¿Y si pudieras ganar dinero mientras tu ordenador está encendido y no lo estás utilizando? Microsoft ha presentado una solicitud de patente que contempla aprovechar la potencia disponible de las tarjetas gráficas domésticas para entrenar modelos de inteligencia artificial, con la posibilidad de ofrecer recompensas a sus propietarios.
La documentación, publicada el 5 de noviembre de 2026, describe un sistema capaz de distribuir pequeñas tareas de entrenamiento entre miles de ordenadores conectados a Internet. La propuesta podría resultar especialmente interesante para quienes tienen un PC gaming con una tarjeta gráfica potente que permanece inactiva durante buena parte del día.
Eso sí, por ahora se trata de una tecnología descrita en una patente, no de un servicio que Microsoft haya anunciado comercialmente. Pero, igual que el otro día Sam Altman decía que era una pena que tuviesemos RAM en nuestros ordenadores ya que era una pérdida para la IA… ahora Microsoft piensa en esta alternativa.
Cómo utilizaría Microsoft las GPU para entrenar inteligencia artificial
La solicitud, identificada como US 2026/0349820 A1, lleva por título Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization. Fue presentada por Microsoft Technology Licensing el 30 de abril de 2025. Su funcionamiento parte de una idea relativamente sencilla: aprovechar la capacidad de procesamiento de millones de dispositivos particulares cuando sus propietarios no la necesitan.
Actualmente, el entrenamiento de modelos avanzados de inteligencia artificial requiere una enorme infraestructura de servidores equipados con aceleradores especializados. Sin embargo, muchos ordenadores personales incorporan tarjetas gráficas capaces de realizar cálculos similares, aunque a una escala mucho menor.
Microsoft propone dividir determinadas operaciones de entrenamiento en pequeñas tareas independientes que puedan ejecutarse de forma distribuida.
El proceso descrito funcionaría de la siguiente manera:
- El propietario autorizaría expresamente la participación de su dispositivo.
- El sistema comprobaría cuánta capacidad de procesamiento tiene disponible la GPU.
- Un servidor distribuiría pequeñas tareas de entrenamiento adaptadas a las características de cada equipo.
- El ordenador realizaría los cálculos y devolvería los resultados.
- El sistema comprobaría su fiabilidad y los incorporaría al entrenamiento del modelo.
La propuesta también contempla mecanismos para reducir o interrumpir las tareas cuando el usuario necesite los recursos de su ordenador. Para conseguirlo, el software vigilaría parámetros como la utilización de la GPU, la memoria disponible, la temperatura y el consumo energético.
El objetivo sería aprovechar los periodos de inactividad sin perjudicar las funciones habituales del dispositivo. No obstante, Microsoft todavía no ha demostrado públicamente que pueda conseguirlo sin afectar al rendimiento en un entorno comercial.
Microsoft contempla pagar con dinero, software gratuito o acceso a modelos de IA
Una de las partes más llamativas de la documentación es la posibilidad de compensar a quienes compartan sus recursos informáticos. Microsoft describe un mecanismo que podría registrar la cantidad de cálculos realizados por cada dispositivo y asignar créditos a sus propietarios.
Estos créditos podrían intercambiarse por distintas recompensas:
- Dinero, como compensación económica por el trabajo realizado.
- Software gratuito, mediante créditos acumulados.
- Acceso a modelos de inteligencia artificial que se estén entrenando.
- Otras modalidades de compensación que pudieran establecerse.
Sin embargo, hay un detalle importante: las recompensas aparecen como una posibilidad en la descripción de la solicitud, mientras que las reivindicaciones de la patente se centran en el reparto, la ejecución y la validación de las tareas informáticas. Microsoft tampoco ha establecido cantidades, tarifas por hora ni condiciones económicas.
¿Qué ordenadores podrían participar?
Aunque los equipos gaming representan uno de los ejemplos más evidentes, la tecnología no se limita a ellos. La documentación contempla distintos dispositivos conectados capaces de aportar capacidad de procesamiento, entre ellos ordenadores de sobremesa, portátiles e incluso teléfonos inteligentes.
En la práctica, las GPU dedicadas de alto rendimiento serían candidatas especialmente interesantes por su capacidad para ejecutar cálculos paralelos. Esto incluiría potencialmente ordenadores equipados con tarjetas gráficas NVIDIA GeForce RTX o AMD Radeon RX, aunque Microsoft no ha publicado una lista de modelos compatibles ni unos requisitos mínimos.
La cantidad de memoria gráfica disponible, el rendimiento de la GPU y su consumo energético podrían condicionar el volumen de trabajo que recibiría cada equipo. En los portátiles y teléfonos, además, habría que considerar especialmente la autonomía, las temperaturas y la disponibilidad de recursos.
¿Sería rentable ganar dinero utilizando tu tarjeta gráfica?
Esta es probablemente la pregunta más importante para cualquier usuario interesado.
Aunque el ordenador esté encendido y aparentemente inactivo, utilizar su GPU para realizar cálculos intensivos aumentaría el consumo de electricidad y la generación de calor.
Por ejemplo, imaginemos un equipo cuyo consumo aumenta 250 W mientras participa en el entrenamiento de inteligencia artificial.
Si trabajase cuatro horas diarias durante 30 días, consumiría 30 kWh adicionales.
Con un precio hipotético de 0,20 euros por kWh, supondría aproximadamente 6 euros mensuales adicionales en electricidad.
Para que resultase rentable, las recompensas tendrían que superar ese gasto y compensar otros posibles inconvenientes.
También habría que considerar:
- El desgaste adicional asociado al funcionamiento prolongado de los ventiladores y otros componentes.
- Las temperaturas alcanzadas durante las sesiones.
- La posibilidad de que determinadas tareas afectasen al rendimiento del ordenador.
- El tráfico de datos necesario para recibir y devolver las operaciones.
- Los permisos y las garantías de seguridad del software utilizado.
Tampoco sería equivalente a la minería de criptomonedas. Aunque ambos sistemas aprovechan la capacidad de cálculo de las tarjetas gráficas, en este caso el objetivo sería entrenar modelos de aprendizaje automático.
