Zendoric
← Volver al día · 28 de junio de 2026

La infraestructura física de la IA como ancla para frenar la fuga de jóvenes en Nuevo México

🕒 Publicado en Zendoric: 28 de junio de 2026 · 09:00

Nuevo México fue uno de los cinco estados que perdieron población el año pasado. Un dirigente sindical argumenta que el boom de centros de datos e infraestructura IA puede ofrecer a los jóvenes locales carreras bien pagadas sin salir del estado.

Por Zendoric · 28 de junio de 2026.

Hay una paradoja en la conversación pública sobre inteligencia artificial: se habla casi exclusivamente de modelos, algoritmos y startups, pero rara vez de las toneladas de acero, kilómetros de cable y millones de metros cúbicos de agua que hacen funcionar todo eso. Un artículo de opinión publicado en el Las Cruces Sun-News por Darrell Deaguero, director de negocios del Sindicato de Trabajadores Locales 16 (LIUNA Local 16) en Albuquerque, pone el foco exactamente ahí: en la dimensión física —y humana— de la revolución tecnológica.

El texto arranca con una historia concreta: un joven del condado de Doña Ana que comunica su intención de abandonar Nuevo México porque no ve futuro allí. No es un caso aislado. Según Deaguero, Nuevo México fue uno de solo cinco estados de EE. UU. que registraron pérdida neta de población el año pasado, una estadística que convierte la retención de talento en una urgencia económica y demográfica más que en un debate abstracto.

El argumento central del autor es que proyectos como Project Jupiter —parte del ciclo de inversión en infraestructura IA que incluye centros de datos, instalaciones de generación eléctrica y campus de computación— representan una ventana de oportunidad comparable a la que en su momento abrieron las autopistas o los ferrocarriles. No para los ingenieros de software, sino para electricistas, soldadores, operarios de maquinaria y trabajadores de la construcción que pueden construir, mantener y expandir esa infraestructura sin salir de su comunidad.

La pieza no es solo un alegato proobrero: articula un modelo concreto de desarrollo. Los programas de aprendizaje registrados (registered apprenticeships) permiten a un joven ganar un salario mientras aprende un oficio cualificado bajo supervisión de trabajadores experimentados, obteniendo credenciales reconocidas sin endeudarse con préstamos estudiantiles. Es una alternativa estructural a la universidad de cuatro años que, paradójicamente, sigue siendo invisible en gran parte del debate sobre movilidad social en EE. UU.

Desde la perspectiva analítica, lo que Deaguero describe no es nuevo en términos históricos —los grandes proyectos de infraestructura siempre han actuado como generadores de empleo local cualificado— pero sí es pertinente en el contexto actual. Como contexto del sector, la carrera por construir capacidad computacional para modelos de IA a gran escala está impulsando una ola de inversión en centros de datos sin precedente: analistas del sector estiman que la demanda de potencia eléctrica para estas instalaciones crecerá de forma sostenida durante al menos una década. Esa demanda no se satisface solo con chips y refrigeración: requiere mano de obra especializada en construcción, instalaciones eléctricas y gestión de agua, sectores donde la escasez de trabajadores es ya un cuello de botella.

Nuevo México, además, ofrece algunas ventajas regulatorias y medioambientales no triviales que el artículo menciona explícitamente. La Energy Transition Act del estado traza una hoja de ruta hacia fuentes de energía sin carbono para 2045, lo que significa que la electricidad que alimenta estos centros de datos irá siendo progresivamente más limpia, un dato relevante para empresas tecnológicas con compromisos públicos de sostenibilidad. La gestión del agua —un recurso crítico en el árido suroeste americano— está regulada con requerimientos de rendición de cuentas para grandes consumidores, con agencias ambientales que supervisan estándares de calidad que protegen acuíferos y ríos. En un sector donde el consumo hídrico de los centros de datos es una crítica creciente, poder demostrar que las operaciones se realizan en un entorno regulatorio riguroso es un activo.

El texto no elude la dimensión política: Deaguero llama explícitamente a que líderes estatales y locales exijan estándares laborales sólidos, programas de aprendizaje, responsabilidad medioambiental y beneficios comunitarios tangibles como condición para dar la bienvenida a la inversión. Es la posición esperada de un dirigente sindical, pero también refleja una tensión real que se repite en todas las regiones que compiten por atraer este tipo de infraestructura: la diferencia entre un proyecto que extrae valor de una comunidad y uno que lo distribuye depende en gran medida de las condiciones negociadas antes de que lleguen las excavadoras.

La lectura de fondo es que la IA, como tecnología de propósito general, está creando una demanda masiva de infraestructura física que puede convertirse en palanca de desarrollo regional si se gestiona con criterio. Nuevo México no compite en el mercado de los ingenieros de modelos de lenguaje ni de los investigadores de machine learning; sí puede competir —y según este argumento, debería hacerlo activamente— en el mercado de localización de infraestructura: clima regulatorio predecible, energía en transición hacia renovables, agua gestionada con rigor y una fuerza laboral de construcción con décadas de historia sindical. LIUNA, con más de 123 años de existencia a nivel nacional y más de un siglo de presencia en Nuevo México a través del Local 16, es parte de ese activo.

El joven del condado de Doña Ana que quiere marcharse no necesita convertirse en desarrollador para beneficiarse del boom de la IA. Necesita que alguien construya el andamiaje institucional —programas de aprendizaje, contratos con cláusulas laborales, exigencia de beneficios comunitarios— que conecte su talento con la inversión que ya está llegando. Esa es, en síntesis, la apuesta que Deaguero articula desde el plano local, y tiene una validez que trasciende las fronteras de Nuevo México: cualquier región que aspire a no quedarse al margen de la economía de la IA debería hacerse la misma pregunta.

Fuentes y referencias