El costo oculto de la IA: cómo los algoritmos que consumen mucha energía están alimentando la crisis climática

La inteligencia artificial (IA) se ha convertido en parte integral de la sociedad moderna, revolucionando industrias, mejorando la vida cotidiana e impulsando el crecimiento económico. Desde asistentes virtuales hasta análisis de datos avanzados, las aplicaciones de la IA son diversas y se expanden rápidamente. Sin embargo, este rápido crecimiento conlleva importantes consecuencias ambientales, especialmente en lo que respecta al consumo de energía y las emisiones de carbono. A medida que las tecnologías de IA se generalizan, comprender y mitigar su impacto ambiental es crucial para el desarrollo sostenible. Un centro de datos de IA típico, según la Agencia Internacional de la Energía (AIE), consume actualmente la misma energía que cien mil hogares, pero los centros más grandes que se están construyendo consumirán veinte veces esa cantidad.

Las demandas energéticas de la IA

Los modelos de IA, especialmente los de gran escala, requieren una potencia computacional considerable para su entrenamiento y funcionamiento. Entrenar modelos sofisticados como GPT-3 (una plataforma que permite conversaciones en lenguaje natural con inteligencia artificial avanzada) implica procesar grandes cantidades de datos mediante algoritmos complejos, lo que requiere amplios recursos computacionales. Por ejemplo, entrenar GPT-3 con 175 mil millones de parámetros consumió aproximadamente 1287 megavatios-hora (MWh) de electricidad, lo que generó emisiones de carbono equivalentes a conducir 112 automóviles de gasolina durante un año.

El consumo energético intensivo de la IA se extiende más allá del entrenamiento y abarca las fases de implementación e inferencia. Las aplicaciones de IA, como el reconocimiento de imágenes y voz, el procesamiento del lenguaje natural y los sistemas de recomendación, procesan datos continuamente, lo que genera un consumo energético constante. Los centros de datos, que albergan el hardware para estos cálculos, han experimentado un aumento significativo en su consumo eléctrico. En 2022 el consumo eléctrico global de los centros de datos alcanzó los 460 teravatios-hora (TWh), lo que los posiciona como el undécimo mayor consumidor de energía del mundo, según la Organización para la Cooperación y el Desarrollo Económicos. De hecho, las proyecciones de la AIE indican que, para 2030, la demanda eléctrica de los centros de datos podría más que duplicarse, alcanzando unos 945 TWh, una cifra superior al consumo eléctrico anual actual de Japón.

La huella de carbono de la IA

El impacto ambiental de la IA está estrechamente vinculado a las fuentes de energía que alimentan los centros de datos. Muchos de ellos dependen de fuentes de energía no renovables, lo que genera importantes emisiones de carbono. En Estados Unidos, los centros de datos representan más del cuatro por ciento total de electricidad del país y el 56 % de esta energía se derivó de combustibles fósiles, lo que generó más de 105.000.000 de toneladas de emisiones de CO2.

En comparación con otros sectores, la huella de carbono de la IA y los centros de datos es cada vez más significativa. Por ejemplo, las emisiones de los centros de datos internos de grandes empresas tecnológicas, como Google, Microsoft, Meta y Apple, podrían ser más de siete veces superiores a las declaradas oficialmente. Esta falta de información subraya la necesidad de una mayor transparencia y rendición de cuentas en la evaluación del impacto ambiental de las tecnologías de IA.

Un analista del Carbón Disclosure Project señaló: «Existe una importante brecha de transparencia en la forma en que las empresas informan sobre las emisiones de sus centros de datos. Ante el aumento de las cargas de trabajo de IA, es fundamental cerrar esa brecha».

Cómo la IA está acelerando la crisis climática

La creciente demanda de tecnologías de IA ejerce una presión adicional sobre los recursos energéticos globales. A medida que la IA se integra más en diversos sectores, se prevé que aumente la energía necesaria para estas aplicaciones. Las proyecciones indican que, para 2028, los centros de datos podrían representar hasta el 12 % del consumo anual de electricidad de Estados Unidos. Este aumento repentino del consumo energético podría generar mayores emisiones de gases de efecto invernadero, agravando el calentamiento global y obstaculizando los esfuerzos para combatir el cambio climático.

Además, la expansión de los centros de datos para impulsar el crecimiento de la IA ha provocado un mayor consumo de agua para refrigeración, lo que añade un nuevo nivel de preocupación ambiental. El efecto acumulativo de estos factores señala la urgente necesidad de abordar el impacto ecológico de las tecnologías de IA.

En Ashburn,  condado de Loundoun, Virginia —conocido como el «Callejón de los Centros de Datos» debido a su altísima concentración de centros de datos, que constituyen un importante centro para el tráfico global de internet—, el consumo de agua aumentó casi un 63 % entre 2019 y 2023, impulsado principalmente por el crecimiento de la infraestructura basada en IA. Preocupaciones similares se han planteado en Chile, donde la oposición de la comunidad llevó a Google a abandonar la refrigeración por agua en sus instalaciones de Santiago en favor de alternativas más sostenibles.

Tania Rodríguez, líder comunitaria de Santiago, dijo: «No estamos en contra de la tecnología. Pero no podemos permitir que la IA crezca a costa de nuestra agua y nuestro futuro».

Pasos hacia una IA sostenible

Para abordar los desafíos ambientales que plantea la IA se necesita un enfoque multifacético que combine innovación tecnológica, cambios de políticas y colaboración industrial.

Mejoras de eficiencia

Optimizar los modelos de IA para mejorar la eficiencia puede reducir significativamente el consumo de energía. Técnicas como la poda de modelos (que elimina conexiones neuronales redundantes manteniendo el rendimiento), la cuantificación (que reduce la precisión del modelo al convertirlo a formatos de menor ancho de bits) y la destilación de conocimiento (que entrena modelos de «estudiante» más pequeños para imitar modelos de «profesor» más grandes) ayudan a optimizar los modelos de IA, haciéndolos menos intensivos computacionalmente sin comprometer el rendimiento. La implementación de estos métodos puede generar ahorros de energía sustanciales durante las fases de entrenamiento e inferencia.

Integración de energías renovables

La transición de los centros de datos a fuentes de energía renovables es un paso fundamental hacia la sostenibilidad . Al aprovechar la energía solar, eólica e hidroeléctrica, los centros de datos pueden reducir su dependencia de los combustibles fósiles y mitigar el impacto ambiental. Empresas como Google y Microsoft han invertido en proyectos de energía renovable para alimentar sus centros de datos, con el objetivo de reducir su huella de carbono.

Google ha igualado el ciento por ciento de su uso de electricidad con fuentes de energía renovables desde 2017, y Microsoft se ha comprometido a convertirse en carbono negativo para 2030. Meta y Microsoft también han sido pioneros en técnicas de refrigeración líquida y sistemas de energía de corriente continua, lo que ha resultado en una mejora en la eficiencia energética de más del tres por ciento.

Anthropic y OpenAI no han revelado indicadores de sostenibilidad específicos, lo que plantea dudas sobre la transparencia en este ámbito. Sin embargo, iniciativas de colaboración en toda la industria, como el proyecto AI Enewrgy Score, están comenzando a impulsar estándares de rendición de cuentas unificados.

Técnicas avanzadas de enfriamiento

Los métodos de refrigeración innovadores , como la refrigeración líquida y los sistemas de climatización basados ​​en IA, pueden mejorar la eficiencia energética en los centros de datos. Estos sistemas pueden reducir el consumo de energía de refrigeración en más de un 18 % en comparación con los métodos tradicionales de refrigeración por aire. La implementación de estas tecnologías ayuda a reducir el consumo energético general y las emisiones asociadas.

En una colaboración de 2025, Microsoft y Meta adoptaron sistemas de enfriamiento derivados de vehículos eléctricos para administrar racks de IA de alta densidad que superan un megavatio por unidad, tecnologías que reducen el calor y minimizan el uso de agua.

Según Noman Bashir, becario de Computación e Impacto Climático del Consorcio de Clima y Sostenibilidad del MIT, la relación entre la velocidad de respuesta y el consumo energético en los modelos de IA es significativa, pero a menudo se pasa por alto. A pesar de esta correlación directa, los usuarios desconocen en gran medida cómo sus interacciones con la IA impactan el consumo energético, ya que las empresas rara vez destacan este aspecto en sus presentaciones de productos.

Promoción de políticas y regulación

Los gobiernos y los organismos reguladores desempeñan un papel fundamental en la promoción de prácticas sostenibles de IA. Implementar políticas que fomenten la eficiencia energética, exijan la transparencia en la declaración de emisiones e incentiven el uso de energías renovables puede impulsar al sector hacia prácticas más respetuosas con el medio ambiente. Por ejemplo, las políticas fiscales que abordan las emisiones de carbono de las operaciones de IA y criptomonedas pueden ayudar a mitigar su impacto ambiental.

En EE. UU., estados como Virginia están considerando legislación para exigir estimaciones del consumo de agua en los centros de datos. La ley de centros de datos de Minnesota , aprobada en 2025, exige que los centros de datos consideren medidas de conservación de agua si planean utilizar más de cien millones de galones al año para refrigerar sus instalaciones. Irlanda, que enfrenta la inestabilidad de la red debido a la creciente demanda impulsada por la IA, está reevaluando sus procesos de permisos para nuevas instalaciones.

Centros de datos descentralizados y sostenibles

Explorar modelos de centros de datos descentralizados alimentados por fuentes de energía renovables puede contribuir a la sostenibilidad. Iniciativas como Earth Friendly Computation promueven la construcción de centros de datos en territorios indígenas, el uso de recursos renovables locales y la participación comunitaria. Estos enfoques no solo reducen el impacto ambiental, sino que también impulsan el desarrollo económico en las comunidades locales.

Conclusión

El rápido avance de la IA genera beneficios transformadores en diversos sectores. Sin embargo, también presenta importantes desafíos ambientales, especialmente en términos de consumo de energía y emisiones de carbono. Reconocer y abordar estos costos ambientales ocultos es fundamental para el desarrollo sostenible de la IA.

Empresas, investigadores y gobiernos deben colaborar para priorizar la sostenibilidad en las iniciativas de IA. Esto incluye invertir en tecnologías energéticamente eficientes, integrar fuentes de energía renovables, métodos avanzados de refrigeración e implementar políticas y regulaciones que las respalden. La transparencia en los informes energéticos y el uso de métricas estandarizadas para medir el impacto ambiental de la IA serán cruciales para impulsar la rendición de cuentas y garantizar su uso responsable.

Los consumidores también contribuyen a la reducción del impacto energético de la IA. Al cerrar las aplicaciones cuando no se utilizan, elegir herramientas que consuman menos recursos y apoyar a empresas que demuestran responsabilidad ambiental, las personas pueden contribuir al esfuerzo colectivo, señala el Foro Económico Mundial.

En definitiva, el futuro de la IA debe estar en sintonía con el futuro del planeta. A medida que continuamos liberando el potencial de la IA, debemos asegurarnos de que la innovación no se produzca a expensas del medio ambiente. Solo integrando la sostenibilidad en cada etapa del desarrollo de la IA podremos lograr una evolución tecnológica brillante y responsable.

Artículo publicado por The Observatory bajo una licencia de Creative Commons