La IA a la Universitat: de la il·lusió d’autonomia a la realitat d’infraestructura

Constato una certa tranquil·litat en part de l'entorn acadèmic en la manera d'afrontar aquesta nova transició tecnològica que ens porta la Intel·ligència Artificial (IA) generativa, pensant que simplement transformarà la universitat, com ja han fet altres transicions tecnològiques. I, en concret, es posa l'accent en què podrem mantenir una docència, recerca o gestió pròpies, assumint que la IA pugui ser parcialment “autoproveïble” internament, gràcies als models d'IA oberts i a la disponibilitat de dades i talent propi.

Tanmateix, aquesta visió ignora una realitat fonamental: la IA moderna no és només programari i dades. És, sobretot, infraestructura de supercomputació. Els grans models de llenguatge que utilitzem diàriament són entrenats sobre plataformes de supercomputació d’escala extraordinària, amb desenes de milers de xips especialitzats en IA, interconnexions d’alta velocitat, sistemes avançats de refrigeració, i un consum energètic descomunal. Alhora, cada una de les nombroses interaccions que ja fem amb un sistema d’IA en el nostre dia a dia universitari, en docència, recerca o gestió, activen novament infraestructures de computació que processen inferència en temps real, amb costos materials i energètics també molt significatius. És a dir, la IA, lluny de ser una tecnologia etèria, depèn de xarxes elèctriques, materials, logística industrial i cadenes de subministrament globals, que la universitat no pot ni controlar ni replicar.

Aquesta realitat redefineix el tipus de dependència que afronta la universitat amb aquest nou canvi de règim tecnològic. Ara no estem davant de simplement externalitzar serveis com vàrem fer amb el Cloud Computing, sinó d’una transferència estructural de capacitat tecnològica cap a un nombre molt reduït d’actors globals que fan que la IA estigui evolucionant cap a una infraestructura crítica, comparable a infraestructures com les xarxes elèctriques, però amb un nivell de concentració sense precedents.

A més, el model econòmic actual de la IA està encara lluny de l’equilibri. Els principals proveïdors estan, de facto, subvencionant una part significativa del cost real dels serveis, amb l’objectiu de consolidar adopció i dependència. Això implica que moltes de les decisions que avui es prenen en docència, recerca o gestió, es basen en uns costos que probablement no es mantindran. La universitat corre el risc de construir processos crítics sobre una base econòmica volàtil, amb una capacitat limitada de reacció quan aquestes condicions canviïn.

Atès que el límit de la IA ja no és només algorítmic o computacional, sinó que emergeix clarament un nou límit, l’energia, el futur de la IA no es decidirà fonamentalment en laboratoris de recerca, sinó sobretot en decisions industrials d’infraestructura energètica i en dinàmiques geopolítiques.

En aquest nou context, la universitat deixa de ser un actor central en la construcció de la infraestructura a gran escala que sustenta la IA en molts àmbits clau per convertir-se en un actor que, per la seva naturalesa, pot reforçar el seu paper com a institució capaç d’interpretar, auditar i qüestionar sistemes que no controla. I tot i que aquesta funció és essencial, i la universitat sembla l'actor adient, per garantir que l’adopció de la IA en la societat no es faci només des de la fascinació tecnològica, sinó des del coneixement i la responsabilitat institucional, encara no tenim clar com hem d’actuar per posicionar-nos en aquest nou escenari i mantenir la nostra capacitat de decisió en un ecosistema que, per disseny, ens deixa al marge.

La pregunta no és només com utilitzarem la IA en la Universitat, sinó si serem capaços de mantenir capacitat de decisió en un ecosistema que no controlem.

Jordi Torres