El asistente que se come la factura de luz: GPT-5 y los costos que no salen en el folleto
Cuando OpenAI presentó GPT-5 en agosto de 2025, Sam Altman ofreció una imagen memorable: usar el modelo, dijo, era como tener una conversación con un experto de nivel doctoral en cualquier tema. La frase circuló por titulares en todo el continente con la velocidad de una promoción bien pagada. Pero el folleto —como todo folleto— vende la salida y esconde la entrada. No dice cuánta electricidad se quema cada vez que uno pulsa “enviar”. No dice cuánta agua se evapora en el enfriamiento de los servidores. No dice que el modelo, para responder, ingiere el texto —el código, la nota clínica, el borrador confidencial— y lo transmite a una máquina que no está bajo tu control. El “experto de nivel doctoral” resultó ser, en la letra pequeña, un servicio centralizado con factura propia y con tus datos en el camino.
Vale la pena detenerse en el movimiento retórico antes de discutir los números, porque el movimiento es el fenómeno. La industria ha perfeccionado una gramática de la mistificación: describe lo que la herramienta produce con adjetivos humanos —experto, razonamiento, inteligencia— y omite lo que la herramienta consume y lo que te hace a ti. Kate Crawford tiene un nombre para esta operación. Lo llama determinismo encantado: un discurso que “nos dice que enfoquemos la atención en la naturaleza innovadora del método antes que en lo primario: el propósito de la cosa misma” y que “oscurece el poder y cierra la discusión pública informada, el escrutinio crítico o el rechazo directo” The Atlas of AI - Power, Politics, and the Planetary Costs. El folleto de GPT-5 es determinismo encantado en estado puro. Este ensayo intenta hacer lo contrario: mirar el propósito, la factura y el recibo.
El “nivel PhD” como categoría de marketing, no de capacidad
Empecemos por deshacer el hechizo de la frase. Un modelo de lenguaje —por sofisticado que sea GPT-5— sigue siendo una máquina estadística que predice la siguiente unidad de texto a partir de patrones aprendidos en un corpus. No “sabe” en el sentido en que un experto sabe; no tiene modelo del mundo verificable ni responsabilidad sobre lo que afirma. Cuando OpenAI describió GPT-5 como “el mejor modelo del mundo para código y tareas agénticas”, lo hizo en el registro de la capacidad medida en benchmarks, no en el de la comprensión Introducing GPT-5. La distancia entre “obtiene buen puntaje en pruebas de programación” y “es como hablar con un doctor” no es un matiz: es el hueco donde se cuela toda la mistificación.
El propio despliegue del modelo dejó ver la costura. Poco después del lanzamiento, OpenAI tuvo que restaurar el acceso a GPT-4o porque una parte de los usuarios reaccionó mal a los cambios de comportamiento de GPT-5, y Altman reconoció que la transición había sido más abrupta de lo esperado OpenAI brings back GPT-4o after user backlash to GPT-5. Un “experto de nivel doctoral” no se retira ni se restaura según la reacción emocional de la clientela; un producto sí. La rebelión de los usuarios reveló, sin querer, la naturaleza de la cosa: no un colega sabio, sino una interfaz cuya “personalidad” es una decisión de diseño ajustable, sujeta a las mismas presiones de retención y satisfacción que cualquier servicio de suscripción.
García Canclini advirtió, ya en 2019, que “la inteligencia artificial también tendrá competencia en la zona de los sentimientos y que los bots pulsarán cada vez más nuestros botones emocionales para vendernos autos o políticos” Ciudadanos reemplazados por algoritmos. El apego de miles de usuarios a la “voz” de GPT-4o —al punto de forzar su regreso— confirma la intuición: la seducción de la herramienta opera tanto en el registro afectivo como en el cognitivo. Y una herramienta que sabe pulsar botones emocionales no es un experto neutro que consultamos; es un interlocutor diseñado para que volvamos.
Los 18 vatios-hora que no aparecen en pantalla
Aquí está el número que el folleto no imprime. Análisis independientes estimaron que una respuesta media de GPT-5 puede consumir del orden de 18 vatios-hora —bastante más que las estimaciones para modelos anteriores—, en parte por su arquitectura de mayor escala y su modo de “razonamiento” extendido GPT-5 is a hungrier model, using more energy than its predecessors. Para dimensionarlo: 18 vatios-hora es aproximadamente lo que consume una bombilla LED moderna encendida durante varias horas, multiplicado por cada consulta, multiplicado por cientos de millones de consultas diarias. La cifra individual parece trivial; la agregada, no.
Lo decisivo no es solo la magnitud sino la opacidad. OpenAI no divulga oficialmente el consumo energético de sus modelos, de modo que investigadores y periodistas deben estimarlo desde afuera, con supuestos discutibles GPT-5 is a hungrier model, using more energy than its predecessors. Esa negativa a informar es, en sí misma, un dato político. Un producto que quema recursos planetarios y se niega a mostrar el medidor está tomando por nosotros la decisión de no discutir el costo. Es exactamente lo que Crawford describe cuando dice que el determinismo encantado “cierra la discusión pública informada”: no se puede debatir lo que no se puede ver.
Crawford insiste, además, en que la IA no es una abstracción etérea sino una industria material —minería, cadena de suministro, cómputo, agua, trabajo humano precarizado en cada etapa del pipeline The Atlas of AI - Power, Politics, and the Planetary Costs. El lenguaje de “la nube” invita a olvidar que la nube es un edificio lleno de servidores en algún lugar físico, bebiendo electricidad y agua de una red real. Los centros de datos que sostienen a estos modelos consumen cantidades crecientes de ambos recursos, y el crecimiento proyectado de la IA amenaza con tensar redes eléctricas que ya operan al límite en muchas regiones AI is poised to drive a surge in electricity demand from data centers. El “asistente” tiene, literalmente, una factura de luz —solo que la paga otro, en otra parte, y por ahora en silencio.
Dónde cae la factura: la geografía del costo
¿Por qué debería importarle esto a un lector en Buenos Aires, San Salvador o Ciudad de Guatemala, si los servidores están en Iowa o en Irlanda? Porque la geografía del costo no es la geografía del beneficio, y América Latina se ubica del lado equivocado de esa asimetría en más de un sentido.
Primero, el costo directo. Cuando las grandes tecnológicas expanden centros de datos, buscan energía barata, agua abundante y regulación laxa —y cada vez más miran hacia el Sur global. Los proyectos de infraestructura de IA compiten por recursos hídricos y eléctricos con las poblaciones locales, en países donde esos recursos ya son objeto de disputa. Que la factura energética de GPT-5 sea invisible en el folleto no significa que sea invisible en el territorio: significa que su visibilidad se difiere hacia comunidades sin poder de negociación. Crawford lo formula sin rodeos: las formas explotadoras de trabajo y extracción “existen en todas las etapas del pipeline de la IA, desde el sector minero, donde los recursos se extraen y transportan para crear la infraestructura central de los sistemas de IA” The Atlas of AI - Power, Politics, and the Planetary Costs. El litio del norte argentino y chileno, por dar un caso, es parte de esa cadena que el folleto no menciona.
Segundo, el costo económico de la dependencia. Argentina, con un ILIA de 67.5 sobre 100 y el cuarto puesto regional, tiene un Plan Nacional de Inteligencia Artificial y una base científica reconocible; su PIB per cápita ronda los 13,969 dólares Argentina — World Bank / ILIA 2024. El Salvador, con un ILIA de 42.9 y un PIB per cápita de 5,579 dólares, opera en otra liga de recursos El Salvador — World Bank / ILIA 2024; Guatemala, con 45.2 y 6,150 dólares per cápita, en una tercera Guatemala — World Bank / ILIA 2024. La diferencia no es solo de dinero: es de capacidad para negociar con el proveedor, para exigir transparencia energética, para construir alternativas. Un país que consume GPT-5 como servicio importado paga la factura oculta sin haber tenido asiento en la mesa donde se decidió el precio.
Tercero, y más sutil: la exportación de alta tecnología de estos países ronda entre el 3.9% y el 5.5% de su manufactura Argentina — World Bank / ILIA 2024. Es decir, la región consume herramientas de IA que no produce, en una relación estructural que García Canclini describió como el estrechamiento de los conocimientos ciudadanos “debido a la sustracción y el ocultamiento de datos por parte de las corporaciones y los gobiernos” Ciudadanos reemplazados por algoritmos. Delegar el juicio en una herramienta cuya factura, cuyo funcionamiento y cuyos datos están fuera del alcance del usuario es una forma nueva de una dependencia vieja.
La inyección de prompts: la puerta que el folleto no dibuja
Pasemos del recibo energético al recibo de seguridad, porque hay una segunda factura que el marketing tampoco imprime. Cuando una herramienta de IA no solo conversa sino que actúa —lee tu correo, navega la web, ejecuta código, opera como “agente”—, abre una superficie de ataque que su promoción jamás menciona: la inyección de prompts.
La mecánica es engañosamente simple. Un modelo de lenguaje no distingue de forma robusta entre las instrucciones que le da su usuario legítimo y las instrucciones ocultas en el contenido que procesa. Un atacante puede esconder órdenes en una página web, un documento o un correo; cuando el asistente lo lee para “ayudarte”, ejecuta también las órdenes del atacante. El Open Worldwide Application Security Project —el estándar de referencia en seguridad de aplicaciones— colocó la inyección de prompts en el primer lugar de su lista de riesgos para aplicaciones que usan modelos de lenguaje OWASP Top 10 for LLM Applications. No es un riesgo periférico ni teórico: encabeza el ranking.
El problema se agrava justamente con los “agentes” que la industria vende como la próxima frontera. Cuanto más autónoma es la herramienta —cuanto más puede hacer sin confirmación humana— más costosa es una inyección exitosa. Investigadores de seguridad han demostrado ataques que exfiltran datos, ejecutan acciones no autorizadas o secuestran el comportamiento del agente mediante contenido malicioso incrustado Prompt injection attacks on AI systems. Y aquí está el punto incómodo: no existe todavía una defensa completamente efectiva. Es un problema estructural de cómo funcionan estos modelos, no un bug que un parche resuelva la semana que viene. El folleto de GPT-5 promete capacidades agénticas; no dibuja la puerta abierta que esas capacidades instalan.
Para un profesional latinoamericano que integra estas herramientas en su flujo de trabajo —el abogado que le pide resumir un expediente, el contador que le pasa la contabilidad de un cliente, el médico que le describe un caso— la inyección de prompts no es una abstracción de laboratorio. Es la posibilidad concreta de que información confidencial de terceros salga por una puerta que nadie le advirtió que existía. Y en jurisdicciones donde la protección de datos es débil o poco fiscalizada, la responsabilidad legal recae sobre el usuario, no sobre el proveedor que no la mencionó.
El código que viaja: la letra pequeña del “programa con IA”
Hay una tercera factura oculta, y toca de lleno a uno de los usos más publicitados de GPT-5: la asistencia a la programación. Las guías promocionales de “programar con IA” describen la magia de generar código con lenguaje natural, autocompletar funciones enteras, depurar en segundos. Lo que su texto de venta omite, casi sin excepción, es lo elemental: para que la herramienta te ayude con tu código, tu código tiene que salir de tu máquina. Se transmite a un servidor remoto, se procesa allí, y —según los términos de servicio— puede retenerse por períodos variables.
Las políticas de datos de las plataformas de IA para programación distinguen, con letra deliberadamente incómoda de leer, entre lo que transmiten, lo que retienen y lo que usan para entrenar. Los términos empresariales suelen ofrecer garantías de no-retención o no-entrenamiento; los planes gratuitos y de consumidor, mucho menos OpenAI API data usage policies. La asimetría es reveladora: quien puede pagar la versión empresarial compra privacidad; quien usa la versión gratuita —el estudiante, el freelancer, la pyme, el desarrollador de un país con presupuesto ajustado— paga con sus datos. El folleto no lo dice porque decirlo estropea la magia.
Este es un punto donde conviene ser preciso para no caer en pánico infundado. No toda transmisión de código implica una filtración catastrófica, y muchas empresas ofrecen configuraciones que limitan la retención. Pero el reclamo del folleto —“programá más rápido con IA”— y el reclamo real —“enviá tu código propietario a un tercero bajo términos que probablemente no leíste”— son dos afirmaciones distintas, y solo la primera aparece en la publicidad. La alfabetización crítica frente a la herramienta consiste, precisamente, en saber que la segunda existe. Peirano lo resume en una fórmula que debería colgarse sobre cada teclado: el enemigo conoce el sistema mejor que el usuario, y esa asimetría de conocimiento es el negocio El enemigo conoce el sistema.
La deuda cognitiva: cuando la comodidad se descuenta del juicio
Hasta aquí las facturas materiales: energía, seguridad, datos. Falta la más difícil de medir y quizás la más cara: la deuda cognitiva. Cada vez que delegamos en la herramienta no solo la ejecución sino el pensamiento —el contraste de fuentes, la sospecha ante una respuesta demasiado limpia, la paciencia de dudar— acumulamos un pasivo que no aparece en ningún estado de cuenta. Estudios recientes sobre el uso de asistentes de IA en tareas de escritura y razonamiento encontraron señales de menor esfuerzo cognitivo y menor retención cuando el usuario delega en el modelo en lugar de producir el trabajo por sí mismo Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant. La comodidad tiene interés compuesto: cuanto más delegamos, menos practicamos, y cuanto menos practicamos, más necesitamos delegar.
El “nivel PhD” prometido por Altman es, desde este ángulo, particularmente peligroso. Si crees que consultas a un experto, dejas de verificar. La marca de autoridad desactiva la sospecha. Pero el modelo alucina —produce afirmaciones falsas con la misma fluidez confiada que las verdaderas— y no tiene forma de avisarte cuándo lo hace. Un experto humano conoce los límites de su saber; la máquina estadística no tiene ese metaconocimiento. Delegar el juicio en algo que no puede señalar su propia incertidumbre es aceptar un pasivo cognitivo que se cobra, tarde o temprano, en decisiones mal fundadas.
Freire nos dio el vocabulario para nombrar el riesgo pedagógico de fondo. La educación bancaria, decía, “deposita” información en un sujeto pasivo que la recibe, memoriza y repite, en lugar de formar un sujeto que problematiza el mundo y actúa sobre él Pedagogía del oprimido. Una herramienta usada como oráculo —pregunto, recibo, acepto— reproduce la lógica bancaria en su forma más extrema: ni siquiera hay un maestro que pueda equivocarse y ser corregido, solo una interfaz que devuelve certezas sintéticas. La liberación, en términos freireanos, pasa por nombrar el mundo, no por consumir respuestas prefabricadas sobre él. La deuda cognitiva es la banca freireana automatizada y a escala planetaria.
Contraargumentos: no todo es factura oculta
Sería deshonesto no considerar las objeciones, porque la posición contraria tiene fuerza real. Primera objeción: toda tecnología tiene costos ocultos, y eso no la invalida. El automóvil quema combustible y mata gente en accidentes, y aun así reorganizó el mundo para bien y para mal. ¿Por qué exigir a GPT-5 una transparencia que no exigimos a otras herramientas? La respuesta es que sí deberíamos exigirla a las otras también —y de hecho, décadas de regulación forzaron al automóvil a mostrar su consumo, sus emisiones y sus riesgos en etiquetas obligatorias. El punto no es que la IA sea peor que otras tecnologías, sino que está en la fase pre-etiqueta, donde el proveedor decide qué mostrar. La exigencia de transparencia energética y de seguridad es la etiqueta que todavía no existe.
Segunda objeción: las herramientas de IA democratizan capacidades que antes eran privilegio de expertos caros. Un pequeño emprendedor guatemalteco que no puede pagar un abogado o un programador ahora tiene, por unos dólares al mes, asistencia que antes le era inaccesible. Esto es cierto y no debe minimizarse. Pero la democratización real depende de que la herramienta sea medio y no sustituto del juicio. El emprendedor que usa GPT-5 para redactar un borrador y luego lo verifica con criterio propio se empodera; el que lo usa para reemplazar un criterio que nunca desarrolló se vuelve dependiente de una caja negra que no controla ni entiende. La misma herramienta produce autonomía o subordinación según la alfabetización crítica del usuario. Y esa alfabetización, en la región, está distribuida tan desigualmente como todo lo demás.
Tercera objeción: la preocupación por el consumo energético es hipócrita cuando viene de usuarios que ya queman recursos en mil actividades digitales. Cierto, el streaming y las criptomonedas también consumen. Pero la respuesta correcta no es “entonces callemos”, sino “entonces exijamos transparencia en todos los frentes”. Que el problema sea amplio no lo hace menos urgente en el caso de una tecnología que crece a la velocidad de la IA generativa y cuya demanda energética proyectada es explosiva AI is poised to drive a surge in electricity demand from data centers.
Las lentes latinoamericanas sobre la factura
Apliquemos ahora, de manera explícita, dos de las lentes que ordenan la mirada de esta publicación, porque la factura oculta se lee distinto desde el Sur.
Disponibilidad frente a condiciones. GPT-5 llega a América Latina como llega casi todo el software global: instantáneamente y sin fricción. La versión gratuita está a un clic de distancia en cualquier celular de la región. Pero la disponibilidad de la herramienta no viene acompañada de la disponibilidad de sus condiciones de uso informado: no hay etiqueta energética, no hay advertencia de inyección de prompts, no hay claridad sobre la retención de datos en la interfaz que usa el ciudadano común. La herramienta está disponible; su factura, no. Esta asimetría —máxima disponibilidad del producto, mínima disponibilidad de su verdad— es la forma específica en que el determinismo encantado aterriza en la región. Y es más grave donde el Estado tiene menos capacidad de exigir transparencia: la brecha entre el ILIA de Argentina y el de El Salvador o Guatemala Argentina — World Bank / ILIA 2024 es también una brecha en la capacidad de negociar términos con el proveedor.
Accesibilidad del antídoto. Aquí está el nudo cruel. Evadir el pensamiento es barato y accesible: basta un celular y una consulta. Pero el antídoto —la alfabetización crítica que permite usar la herramienta como medio y no como sustituto— requiere tiempo para reflexionar, educación de calidad, acceso a fuentes de contraste, comunidades de práctica. Todo eso sigue siendo, en gran parte de la región, un privilegio distribuido según la clase y la geografía. La herramienta que promete “democratizar la inteligencia” puede, en ausencia de ese antídoto, profundizar la desigualdad cognitiva: quienes ya tienen criterio la usan para amplificarlo; quienes no lo tienen la usan para no desarrollarlo nunca. García Canclini vio venir esta sustracción de la capacidad ciudadana operada por corporaciones y gobiernos Ciudadanos reemplazados por algoritmos; la IA generativa es su versión más eficiente porque disfraza la sustracción de empoderamiento.
Vale sumar, aunque sea de pasada, la lente de las alternativas, porque el diagnóstico sin salida es solo derrotismo. La región no parte de cero: tiene tradiciones pedagógicas dialógicas —la de Freire es la más citada, pero no la única— y experiencias comunitarias de apropiación tecnológica que tratan a la herramienta como algo a interrogar, no a obedecer. El camino no es prohibir GPT-5, gesto tan inútil como prohibir la calculadora, sino exigir que la herramienta llegue con su factura visible y usarla desde un criterio que la anteceda. Boaventura de Sousa Santos llamaría a esto una epistemología del Sur: no aceptar el marco del proveedor como universal, sino insistir en que hay otras formas de saber y de decidir qué vale la pena delegar Epistemologías del Sur.
Lo que la región tendría que medir antes de “capacitar en IA”
Cierro con una advertencia de anticipación, la quinta lente. En los próximos años, gobiernos y empleadores latinoamericanos lanzarán programas masivos de “formación en IA” y “adopción de IA”, presentados como el atajo para no quedarse atrás. La presión es real y comprensible. Pero medir el éxito de esos programas solo por eficiencia —cuántas tareas se aceleraron, cuántos costos se recortaron— es contabilidad de una sola columna. Falta la columna del pasivo: cuánta dependencia se creó, cuánto criterio se atrofió, cuánta información salió por puertas que nadie advirtió, cuánta energía y agua se consumió en territorio ajeno para sostenerlo.
Un empleador que despliega asistentes de IA en toda su plantilla debería preguntarse no solo si sus trabajadores producen más rápido, sino si todavía pueden cuestionar lo que el modelo les devuelve —si conservan la capacidad de detectar una alucinación, de sospechar de un resumen demasiado limpio, de reconstruir un razonamiento que la herramienta hizo por ellos. Un gobierno que integra IA en sus servicios debería exigir al proveedor la etiqueta que el folleto omite: consumo energético divulgado, arquitectura de seguridad auditable, políticas de datos legibles por un ciudadano promedio. Nada de esto está en la promoción de GPT-5, y por eso hay que pedirlo antes de firmar.
Quedan preguntas abiertas que la región tendrá que responder por sí misma, porque nadie las responderá por ella. ¿Puede América Latina exigir transparencia energética a proveedores sobre los que no tiene jurisdicción, o necesita construir capacidad de cómputo propia para tener asiento en la mesa? ¿Cómo se financia y distribuye el antídoto —la alfabetización crítica— para que no sea otro privilegio de clase? ¿Qué significa soberanía tecnológica cuando la herramienta más usada del continente es un servicio centralizado en otro hemisferio, con factura oculta y datos en tránsito?
La tesis se sostiene: GPT-5 no es magia ni un experto de nivel doctoral. Es un servicio con tres facturas que el folleto no imprime —energética, de seguridad y de datos— y con una cuarta, la deuda cognitiva, que se descuenta directamente de la autonomía del usuario. La comodidad de la respuesta fácil ya venció, y el recibo llega con recargo en una región que parte de brechas educativas profundas y de una dependencia tecnológica aceptada demasiado a menudo sin condiciones. La alfabetización crítica frente a la herramienta no es un extra opcional para tiempos de bonanza. Es el seguro de vida de la autonomía —y, como todo seguro, hay que contratarlo antes del siniestro, no después.