La inteligencia artificial ha dejado de ser un concepto etéreo para convertirse en una infraestructura física con una demanda energética sin precedentes. Según un reciente informe de la Universidad de las Naciones Unidas (UNU-INWEH), para el año 2030 los centros de datos que alimentan esta tecnología consumirán 945 teravatios-hora de electricidad.
Este volumen representa casi el 3% de la demanda eléctrica global proyectada para esa fecha, una cifra que triplica el consumo anual combinado de naciones como Pakistán, Bangladesh y Nigeria, donde residen más de 650 millones de personas. Sin embargo, los científicos advierten de que centrarse únicamente en la electricidad es un error de cálculo. La huella ambiental de la IA es una «triple amenaza» que incluye también un consumo masivo de agua y la ocupación de vastas extensiones de tierra.
Para 2030, se estima que la huella hídrica asociada equivaldrá a las necesidades básicas de 1.300 millones de personas en el África subsahariana. Este escenario obliga a replantear la gobernanza de la IA, no solo como un reto técnico, sino como una cuestión urgente de justicia climática y límites planetarios.
¿En qué consiste la triple huella de la IA?
El estudio publicado por la Universidad de las Naciones Unidas introduce una visión multidimensional de la sostenibilidad tecnológica. Hasta ahora, la conversación se ha limitado casi exclusivamente a la descarbonización. No obstante, cada kilovatio-hora utilizado por un sistema de IA arrastra consigo tres impactos inseparables: emisiones de carbono, huella hídrica y huella de tierra.
Los investigadores señalan que estas tres métricas no siempre evolucionan de forma paralela. Un ejemplo claro es la transición hacia fuentes de energía bajas en carbono, como la bioenergía. Aunque este cambio puede reducir las emisiones en un 70%, tiene el efecto secundario de multiplicar el consumo de agua por treinta y la ocupación de suelo por cien. Por ello, el informe recalca que ser «bajo en carbono» no implica necesariamente ser sostenible en términos de recursos naturales básicos.
Esta infraestructura física requiere no solo energía para funcionar, sino también ingentes cantidades de agua para la refrigeración de los servidores. Para el año 2030, la huella de tierra necesaria para sostener esta demanda eléctrica superará los 14.500 kilómetros cuadrados. Esta superficie es aproximadamente el doble del área metropolitana de Yakarta, una región que alberga a más de 32 millones de habitantes.
¿Por qué el impacto es mayor de lo que pensamos?
Un factor determinante en este crecimiento es el cambio de paradigma entre el entrenamiento y el uso cotidiano de la IA. Históricamente, la atención se centraba en la energía necesaria para «entrenar» modelos como GPT-4, un proceso que consumió entre 50 y 70 GWh de electricidad. Sin embargo, la fase de inferencia, que es el funcionamiento diario de los modelos para responder a los usuarios, representa ahora entre el 80% y el 90% del consumo total.
La intensidad energética varía drásticamente según la tarea solicitada por el usuario. Según los datos del estudio de la UNU-INWEH, estas son algunas comparaciones reveladoras:
- Una consulta de chat estándar es unas 200 veces más intensiva que una clasificación de texto básica.
- Generar una sola imagen mediante IA requiere la misma energía que cargar una bombilla LED de 10 vatios durante 17 minutos.
- La creación de un vídeo corto de alta complejidad consume tanta electricidad como procesar 200.000 correos de spam.
Este aumento de la demanda se ve agravado por lo que los expertos llaman el efecto rebote o Paradoja de Jevons. A medida que la tecnología se vuelve más eficiente y barata, su uso se masifica de tal forma que el ahorro individual por tarea es anulado por el crecimiento explosivo del volumen total de consultas.
Contexto y actores: la brecha digital y los costes locales
El informe subraya que los beneficios y las cargas de esta expansión son profundamente desiguales. Actualmente, el 90% de la capacidad de cómputo especializada en IA se concentra en solo dos países: Estados Unidos y China. Mientras tanto, más de 150 naciones tienen un acceso nulo o muy limitado a infraestructuras soberanas de IA.
Esta concentración geográfica traslada los costes ambientales a comunidades locales que a menudo no son las principales usuarias de la tecnología. En Irlanda, por ejemplo, los centros de datos ya consumen el 21% de toda la electricidad medida del país, superando el uso conjunto de todos los hogares urbanos. En Querétaro (México) y en Uruguay, la construcción de estas instalaciones ha generado tensiones sociales debido al uso de agua potable en periodos de sequía severa.
Además de los recursos operativos, el ciclo de vida del hardware plantea un desafío inminente. Para 2030, se proyecta que la infraestructura de IA generará 2,5 millones de toneladas de residuos electrónicos anuales. Esto equivale a desechar cerca de 250 torres Eiffel cada año, un flujo de residuos que suele terminar en países con regulaciones ambientales débiles.
¿Qué significa esto para el futuro?
La intención del informe no es posicionarse contra el progreso tecnológico, sino abogar por una IA que respete los límites del planeta. Para lograrlo, la ONU propone seis principios fundamentales, entre los que destacan la transparencia obligatoria en los informes de impacto y la eficiencia por diseño.
El futuro de esta tecnología dependerá de que los gobiernos integren los centros de datos en su planificación hídrica y energética de forma rigurosa. Para los usuarios, el reto consiste en adoptar un uso consciente, eligiendo modelos más ligeros o búsquedas convencionales cuando no sea necesario el despliegue de un gran modelo de lenguaje. Solo mediante una gobernanza global coordinada se podrá asegurar que la revolución de la IA sea tan inteligente en su gestión de recursos como lo es en su capacidad de procesamiento.
La fotografía de representación de este artículo pertenece a American Public Power Association y ha sido publicada en Unsplash
