Dentro del sector de inteligencia artificial, un debate de fondo gana relevancia: ¿hasta qué punto el alarmismo sobre riesgos existenciales distorsiona la conversación pública y frena decisiones estratégicas en empresas y gobiernos?
Andrew Feldman, cofundador de Cerebras Systems —empresa cuyos clientes incluyen a OpenAI, GSK, Block y Figma—, planteó esta tensión durante su participación en TechCrunch Disrupt 2026. Su argumento central: la narrativa dominante sobre los peligros de la IA ha eclipsado una discusión más productiva sobre sus aplicaciones concretas, desde el diagnóstico médico hasta el descubrimiento de fármacos. La parodia reciente en Saturday Night Live al CEO de Anthropic, Dario Amodei, con la frase "no aprobamos lo que estamos haciendo", ilustra hasta qué punto ese pesimismo ha permeado la cultura popular.
Riesgo real vs. narrativa de riesgo
Feldman no descarta los riesgos inherentes a tecnologías de alto impacto. "No creo que existan tecnologías poderosas que no vengan con el desafío de qué sucede cuando están en manos de personas malintencionadas", señaló. Su postura es que esa dualidad es inevitable y que la respuesta adecuada es regulación razonada, no parálisis comunicativa.
Esta distinción importa para cualquier organización que esté evaluando adoptar IA a escala: confundir la gestión de riesgos reales con el alarmismo especulativo puede llevar a decisiones de inversión subóptimas o a postergar implementaciones que ya tienen madurez técnica suficiente.
Infraestructura de IA y relación con comunidades locales
Un ángulo menos discutido —pero con implicaciones directas para la expansión de centros de datos— es la fricción entre la industria y las comunidades donde se instala esa infraestructura. Feldman reconoció que el sector no ha sido efectivo en construir relaciones con gobiernos locales y ciudadanos en Estados Unidos, a diferencia de lo que han logrado industrias como la energética.
Esa brecha explica, en parte, por qué países como Brasil, México, Finlandia, Noruega, Canadá, Islandia y Suecia están captando inversión en infraestructura de IA con mayor facilidad: ofrecen no solo incentivos fiscales o energía renovable, sino también un entorno de menor resistencia social y regulatoria. Para empresas que planifican expansión de capacidad computacional, esta variable geopolítica ya no es secundaria.
Eficiencia de chips y demanda sostenida
Sobre la presión competitiva en hardware, Feldman descartó que las mejoras en eficiencia de modelos —como las que han reducido el costo por inferencia en los últimos 18 meses— vayan a contraer la demanda de procesamiento. Su lectura es la contraria: mayor eficiencia amplía el universo de aplicaciones viables, lo que incrementa el volumen total de cómputo requerido. Esta dinámica, conocida como la paradoja de Jevons aplicada a IA, sugiere que la demanda de chips seguirá creciendo incluso si cada tarea individual requiere menos recursos.
