Soberanía en la IA: Karen Hao y el ‘imperio’ de OpenAI

El libro que reordenó el debate: Empire of AI

La periodista Karen Hao publicó en mayo de 2025 Empire of AI: Dreams and Nightmares in Sam Altman’s OpenAI, una investigación que documenta una contradicción incómoda del sector: según Inside Higher Ed, OpenAI ya supera los US$850.000 millones de capitalización en mayo de 2026, mientras los trabajadores keniatas que filtran el contenido más tóxico del mundo para entrenar sus modelos cobran «unos pocos dólares la hora», según el reportaje de la propia Hao en Democracy Now!.

La columna de María Teresa Ronderos en El Espectador recoge el argumento central del libro: los beneficios amplios de la IA «sólo pueden derivarse —si es que alguna vez emergen— de una visión por la cual la tecnología requiere la total capitulación de nuestra privacidad, nuestra capacidad de agencia, nuestro valor, incluido el valor del arte y el trabajo». Para un founder hispanohablante, esto no es teoría: define las reglas con las que operas si tu producto depende de un LLM de OpenAI, Anthropic o Google.

Cómo se construye el «imperio»: escala, datos, energía

El modelo «escalar a toda costa» tiene costos físicos que el reporte de McKinsey (citado por Hao en Democracy Now!) estima en cifras brutales: en los próximos cinco años, la infraestructura de IA necesitará agregar al sistema eléctrico global entre dos y seis veces el consumo anual de California, atendido mayoritariamente con combustibles fósiles. El libro documenta cómo esto revive plantas de carbón que debían cerrar y levanta turbinas de gas metano sin licencia.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El agua es el otro vector. Rystad Energy estima que el consumo directo de agua para refrigeración de centros de datos pasó de 222.000 millones de litros en 2025 y podría casi triplicarse hasta cerca de 644.000 millones de litros en 2030. En Chile, según el reportaje de Hao, Google propuso un centro de datos que usaría mil veces más agua dulce anual que la comunidad donde se instalaría, sin pagar impuestos locales porque su domicilio fiscal estaba en otra comuna. Los vecinos bloquearon el proyecto durante cuatro o cinco años y sólo obtuvieron una silla en la mesa de negociación.

Para un founder, el cuadro es claro: el producto que escala con un modelo frontier hoy depende de una cadena que incluye carbón, agua de comunidades tensionadas y trabajo precarizado. Lo que pagas como US$0,003 por 1.000 tokens de entrada no muestra esa foto completa.

Soberanía lingüística: el contraejemplo maorí

La columna de Ronderos rescata un modelo alternativo: los maoríes de Nueva Zelanda, que con Te Hiku Media construyeron modelos de voz propios para revitalizar su lengua. No dependieron de OpenAI ni de Google: hicieron IA «contenida para una comunidad» que «pide permiso, no usurpa».

La tensión con los gigantes sigue vigente. En octubre de 2024, el CEO de Te Hiku Media, Peter-Lucas Jones, declaró a RNZ que las herramientas de OpenAI y Google seguían pronunciando el maorí «tan mal» que delataba la ausencia de hablantes nativos en su desarrollo. En 2026, Google Maps lanzó —en colaboración con la comisión lingüística Te Taura Whiri i te Reo Māori— un motor de texto a voz entrenado con reglas maoríes para pronunciar correctamente topónimos en frases en inglés. Es un avance, pero el contraste revela algo importante: cuando la comunidad controla el modelo, los resultados respetan la fonología; cuando lo controla Silicon Valley, los modelos «alucinan» fonemas.

Para un founder, el ejemplo maorí demuestra que existen IAs viables que no requieren mega-centros de datos ni enriquecen a un único Sam.

Qué significa esto para tu startup

Tres decisiones concretas que puedes tomar este trimestre, alineadas con el espíritu de la crítica de Hao:

Audita la cadena de tu proveedor de IA. Pregunta a OpenAI, Anthropic o Google en qué centros de datos corre tu inferencia, cuánta agua y energía consume por cada 1.000 tokens procesados y bajo qué jurisdicción legal caen los datos de tus usuarios. Si el proveedor no publica métricas de WUE (consumo de agua por kWh de TI), evalúa alternativas: AWS reportó 0,12 L/kWh, Meta 0,19 y Microsoft 0,27 en 2024-2025, según Rystad Energy.
Diseña con un «exit plan» al modelo único. No construyas tu moat sobre una API que puede cambiar de precio o de términos mañana. Mantén una capa de abstracción que te permita migrar entre proveedores o, cuando el caso lo justifique, entrenar modelos pequeños propios con datos que tú controlas.
Mide el costo total, no solo el sticker price. El precio visible por token oculta el subsidio ambiental y laboral de la cadena. Si tu cliente es una empresa europea con reporting de huella de carbono (CSRD) o un hospital con datos sensibles, el costo total puede ser mucho mayor — y un incidente reputacional, también.

Conclusión

La pregunta del titular de Ronderos —»IA, ¿para quién?»— no es retórica. Es la misma que el Papa León XIV planteó en su advertencia de 2026 sobre la IA como nueva forma de colonialismo, según NPR. Mientras tanto, McKinsey proyecta que la inversión global en centros de datos alcanzará los US$7 billones hasta 2030, según Forbes.

Para un founder, la lección no es rechazar la IA, sino entender quién se beneficia realmente de cada llamada a la API. El modelo maorí y la crítica de Hao coinciden en un punto: una IA que sirve a una comunidad pide permiso; una que sirve a un imperio pide capitulación.