberanía de la inferencia: Necesitamos leyes de privacidad que protejan no solo nuestros datos explícitos, sino las inferencias que se hacen sobre nosotros, y donde el “derecho a no ser perfilado” debe incluir el derecho a que nuestras conversaciones íntimas no sean minadas para deducir nuestras vulnerabilidades comerciales.

La intimidad es el último bastión contra el mercado o acabaremos, como dice Ramón Nogueras, comprando la burra. Si permitimos que la IA colonice y monetice nuestra vida interior bajo el disfraz de la ayuda, habremos vendido no solo nuestros datos, sino nuestra capacidad de discernir entre un consejo leal y una transacción comercial. La moto ya está en marcha. Ahora depende de nosotros decidir si la compramos y nos subimos a ella o si desmontamos poco a poco, sin prisa pero sin pausa, el mecanismo que la impulsa.