Millones de computadoras personales mantienen memoria RAM activa apenas el 5% del tiempo, mientras los centros de datos dedicados a inteligencia artificial enfrentan una demanda creciente de ese mismo componente. Esta paradoja está en el centro de un debate técnico y estratégico que tiene implicaciones directas para quienes toman decisiones sobre infraestructura tecnológica.
Sam Altman, consejero delegado de OpenAI, calificó de "bastante terrible" la distribución actual de la memoria dinámica de acceso aleatorio (DRAM) a nivel global. Durante una conversación con John Collison, cofundador de Stripe, argumentó que concentrar este recurso en instalaciones de cómputo intensivo generaría un valor significativamente mayor que su dispersión en dispositivos de consumo con baja tasa de utilización.
Inferencia local vs. infraestructura centralizada
El planteamiento de Altman surge en el contexto del debate sobre inferencia local: la posibilidad de ejecutar modelos de inteligencia artificial directamente en computadoras personales, sin depender de servidores en la nube. Aunque esta opción tiene defensores en la comunidad técnica —especialmente entre quienes priorizan privacidad y autonomía—, Altman cuestiona que pueda sustituir la necesidad de infraestructura centralizada a escala.
Su argumento central es que los modelos de código abierto ejecutados en equipos propios no eliminan la dependencia de grandes centros de datos; simplemente desplazan parte del procesamiento sin resolver el problema de eficiencia subyacente. OpenAI, cuya operación principal descansa en sistemas de código cerrado alojados en sus propios centros de datos, tiene un interés estructural en que el procesamiento de IA ocurra en la nube.
Implicaciones para la gestión de infraestructura tecnológica
El alza en los precios de RAM y almacenamiento registrada en los últimos meses amplifica la relevancia de este debate para organizaciones en México y América Latina. En un entorno donde los presupuestos de tecnología están bajo presión y la adopción de IA avanza, la pregunta sobre dónde concentrar los recursos de cómputo —en dispositivos locales o en infraestructura centralizada— tiene consecuencias directas sobre costos operativos, escalabilidad y capacidad de respuesta.
La postura de Altman no implica restricciones al mercado de RAM para consumidores, sino una recomendación de política de asignación: priorizar ese recurso donde genera mayor retorno por unidad de tiempo activa. Para las organizaciones que están definiendo su arquitectura de IA, este argumento refuerza la lógica de los modelos híbridos o completamente en la nube frente a las apuestas por infraestructura local de alto costo y baja utilización.




