Seguro que te has parado a pensar si es posible seguir metiendo gasolina a este motor tecnológico sin que el planeta acabe pidiendo clemencia. Es un poco como intentar duplicar el parque de coches de una ciudad sin ampliar ni una sola calle; al final, el sistema colapsa. Con la inteligencia artificial pasa algo muy parecido: estamos viviendo una revolución fascinante, pero la infraestructura energética actual podría quedarse corta si no transformamos la manera en que alimentamos estas máquinas.
A primera vista, usar un chat parece algo inofensivo, pero lo que ocurre detrás es una maquinaria colosal. Para que esos modelos respondan a nuestros caprichos, hacen falta centros de datos que no dejan de tragar electricidad. El impacto es tan bestia que entrenar un modelo avanzado puede soltar a la atmósfera una cantidad de carbono similar a la de ciento veinticinco vuelos transcontinentales entre Nueva York y Pekín, o lo que contaminarían cinco coches durante toda su vida útil. No es moco de pavo.
La factura eléctrica de los modelos de lenguaje
Si nos ponemos técnicos, el entrenamiento de sistemas como GPT-3 requiere una cantidad de energía que asusta, llegando a los 78.437 kWh. Para que nos hagamos una idea, eso es básicamente lo que gastaría una familia española durante más de dos décadas. Pero ojo, que el entrenamiento es solo una parte del problema; la inferencia, que es cuando el usuario hace una pregunta y la IA responde, representa entre el 70% y el 80% del consumo total.
Esta demanda ha provocado que gigantes como Google admitan que sus emisiones de carbono subieron casi un 50% en cinco años, mientras que Microsoft ha visto incrementos del 30%. El problema no es solo la luz, sino también el agua. Se estima que redactar un texto corto de cien palabras consume unos 519 mililitros de agua para refrigerar los sistemas, y algunas tendencias virales de imágenes han llegado a gastar millones de litros, el equivalente al consumo de una ciudad pequeña.
¿De dónde sacamos la energía para alimentar la IA?
Para no hundir el planeta, las tecnológicas están haciendo malabares con las fuentes de energía. Muchas apuestan por el combo de solar, eólica e energía hidráulica. Google, por ejemplo, busca que sus centros operen con energía 100% renovable mediante acuerdos de compra masivos. No obstante, el sol y el viento son caprichosos y dependen del clima, lo que obliga a invertir en baterías carísimas para que los servidores no se apaguen nunca.
Por eso, en Estados Unidos ha vuelto a ganar fuerza la energía nuclear. Al ser una fuente constante y con bajísimas emisiones de CO2, es ideal para centros de datos que deben funcionar 24 horas al día sin pestañear. De hecho, se prevé que en unos años la demanda adicional de energía para IA sea tan brutal que equivaldría a la potencia de diez centrales nucleares solo para cubrir ciertos nodos de procesamiento.
La IA como la solución al desperdicio energético
Ahora bien, no todo es catastrismo. Hay quien argumenta que estamos mirando la moneda por el lado equivocado. Si analizamos la situación en España, los centros de datos consumen aproximadamente el 1% de la electricidad, lo que representa apenas el 0,2% del consumo energético total del país. Incluso en un escenario donde la demanda se multiplicara por cinco, seguiríamos hablando de un impacto del 1% sobre el total nacional. La verdadera magia ocurre cuando usamos la IA para ahorrar.
Resulta que el 70% de la energía que consumimos en industrias y edificios se desperdicia por ineficiencia. Aquí es donde la IA se convierte en nuestra mejor aliada, ya que puede analizar miles de variables en tiempo real y reducir ese gasto optimizable en un 20%. Si hacemos cuentas, invertir un 1% de energía en IA para recuperar un 15% del consumo total de un país es un negocio redondo para el medio ambiente.
Hogares inteligentes y redes del futuro
Llevando esto al terreno cotidiano, la inteligencia ambiental está transformando nuestras casas. Gracias a termostatos y luces que aprenden de nuestros hábitos, los dispositivos deciden cómo ahorrar sin que tengamos que mover un dedo. La IA recopila datos y ajusta la climatización según si estamos en casa o no, convirtiendo la información en un recurso tan valioso como la propia electricidad.
- Smart Grids: Redes eléctricas digitales que ajustan la distribución de energía según la demanda real.
- Contadores inteligentes: Permiten al usuario controlar su gasto y comunicarse con la compañía eléctrica.
- Autoconsumo: La integración de paneles solares gestionados por IA para minimizar el impacto ambiental.
Nuevos enfoques en el desarrollo tecnológico
No todo es cuestión de cuánta energía ponemos, sino de cómo diseñamos la IA. Un ejemplo interesante es el modelo chino DeepSeek-R1, que utiliza un sistema de entrenamiento compartimentado. Al no depender exclusivamente de las GPUs más potentes del mercado, sus servidores pueden consumir hasta un 75% menos de energía en la fase de entrenamiento. Aunque es cierto que el consumo sube al interactuar con el usuario, abre la puerta a un desarrollo más sostenible y menos dependiente del crecimiento bruto de datos.
El gran dilema actual es si debemos frenar la tecnología hasta encontrar el método perfecto o seguir aprendiendo sobre la marcha. Muchos expertos piden que los desarrolladores despierten y acepten que los recursos del planeta son finitos, rompiendo la idea de que a más datos y más tokens, siempre mejores serán los resultados, sin importar el coste ecológico.
La inteligencia artificial se presenta como una moneda de dos caras: por un lado, una demanda voraz de electricidad y agua que pone en jaque los objetivos climáticos, y por otro, una capacidad de optimización sin precedentes capaz de limpiar la ineficiencia de nuestra economía. La clave residirá en transicionar hacia fuentes energéticas constantes y limpias, como la nuclear o las renovables avanzadas, mientras se rediseñan los modelos para que sean más ligeros. Al final, el balance sugiere que el ahorro potencial que la IA puede aportar a la sociedad supera con creces el coste de mantener sus servidores encendidos.
