«La IA no es inteligente ni artificial.» Con esa frase abre Kate Crawford su Atlas of AI (Yale University Press, 2021). Y con esa frase, sola, se quedó buena parte de la prensa hispana. La cita corre por las redes como un eslogan; el libro que la sostiene casi nadie lo ha leído entero.
Lo confieso de entrada, porque a mí me pasó lo mismo. Cuando empecé a escribir aquí defendí algo parecido a esa frase de portada: que el nombre que ha triunfado, «inteligencia artificial», es tan poco acertado que dice más de nuestro deseo que de la cosa. A la máquina le da igual cómo la llamemos. El problema es nuestro. No sabemos del todo qué es y aun así le hemos dado la llave de casa y la dejamos mirar en la nevera, suponiendo que peor que nosotros no lo va a hacer. Lo que no había hecho yo, lo que casi nadie que repite la frase ha hecho, es viajar a los sitios donde esa cosa pesa, suda y arranca minerales del suelo. Crawford sí fue. Por eso conviene leerla entera, y no por la portada.
La tesis incómoda
El libro sitúa la IA donde realmente vive. En las salmueras de litio del salar de Atacama. En almacenes cronometrados al segundo. En granjas de servidores que beben de acuíferos en zonas que ya iban escasas de agua. Lo que mueve un prompt —la instrucción que se teclea en un chat— es materia, y esa es justo la idea que la prensa generalista pasó de largo: subrayó el aforismo y dejó el atlas fuera.
Crawford defiende que la IA funciona como una industria extractiva. Igual que la minería o la pesca de arrastre, retira recursos del mundo: minerales, energía, agua, datos, trabajo humano. La metáfora de «la nube» hace el resto del trabajo sucio, porque borra esa materialidad y traslada los costes a alguien que paga lejos de la pantalla. Pulsar enter parece gratis. No lo es para todos por igual.
Su autoridad no viene del activismo de despacho. Viene de haber recorrido las cadenas físicas y haberlas documentado con nombres, lugares y fechas, desde una mina chilena hasta la consulta que alguien teclea en Madrid. De ahí también la incomodidad: es difícil reducir a titular un libro que se construye caminando por almacenes, archivos de gobierno y comisarías. Lo que es más de una década de trabajo de campo, repartido a lo largo de seis capítulos temáticos, no se deja resumir en un tuit. Aunque el tuit es lo único que sobrevivió.
Atacama, el cobalto y el agua que nadie ve
El primer capítulo, Earth, arranca con un viaje al salar de Atacama. Crawford documenta cómo la extracción de litio para baterías presiona el agua subterránea y los modos de vida de las comunidades atacameñas del altiplano. El litio chileno alimenta baterías que alimentan los dispositivos que sostienen la infraestructura sobre la que corre la IA. La cadena no es una alegoría: está hecha de carreteras, salmueras y balances hídricos que se pueden medir.
Después vienen el cobalto del Congo, las tierras raras procesadas mayoritariamente en China, el silicio purificado, el aluminio. Cada componente de un servidor tiene un origen geográfico, un coste humano y un coste ambiental que no aparecen en la factura del usuario. La prensa española, cuando lo menciona, lo trata como dato de color. Y lo menciona poco.
Y luego está el agua, que es el ejemplo más fácil de comprobar porque las propias empresas lo publican. En 2023 Google declaró un consumo de unos 23.000 millones de litros de agua en sus centros de datos, y Microsoft cifró el suyo en torno a 1.700 millones de galones. Conviene ser honesto con lo que ese número dice y con lo que no dice: es el consumo total de la infraestructura de centros de datos de esas compañías, refrigeración incluida, no la factura aislada de entrenar un modelo concreto. Pero la dirección apunta a donde Crawford miraba en 2021. La nube compite por acuíferos reales en municipios reales. Cuando alguien suelta la palabra «nube» en una reunión, la pregunta honesta es de qué acuífero está hablando.
El trabajo que sostiene la IA y no aparece en los créditos
Hay una capa de trabajo visible en esta industria: los doctorados, los ingenieros con salario de seis cifras, las ruedas de prensa. Crawford dedica su capítulo más áspero, Labor, a la otra capa. La que no sale en la foto.
Ahí están los operarios de almacén cuyo ritmo lo fija un algoritmo que cronometra cada gesto para exprimir la tasa de paquetes por hora, con efectos sobre el cuerpo que ella rastrea en su trabajo de campo. Y está, sobre todo, el ejército de anotadores y moderadores que limpian lo que los modelos no deben repetir. El caso mejor documentado lo destapó la revista Time en enero de 2023: trabajadores en Kenia, contratados por la empresa Sama para OpenAI, cobraban entre 1,32 y 2 dólares la hora por etiquetar y filtrar texto e imágenes con descripciones de abusos, violencia y contenido sexual explícito, para que ChatGPT y sus parientes no los reprodujeran. No fue «uno a tres dólares» ni una cifra redondeada al gusto del titular. Fueron esos números, en ese contrato, sobre ese material.
Hay una tercera variante, más difusa: el trabajo intermediado por plataformas, donde un reparto de tarifas y métricas decidido por software ocupa el lugar del contrato laboral de toda la vida y puede expulsarte sin que haya nadie a quien reclamar. Capas distintas, una misma mecánica. El usuario final recibe una respuesta limpia y rápida, como salida de ningún sitio. Sale de ahí.
Quién decide las categorías
El capítulo Classification va a por algo más esquivo que el escándalo. Crawford pregunta cómo se asignan las etiquetas a los grandes conjuntos de datos con los que se entrenan los modelos, y por qué esas etiquetas, lejos de ser neutras, llevan dentro una manera de mirar el mundo.
Su ejemplo es ImageNet, el conjunto que en 2009 puso los cimientos de la visión por computador moderna y que reúne unos catorce millones de imágenes repartidas en miles de categorías. La mayoría son inofensivas —«perro», «coche», «mesa»—, pero no todas.
En septiembre de 2019, Crawford y el artista Trevor Paglen lanzaron ImageNet Roulette, una herramienta que mostraba con qué categorías clasificaba ImageNet la cara de quien subía su foto. Salieron etiquetas insultantes y racistas aplicadas a personas reales que jamás habían dado su consentimiento. Tras la repercusión, el equipo de ImageNet anunció la retirada de unas 600.000 imágenes de su categoría de personas y marcó como problemáticas en torno a mil quinientas categorías más, entre inseguras y sensibles. Lo que la nota de prensa no subrayó: los modelos ya entrenados con aquellas imágenes seguían funcionando en producción.
La lección de Crawford va más hondo que el episodio concreto. Cualquier sistema de clasificación es una decisión política. Decidir qué cosas van juntas, qué categorías existen y cuáles no, qué nombre recibe cada cajón —todo eso fija una visión del mundo y la disfraza de orden natural—. Etiquetar personas por raza, etnia o género, escribe, se parece más de lo que querríamos a la antigua manía de medir cráneos. Y los modelos heredan esa carga sin saberlo: los sesgos del conjunto, la mirada de quien etiquetó, los huecos donde no había datos. Después escupen decisiones sobre créditos, admisiones o vigilancia con el aire impecable de la estadística, que era exactamente lo que la antropometría buscaba prestar a la frenología.
El Estado no está fuera. Es coautor
En State, Crawford sigue el rastro del dinero público que sostiene buena parte del avance de la IA en Estados Unidos. La agencia DARPA financió durante décadas líneas de investigación que desembocaron en las redes neuronales actuales, y la frontera entre la IA civil y la militar se ha ido afinando hasta casi desaparecer.
Lo que en 2021 ella planteaba como tendencia se ha vuelto titular, y aquí lo apunto como observación propia y fechada, no como cita del libro. En 2024 Anthropic se alió con Palantir y Amazon Web Services para llevar sus modelos Claude a entornos clasificados de inteligencia y defensa del Gobierno estadounidense. Y en julio de 2025 el Departamento de Defensa adjudicó contratos de hasta 200 millones de dólares cada uno a OpenAI, Anthropic, Google y xAI para desarrollar capacidades de IA con usos de seguridad nacional. Crawford describió el patrón antes de que estos contratos existieran; el patrón no la ha desmentido.
El argumento del capítulo no es un pacifismo de catálogo, sino algo más estructural. La IA que tenemos no nació de la mano invisible ni del genio solitario del garaje. Creció sobre inversión estatal sostenida, con prioridades estatales y aplicaciones militares directas. Eso descoloca dos relatos de un golpe. A Silicon Valley, que presume de innovar a pesar del gobierno, le recuerda que el gobierno estuvo en la cuna. Y a quien confía en que «la regulación pondrá límites» le pone delante un problema feo: cuando el regulador es a la vez el inversor y el cliente, el conflicto de intereses no es un accidente del sistema, es su diseño.
Anatomy of an AI System, el mapa antes del libro
Tres años antes del Atlas, en septiembre de 2018, Crawford y el investigador Vladan Joler publicaron Anatomy of an AI System, un proyecto del AI Now Institute y SHARE Lab. Sigue siendo la mejor puerta de entrada a todo esto porque es, literalmente, un mapa.
Un diagrama enorme que despliega lo que hace falta para que un altavoz Amazon Echo conteste cuando alguien le pregunta la hora: minerales arrancados del suelo, componentes fabricados al otro lado del planeta, barcos, camiones, centros de datos, personas anotando datos lejos de las cámaras, redes eléctricas con su mezcla particular de fuentes, agua de refrigeración. Todo en una sola lámina, disponible en abierto en anatomyof.ai.
Funciona porque hace visible lo invisible sin pedir que el espectador se lea un ensayo. Basta mirar el mapa para entender que un «Alexa, ¿qué hora es?» pone en marcha una cadena planetaria. La IA no es ligera ni etérea, y no está «en la nube» en ningún sentido literal. Está en el suelo, en el agua y en jornadas de trabajo de gente con nombre.
Por qué este libro no entra en el debate español
Antes de seguir conviene desactivar un bulo que circula: el de que no está traducido. Sí lo está. Atlas de IA salió en castellano en NED Ediciones en 2023, en traducción de Francisco Díaz Klaassen. Existe, se compra. La pregunta de verdad es otra: por qué un libro que pesa tanto en el debate anglosajón apenas asoma en el español más que como cita de adorno.
Tengo tres sospechas, y las doy por lo que son, sospechas mías. La primera es que el libro no cabe en el esquema de «IA buena contra IA mala». Obliga a pensar en varias escalas a la vez —global, regional, local—, en cadenas materiales, en políticas de clasificación, en historia del trabajo. Eso es esfuerzo, no titular, y el titular siempre llega antes a la redacción.
La segunda sospecha es que reparte los golpes sin mirar el carnet. Le pega al tecnoutopismo de Silicon Valley y le pega a la izquierda que celebra la innovación sin mirar la factura; señala a gobiernos de un signo y del contrario. Un libro que no juega en ningún equipo no le sirve a ningún equipo para tener razón, y casi todo lo que se publica sobre IA se publica para tener razón.
La tercera es la que más me interesa. Traducir sus tesis al día a día español exigiría investigación de campo aquí: litio en Extremadura, proyectos de centros de datos en Aragón, estrés hídrico en municipios concretos, anotadores en Latinoamérica trabajando bajo contratos firmados en español. Esa conexión local es posible. Pero pedir el viaje, y no solo la reseña, es pedir mucho a una redacción con prisa.
Lo que se rompe cuando lo lees entero
Después de leerlo, hay una palabra que deja de servir: «nube». Una vez tienes el mapa en la cabeza, el término suena a anestesia, a metáfora cómoda que existe precisamente para que no preguntes por el acuífero ni por el almacén.
También se queda corta la palabra «sesgo» entendida como categoría abstracta de laboratorio. Empiezas a preguntar de dónde sale el conjunto de datos concreto, quién lo etiquetó, en qué condiciones, con qué criterio. El sesgo se vuelve historia material, con geografía y con nombres, y se le ve la costura.
Y muta la pregunta política, que era el verdadero objetivo de Crawford. Si la IA es una industria extractiva con cadena planetaria y modelo de negocio definido, dejar de preguntar solo «cómo la regulamos» para preguntar también quién paga el coste y quién se queda el valor no es un matiz retórico. Es cambiar de conversación entera. La frase de la portada, esa que todos repiten, era apenas la puerta. El libro está dentro, y dentro hace más frío.
Definiciones
Atlas of AI. Libro de Kate Crawford publicado por Yale University Press en 2021 y traducido al castellano por NED Ediciones en 2023 con el título Atlas de IA. Está organizado en seis capítulos temáticos —Earth, Labor, Data, Classification, Affect y State—, más una conclusión titulada Power y una coda final, Space.
Industria extractiva. Actividad cuya operación consiste en retirar recursos no renovables o costosos de regenerar, como la minería, los hidrocarburos o la pesca de arrastre. Crawford traslada el término a la IA para subrayar que su funcionamiento depende de extraer minerales, energía, agua, datos y trabajo.
Prompt. La instrucción de texto que un usuario escribe para pedirle algo a un sistema de IA conversacional.
ImageNet. Conjunto de datos de unos catorce millones de imágenes etiquetadas, base de la visión por computador moderna desde 2009. En 2019 sus responsables anunciaron la retirada de unas 600.000 imágenes de su categoría de personas tras la denuncia de Crawford y Paglen.
Anatomy of an AI System. Proyecto visual de Kate Crawford y Vladan Joler publicado en septiembre de 2018, que mapea las cadenas materiales y humanas necesarias para fabricar y operar un Amazon Echo. Disponible en anatomyof.ai.
AI Now Institute. Centro de investigación crítica sobre IA fundado en 2017 en la Universidad de Nueva York por Kate Crawford y Meredith Whittaker.
Referencias
Crawford, K. — Atlas of AI: Power, Politics and the Planetary Costs of Artificial Intelligence (Yale University Press, 2021). Edición española: Atlas de IA, trad. Francisco Díaz Klaassen (NED Ediciones, 2023). Fuente de la estructura en seis capítulos y de la tesis de la IA como industria extractiva.
Crawford, K. & Paglen, T. — ImageNet Roulette y el ensayo Excavating AI (proyecto en línea, septiembre de 2019). Sobre la clasificación de personas en ImageNet y la retirada posterior de unas 600.000 imágenes.
The Art Newspaper / Artsy — cobertura de la retirada de unas 600.000 imágenes de la categoría de personas de ImageNet y del marcado de en torno a mil quinientas categorías como problemáticas, septiembre de 2019.
Crawford, K. & Joler, V. — Anatomy of an AI System (AI Now Institute y SHARE Lab, septiembre de 2018, anatomyof.ai). Mapa visual de las cadenas materiales del Amazon Echo.
Perrigo, B. — «OpenAI Used Kenyan Workers on Less Than \$2 Per Hour to Make ChatGPT Less Toxic», Time, enero de 2023 (time.com/6247678/openai-chatgpt-kenya-workers). Fuente de las cifras de salario (entre 1,32 y 2 dólares la hora) de los anotadores de Sama para OpenAI.
Informes ambientales corporativos — consumo de agua de los centros de datos de Google (≈23.000 millones de litros en 2023) y Microsoft (≈1.700 millones de galones en 2023), referido al consumo total de su infraestructura.
CNBC y Breaking Defense — contratos de hasta 200 millones de dólares del Departamento de Defensa de EE. UU. con OpenAI, Anthropic, Google y xAI, julio de 2025 (cnbc.com/2025/07/14/anthropic-google-openai-xai-granted-up-to-200-million-from-dod.html).
TechCrunch / Palantir Investor Relations — asociación de Anthropic con Palantir y Amazon Web Services para llevar los modelos Claude a entornos clasificados de inteligencia y defensa del Gobierno de EE. UU., noviembre de 2024.
ImageNet — Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K. & Fei-Fei, L., «ImageNet: A Large-Scale Hierarchical Image Database», CVPR, 2009. Origen y escala del conjunto de datos.
AI Now Institute — institución fundada en 2017 en la Universidad de Nueva York por Kate Crawford y Meredith Whittaker.
También te interesa
- La IA invisible. La que decide sobre ti sin que sepas que existió la decisión
- Los escalones de la IA pública. La fachada y los pisos de abajo
- Hablemos de los anotadores kenianos detrás de ChatGPT
- La realidad de los centros de datos en España
Aún sin comentarios
Aún no hay comentarios. Sé el primero.
Deja un comentario