Cada chat, imagen o
vídeo generado por IA implica un uso de electricidad y agua que casi nunca
percibimos. Son costes materiales que ocurren lejos del dispositivo que
utilizamos, pero que existen y se acumulan a escala global. Este artículo no
pretende alarmar ni señalar culpables, sino explicar con datos verificables
cómo funciona esa huella energética e hídrica y por qué es relevante entenderla
en un momento de tensiones eléctricas, transición energética y escasez de
recursos. El objetivo es ofrecer una mirada neutral y basada en evidencia sobre
el impacto físico del uso cotidiano de la IA, para que cada lector pueda
formarse su propia opinión con información clara y rigurosa.
En mayo de 2025, MITTechnology Review analizó el consumo total asociado a la IA y mostró
que, aunque cada consulta individual parezca pequeña, la suma de miles de
millones de chats, imágenes y vídeos diarios está creando una demanda eléctrica
que crece más rápido que la capacidad de las redes. Meses después, en agosto de
2025, MIT Technology Review publicó una de las estimaciones más
transparentes hasta la fecha: una petición de texto en Gemini ronda los 0,24 Wh, una cifra modesta por uso pero
significativa cuando se multiplica por el volumen global de interacciones.
Ambos datos ayudan a entender la magnitud real del impacto energético de estas
herramientas.
El agua es el recurso más invisible. Un estudio
publicado en arXiv originado en abril de 2023 y actualizado en revisiones
posteriores muestra que entrenar GPT‑3 en centros de datos de última generación
puede evaporar alrededor de 700.000
litros de agua limpia destinados a refrigeración. Durante años esta huella
hídrica quedó fuera del debate porque casi ningún proveedor la medía ni la
comunicaba, y porque el impacto del entrenamiento se diluía detrás de cifras
globales de consumo. Solo ahora, con estudios más precisos y con la presión por
entender el coste físico de la IA, empieza a aparecer con claridad y a formar
parte de la conversación pública.
A esto se suma el impacto estructural. Communications of the ACM advierte que la rápida expansión de los productos y servicios basados en IA está impulsando el consumo de los centros de datos a un ritmo sin precedentes, justo cuando muchos países intentan electrificar transporte, industria y hogares. El análisis, publicado en junio de 2025, señala que la apuesta por un modelo energético más eléctrico y cada vez más apoyado en renovables no avanza al mismo ritmo que la demanda que exige la IA, creando una presión creciente sobre unas redes que ya estaban en plena transformación.
MIT News confirma que la IA generativa es especialmente intensiva en electricidad y agua debido a la necesidad de refrigeración constante y al enorme volumen de cálculo que requieren estos modelos. El análisis, publicado en enero de 2025, muestra que la expansión de estos sistemas está empezando a generar tensiones reales en unas infraestructuras energéticas que ya avanzaban con dificultad hacia un modelo más eléctrico y renovable, evidenciando que la demanda asociada a la IA crece más rápido que la capacidad de adaptación de las redes.
La huella de CO₂ completa este panorama. Un análisis publicado en enero de 2025 en Patterns estimó que las emisiones asociadas al uso y desarrollo de sistemas de IA durante ese año alcanzaron niveles comparables a los de una ciudad como Nueva York, con hasta 80 millones de toneladas de CO₂. Es una cifra que supera el 8% de las emisiones globales de la aviación y que refleja una realidad incómoda: incluso con mejoras en eficiencia y un mayor peso de las renovables, la demanda energética impulsada por la IA crece más rápido que la capacidad de renovar la generación eléctrica.
Un estudio publicado en Nature Sustainability en noviembre de 2025 estima que la expansión de servidores de IA en Estados Unidos podría generar una huella hídrica anual de entre 731 y 1.125 millones de m³, junto con emisiones anuales adicionales de 24 a 44 Mt de CO₂ equivalente entre 2024 y 2030, en función de la escala de expansión. Son valores limitados a un solo país pero nos permiten imaginar un impacto mucho mayor en un escenario global. Afortunadamente, otro estudio dirigido por la Universidad de Cornell, también en noviembre de 2025, muestra que existe margen posible para reducir estos efectos: una planificación estratégica de los centros de datos, situándolos en regiones con abundancia de energía renovable , como los estados del centro norte de EE. UU., donde predominan los recursos eólicos, junto con una modernización acelerada de las redes y el uso de tecnologías de refrigeración más eficientes, podría recortar hasta un 73% las emisiones de carbono y un 86% el uso de agua.
Mientras tanto, producimos millones de interacciones que desaparecen en segundos: conversaciones que no se guardan, imágenes generadas por curiosidad, pruebas rápidas que duran lo que tarda en abrirse la siguiente. Cada una implica un consumo de agua y energía que suele pasar desapercibido. No se trata de culpabilizar al usuario, sino de recordar que detrás de cada petición hay un proceso material que ocurre en un mundo con recursos limitados.
La reflexión final no va de frenar la experimentación, sino de usar la IA con intención: recurrir a ella cuando aporta valor, cuando responde a una verdadera necesidad, cuando forma parte de un aprendizaje o de un trabajo concreto. Debemos, además, exigir que quienes diseñan, despliegan y regulan estas infraestructuras asuman la magnitud del impacto. Si la IA ya es un actor relevante en el consumo energético y en la presión hídrica, es imprescindible que las políticas de planificación, las inversiones corporativas y las decisiones públicas estén a la altura de ese impacto. La sostenibilidad no depende solo de cómo usamos estas herramientas, sino también de cómo se construye y se alimenta todo lo que las hace posibles.
Los vínculos resaltados en el texto anterior te dirigirán a los estudios y datos con los que ha sido elaborado este artículo, si quieres profundizar un poco más revisa estos enlaces de interés:
No hay comentarios:
Publicar un comentario