Durant tota la història moderna, la intel•ligència humana ha estat un bé escàs. El capital era abundant (hem après a fer anar la màquina de fer bitllets) i els recursos naturals eren finits, però els hem tractat com a substituïbles de forma indefinida (fins que ha arribat l’efecte hivernacle). La tecnologia va millorar prou lentament perquè els humans poguessin adaptar-se. La capacitat d’analitzar, decidir, crear, persuadir i coordinar, era allò que no es sabia replicar a escala. Però ara la intel•ligència artificial és un substitut competent i en ràpida millora de la intel•ligència humana en un ventall creixent de tasques. Molts sectors comencen a fer un reajustament de preus. Però un reajustament no és el mateix que un col•lapse. L’economia ha de trobar un nou equilibri, i aquest ha de venir forçosament per resoldre el problema de l’energia.
La intel•ligència artificial consumeix energia, molta. En consumeix gran quantitat quan entrena el model i menys quan l’utilitza. Com sempre, depèn de la complexitat del que ha de resoldre. Per exemple, per fer un informe de 40 pàgines, amb només en inferència per generació, pot necessitar una energia de 20 Wh, l’equivalent al consum de 2 hores d’una bombeta de LED. Per fer servir una petita aplicació que optimitzi la planificació d’entrada de comandes a un procés industrial el consum pot ser molt petit, de mitja hora de la bombeta de LED. Però, si el que es vol és entrenar un model que substitueixi el programari que ven Bloomberg, es necessiten ordres d’energia de GWh, possiblement tota l’energia elèctrica que demanden les comarques de Girona en un any. Una vegada construït el model, cada consulta pot tenir un consum petit, de l’ordre de 10 minuts la bombeta de LED.
Ara imagineu que volem digitalitzar completament la Generalitat. Pensem en blocs diferents: Salut (historials clínics, triatge, gestió de cites, anàlisi d’imatges), Seguretat (emergències, gestió de vídeos, predicció de delictes, gestió de trucades), Administració general (tràmits, expedients, atenció ciutadana), Economia i empresa (ajuts, inspeccions, anàlisi de dades econòmiques), Ensenyament (estadística, tutors virtuals, correcció automàtica, analítica d’aprenentatge), Recursos humans (gestió de baixes, suplències, inspeccions). . . tot plegat exigiria grans models propis amb costos energètics de l’ordre de 1. 300 MWh, cosa que avui és impensable. Per això cal avançar amb petits avenços, com el consum recurrent, com seria respondre consultes, processar expedients. . . integrant-ho als centres de dades públics. Per exemple, automatitzar el 80% de les consultes de la finestreta única amb 10. 000 consultes dia (telèfon, correu, presencial, web), amb un consum de fins a 1 Wh per cada consulta, és l’equivalent a 41 bombetes cada dia. Automatitzar la tramitació d’ajuts a les empreses amb 100. 000 expedients anuals, podríem necessitar 10 Wh per cada expedient, una energia de 1 kWh a l’any, 11, 4 bombetes LED funcionant totes les hores de l’any.
Tal i com anem dient, la penetració de tot aquest procés dependrà de la pressió que impliqui l’economia. Per exemple podem suposar que cap polític té interès en suplir llocs de treball de la Generalitat. Però el dia que vingui una crisi com a l’any 2010, quan tingui dificultats per pagar les nòmines, degut a que té menys ingressos per impostos, aquell dia començarà a fer el mateix camí que haurà fet la resta de l’economia: automatitzant tasques.
El problema no és el cas d’una empresa ni d’un sector, el problema és quan ho fem de forma agregada, quan sumem tots els actors, perquè llavors les xifres poden ser no assumibles. La península ibèrica té prevista la instal•lació de fins a 18 GW de potència en centres de dades que, amb un factor de capacitat mig (el temps d’utilització que en fa) del 50%, suposa una energia necessària de 79 TWh, gairebé el doble de l’energia que ara utilitza Catalunya. Si la península ibèrica va utilitzar 309 TWh a l’any 2025, significa que la IA pot consumir més d’una quarta part de tota l’electricitat el 2030.
Això té conseqüències directes pel fet que ja no hi ha prou potència instal•lada a la península per satisfer aquest procés. Direu que la potència instal•lada total a Espanya és de 160 GW, però hem explicat que el factor d’utilització en la generació elèctrica és molt important. Per exemple per la generació nuclear eñ 2025 va ser del 83%, el factor dels cicles combinats fou del 17%, el de l’energia eòlica del 24%, el de la hidràulica del 15% i el de la fotovoltaica va ser del 19%. Excepte pels cicles combinats, el factor d’utilització depèn de les hores de vent, de sol, d’aigua fluent. Alguns d’aquests factors poden augmentar si no han de tancar producció pel fet que la xarxa no pot consumir la generació en molts moments. És el camí que faran les bateries.
Vist així, el principal problema avui no és la capacitat o no de generar l’energia que ens demanarà la intel•ligència artificial, sinó la capacitat de la xarxa elèctrica per fer possible aquesta demanda i obtenir l’energia descarbonitzada a bon preu. Avui aquests centres de dades han presentat demandes i avals per bloquejar aquests 18 GW, cosa que fa que, a partir d’aquí, no hi ha prou potència disponible a la xarxa elèctrica per a posar noves indústries, nous habitatges, nous carregadors elèctrics, ni per a descarbonitzar elèctricament la indústria. És a dir, fins aquí la IA no només té previst carregar-se els llocs de treball que substituirà, sinó que, més enllà, significa un cost d’oportunitat per a la indústria i als treballadors que no substitueix, deixant-los sense energia.