La huella ambiental de la IA se triplicará en 2030: consumirá más electricidad que Pakistán, Bangladés y Nigeria juntos

La inteligencia artificial tiene una factura ambiental que casi nadie está midiendo entera. De aquí a 2030, los centros de datos que la sostienen necesitarán 945 teravatios-hora (TWh) de electricidad al año, una cifra que casi triplica el consumo eléctrico anual sumado de Pakistán, Bangladés y Nigeria, tres países que reúnen a más de 650 millones de habitantes.

No es solo cuestión de energía. Esa misma infraestructura demandará un volumen de agua comparable a las necesidades básicas de los 1.300 millones de personas que viven en el África subsahariana, y ocupará más de 14.500 kilómetros cuadrados de suelo, el doble de la superficie del área metropolitana de Yakarta.

Las cifras proceden del informe "Coste ambiental del uso energético de la IA: huellas de carbono, agua y suelo", difundido este miércoles por el Instituto de la Universidad de la ONU para el Agua, el Medio Ambiente y la Salud (UNU-INWEH). 

• Su principal advertencia es metodológica: hasta ahora el debate se ha fijado casi en exclusiva en las emisiones de carbono de los grandes modelos, dejando fuera del cálculo dos costes igual de relevantes, el agua que se evapora para refrigerar los servidores y generar la electricidad, y el territorio que devoran las infraestructuras energéticas y las cadenas de suministro.

Por qué medir solo el CO₂ ofrece una foto incompleta

"Este informe no es un manifiesto en contra de la inteligencia artificial", matiza Kaveh Madani, director de UNU-INWEH y responsable de la investigación. Su mensaje, dice, es otro: utilizarla de forma responsable y anticiparse a sus efectos no deseados para que sea sostenible y justa.

El núcleo del problema es que las tres huellas no avanzan en paralelo, y a veces tiran en direcciones opuestas. Sustituir el carbón por bioenergía recorta la huella de carbono cerca de 70%, pero a cambio multiplica por treinta el consumo de agua y por cien el uso de suelo. La conclusión es incómoda para quien busca atajos: una solución "baja en carbono" puede ser, al mismo tiempo, intensiva en agua y voraz en territorio.

El punto de partida ya es alto. Durante 2025, los centros de datos del mundo consumieron 448 TWh. Si fueran un país, ocuparían el undécimo puesto del ranking mundial de consumo eléctrico, justo detrás de Francia y por delante de Arabia Saudí.

El verdadero peso de la IA está en las consultas diarias, no en el entrenamiento

Buena parte de la conversación pública se ha concentrado en lo que cuesta entrenar un modelo: GPT-3 requirió 1,3 gigavatios-hora (GWh) y GPT-4 entre 50 y 70. El informe sostiene que ese enfoque ya quedó obsoleto. Una vez que un modelo está en marcha, es la inferencia —el procesamiento continuo de las preguntas de los usuarios— la que se lleva entre el 80% y el 90% de toda la energía que gasta la IA.

Solo ChatGPT gestiona alrededor de 2.500 millones de consultas diarias, equivalentes a unos 383 GWh al año. Compensar esas emisiones exigiría plantar 2,6 millones de árboles y dejarlos crecer una década, una masa forestal del tamaño de Manhattan. Y su huella hídrica iguala el agua que necesitarían durante un año medio millón de personas en el África subsahariana.

No todas las peticiones pesan lo mismo, y la diferencia es enorme. Una conversación corriente con un chatbot gasta 200 veces más energía que una simple clasificación de texto. Generar una sola imagen dispara ese coste 1.450 veces. Y producir un vídeo breve con IA puede consumir tanta electricidad como filtrar 200.000 correos de spam.

La paradoja de la eficiencia: a más ahorro, más consumo

Aquí aparece la trampa que el informe rescata de la economía clásica: la paradoja de Jevons o efecto rebote. Cuando los modelos se vuelven más eficientes, también se abaratan, y al abaratarse se usan mucho más. El ahorro por consulta queda sepultado bajo un crecimiento explosivo del volumen total.

"La gente piensa que la huella ambiental de la IA disminuye a medida que mejora la tecnología", explica Madani. "Pero una IA más eficiente y barata se traduce en más uso de IA, y eso hace que la huella total sea muy superior a lo que ahorramos por cada mejora".

Beneficios globales, costes locales: Irlanda, México y Uruguay

El despliegue acelerado de la IA está generando tensiones muy concretas y muy desiguales sobre el terreno:

• Irlanda. Los centros de datos absorbieron el 21% de toda la electricidad medida en 2023, por encima del conjunto de los hogares urbanos del país. El operador de la red ha congelado nuevas autorizaciones en Dublín hasta 2028.
• Querétaro (México). La expansión de la computación está tensionando los suministros de agua en plena sequía prolongada.
• Uruguay. Se proyectó un centro de datos de alto consumo hídrico justo cuando una sequía vaciaba las reservas de agua dulce de Montevideo.

A ese mapa de presiones locales se suma un problema de residuos: la infraestructura de IA podría generar hasta 2,5 millones de toneladas de basura electrónica al año en 2030, gestionada en su mayoría en economías de bajos ingresos con escasas garantías ambientales, mientras los minerales críticos se extraen en jurisdicciones con poca supervisión.

La brecha digital de la IA también es una cuestión de justicia ambiental

La capacidad de cómputo está extraordinariamente concentrada. Solo 32 países albergan centros de datos especializados en IA, y el 90% de esa capacidad se reparte entre apenas dos naciones. Más de 150 países carecen hoy de acceso a una computación soberana de IA.

El informe lo lee como algo más que una desigualdad económica. Los países que quedan fuera cargan con la extracción de minerales y los residuos electrónicos, mientras los réditos estratégicos se acumulan en otra parte. "El sistema global que está construyendo la inteligencia artificial también debe gobernarla de forma sostenible y justa", sostiene Tshilidzi Marwala, rector de la Universidad de la ONU, quien resume el desafío así: lograr que la IA impulse el bienestar humano de manera equitativa ya es, sobre todo, un problema de gobernanza, no técnico.

Seis principios para una IA responsable

El documento propone construir un ecosistema de IA responsable sobre seis pilares: transparencia, eficiencia por diseño, equidad y justicia ambiental, responsabilidad sobre todo el ciclo de vida, cooperación global y uso sostenible. Entre sus recomendaciones prácticas destacan:

• Gobiernos: integrar la infraestructura de IA en la planificación energética, hídrica y de usos del suelo.
• Industria: entender la elección de modelo y de formato de salida como una decisión de impacto ambiental.
• Usuarios: optar por el modelo más ligero y el formato de menor consumo que resuelva la tarea.
• Operadores de centros de datos: tratar la ubicación y la fuente de energía como decisiones ambientales críticas.
• Inversores: incorporar las huellas de carbono, agua y suelo como riesgos materiales en sus carteras.

"Tenemos una ventana estrecha para asegurar que la columna vertebral de la revolución tecnológica de nuestra época se desarrolle dentro de los límites del planeta", concluye Madani. Su deseo final es que las comunidades que aportan los minerales y las que acogen las infraestructuras y los residuos figuren también entre las que se benefician de la IA. Seguí a El Economista en Google Agreganos a tus medios preferidos. + Agregar