La inteligencia artificial suele presentarse como una herramienta limpia, inmaterial, casi etérea. Un algoritmo que vive en la nube, un modelo que “piensa” sin ocupar espacio. Pero la ONU acaba de publicar un informe que desmonta ese mito: la IA tiene un impacto físico en el medio ambiente enorme, y sus efectos sobre el agua, el suelo y el consumo energético empiezan a ser motivo de preocupación global.
Lejos de ser una tecnología invisible, la IA es una infraestructura material que devora recursos naturales. Y cuanto más crece, más evidente se vuelve su huella.
Detrás de cada imagen generada, de cada respuesta de un chatbot, hay una cadena física de consumo de energía, agua, materiales y territorio. Y esa cadena tiene consecuencias muy desiguales según dónde se ubiquen los centros de datos y quién se beneficia de la tecnología.
Un crecimiento descomunal y muy concentrado
El informe sitúa el mercado global de IA en una trayectoria casi exponencial: de 189 mil millones de dólares en 2023 a cerca de 5 billones en 2033, unas 25 veces más en apenas una década. La adopción también es vertiginosa: en 2024, el 78% de las organizaciones declaraba usar IA en su trabajo, mientras que alrededor del 60% de los empleos en economías avanzadas ya incorporan algún componente de IA, frente al 26% en países de renta baja.
Pero la infraestructura que hace posible todo esto está muy lejos de ser global. Casi la mitad de los centros de datos del mundo se encuentran en Estados Unidos, y solo el 16% de los países alberga capacidad de computación en la nube especializada en IA; el 90% de esa capacidad está concentrada en solo dos países: Estados Unidos y China. El resultado: los beneficios estratégicos y económicos se concentran, mientras que parte de los costes ambientales se externalizan.
Entrenar modelos gigantes: energía, agua y suelo
Uno de los aportes más interesantes del informe es que va más allá del carbono y cuantifica también las huellas híbridas y ecológicas asociadas a la electricidad que alimenta la IA.
Algunos datos clave sobre el entrenamiento de modelos de frontera (los que representan la vanguardia tecnológica en IA, definidos por su capacidad de superar consistentemente a modelos anteriores en tareas complejas como razonamiento, generación de código, comprensión del lenguaje natural y análisis de datos):
GPT‑3: alrededor de 1,287 GWh de electricidad en 34 días.
GPT‑4: se estima entre 50 y 70 GWh en 100 días, es decir, unas 40–55 veces más que GPT‑3.
Equivalencias humanas: el entrenamiento de GPT‑4 consume tanta electricidad como el uso residencial anual de más de 460.000 personas en África Subsahariana.
Agua: unos 600 millones de litros de agua asociados al entrenamiento de GPT‑4, suficientes para cubrir las necesidades domésticas mínimas anuales de 81.000 personas en África Subsahariana.
Suelo: la huella ecológica estimada para el entrenamiento de GPT‑4 ronda los 0,9 km² (126 campos de fútbol); para un modelo tipo GPT‑5, unos 1,5 km² (210 campos).
El verdadero monstruo: la inferencia diaria
Sin embargo, entrenar el modelo es solo el principio. Una vez desplegado, el modelo entra en fase de inferencia, es decir, responder a las peticiones de los usuarios. Y ahí está el verdadero pozo de energía: se estima que la inferencia representa entre el 80% y el 90% del consumo total de energía de la IA.
Algunos ejemplos que da el informe:
ChatGPT procesa en torno a 2.5 mil millones de prompts al día.
Con una estimación conservadora de 0,42 Wh por prompt de texto, eso supone unos 383 GWh de electricidad al año solo para ese uso.
La huella de carbono asociada requeriría plantar 2,6 millones de árboles durante 10 años para compensarla; la huella de agua equivale a las necesidades domésticas mínimas anuales de unas 500.000 personas en África Subsahariana.
Además, no todas las tareas de IA cuestan lo mismo:
Un prompt de texto tipo ChatGPT es unas 200 veces más intensivo en energía que una simple clasificación de texto (por ejemplo, filtrado de spam).
Generar una imagen típica de IA requiere unos 2,9 Wh, unas 60 veces más que una respuesta corta de texto y 1.450 veces más que una clasificación de texto.
La generación de vídeo es el nuevo “frente energético”: un clip corto de alta resolución puede consumir más de 415 Wh, tanta electricidad como 200.000 clasificaciones de spam.
Es decir: cambiar de “texto ligero” a “imagen” o “vídeo” no es solo una cuestión estética o de experiencia de usuario, sino una decisión con impacto directo sobre el consumo de energía, agua y el territorio.
Centros de datos: un país fantasma de alto consumo
Los centros de datos son la infraestructura física de la IA. En 2025:
Consumieron unos 448 TWh de electricidad.
Si fueran un país, ocuparían el puesto 11 del mundo por consumo eléctrico.
Esa energía bastaría para cubrir las necesidades residenciales de los 1,3 mil millones de habitantes de África Subsahariana durante 2,6 años.
La huella de carbono asociada fue de 189 millones de toneladas de CO₂e, que requerirían 3,2 mil millones de árboles creciendo durante 10 años para compensarse.
La huella híbrida: 4,5 billones de litros de agua, suficientes para llenar 1,8 millones de piscinas olímpicas.
La huella ecológica: 6.900 km², unas 4,5 veces el área del Gran Londres.
Y esto es solo el principio. El informe proyecta que para 2030:
El consumo eléctrico de los centros de datos podría superar los 945 TWh, casi el 3% de la electricidad global.
Esa energía bastaría para abastecer de electricidad residencial a toda África Subsahariana durante unos 5,5 años.
La huella híbrida asociada alcanzaría los 9,3 billones de litros, suficiente para cubrir las necesidades domésticas mínimas anuales de los 1,3 mil millones de habitantes de la región.
La huella de tierra superaría los 14.500 km², casi 10 veces la superficie de Ciudad de México.
La IA es ya uno de los motores principales de este crecimiento: en 2025, los workloads de IA representaban alrededor del 20% del consumo eléctrico de los centros de datos, y podrían llegar al 40% en 2030.
Minerales críticos y residuos electrónicos
El informe recuerda que la historia no termina en el enchufe. La IA depende de una cadena de suministro de minerales críticos (cobre, litio, tierras raras, etc.) cuya extracción suele concentrarse en el Sur Global, a menudo con escasa supervisión ambiental y social. Al final de la vida útil del hardware, aparece otro problema: los residuos electrónicos.
Para 2030, la infraestructura de IA podría generar hasta 2,5 millones de toneladas métricas de basura electrónica al año, equivalente a tirar casi 250 Torres Eiffel cada año. El impacto recae, de nuevo, sobre comunidades que rara vez se benefician de la capa “inteligente” de la tecnología.
Seis principios para una IA responsable
Como propuesta de salida, el informe plantea seis principios operativos para un ecosistema de IA responsable:
Transparencia: medir y reportar huellas de carbono, agua y tierra de forma estandarizada y verificable.
Eficiencia por diseño: optimizar modelos, hardware y centros de datos para reducir el consumo por tarea.
Equidad y justicia ambiental: evitar que los costes ambientales se concentren en regiones vulnerables mientras los beneficios se concentran en otras.
Responsabilidad de ciclo de vida: desde la extracción de minerales hasta el reciclaje y la gestión segura de residuos.
Cooperación global: armonizar estándares, evitar el “dumping ambiental” y apoyar la capacidad de los países sin infraestructura propia.
Uso sostenible: fomentar el “fit‑for‑purpose”: usar el modelo más ligero y el formato menos intensivo que cumpla la tarea.
¿Qué significa esto para nosotros como usuarios?
En el día a día, esto se traduce en decisiones aparentemente pequeñas:
¿Realmente necesito una respuesta larga y detallada, o bastaría un resumen corto?
¿Hace falta una imagen o un vídeo generados por IA, o un esquema de texto es suficiente?
¿Estoy usando un modelo “pesado” para una tarea que podría resolver un modelo más simple?
No se trata de demonizar la IA, sino de reconocer que cada prompt tiene una huella física. Igual que hablamos de “kilómetros alimentarios” o de la huella hídrica de un cultivo, el informe de UNU‑INWEH nos invita a pensar en la huella energética, hídrica y territorial de la inteligencia artificial.
Si la IA va a ser una pieza central de los sistemas técnicos del siglo XXI, entonces también debe entrar en la discusión sobre la regulación respecto a los límites planetarios, justicia ambiental y diseño responsable de infraestructuras. No es solo una cuestión de eficiencia: es una cuestión de dónde se colocan los centros de datos, quién asume los impactos y para qué usamos toda esta potencia de cálculo.
Fuente: Aczel, M., Chamanara, S., Matin, M., Farsi, A., Marwala, T., Madani, K. “Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints”. United Nations University Institute for Water, Environment and Health (UNU-INWEH).
Comentarios
Publicar un comentario