Análisis — El costo ambiental oculto de la inteligencia artificial
El costo ambiental oculto de la IA
Un video generado por IA puede consumir tanta electricidad como 200.000 filtros de spam. Y mientras el debate se centra en el carbono, un informe de la Universidad de la ONU advierte que el agua y el territorio son la huella que nadie está midiendo.
- El dato que resume todo: más agua que toda el África subsahariana
- El error de medir solo el carbono
- Lo que realmente consume energía: no es entrenar, es preguntar
- No todas las consultas son iguales
- La paradoja que nadie vio venir
- Los costos ya son locales, y ya llegaron a Uruguay
- Una brecha digital que es también una injusticia ambiental
- El problema de fondo: la red eléctrica no crece tan rápido como la IA
- Seis principios para una IA responsable
Para 2030, los centros de datos que alimentan la inteligencia artificial consumirán 945 teravatios-hora de electricidad —casi el triple del consumo anual combinado de Pakistán, Bangladés y Nigeria, países que juntos suman más de 650 millones de personas—. Su huella hídrica equivaldrá a las necesidades básicas de agua de toda la población del África subsahariana: 1.300 millones de personas. Y su ocupación de suelo superará los 14.500 kilómetros cuadrados, el doble del área metropolitana de Yakarta.
El dato que resume todo: más agua que toda el África subsahariana
Son las conclusiones del informe «Coste ambiental del uso energético de la IA: huellas de carbono, agua y suelo», publicado por el Instituto de la Universidad de la ONU para el Agua, el Medio Ambiente y la Salud (UNU-INWEH). Sus autores advierten que hasta ahora solo se había medido la huella de carbono de los grandes modelos de IA, ignorando sistemáticamente el agua que consumen —para refrigeración y generación eléctrica— y el territorio que ocupan, entre infraestructura energética y cadenas de suministro.
El error de medir solo el carbono
El problema, según los autores, es que las tres huellas ambientales no se mueven en la misma dirección. Cambiar del carbón a la bioenergía, por ejemplo, reduce la huella de carbono en un 70% —pero multiplica la huella de agua por treinta, y la de suelo por cien—. «Bajo en carbono» no es, entonces, sinónimo de «bajo en agua» ni de «bajo en territorio», una distinción que hasta ahora el debate público prácticamente no consideraba.
Si fuera un país
En 2025, los centros de datos globales consumieron 448 teravatios-hora. Si fueran un país, serían el undécimo mayor consumidor de electricidad del mundo —por detrás de Francia, y por delante de Arabia Saudita—.
Lo que realmente consume energía: no es entrenar, es preguntar
El debate público se centró históricamente en la energía que consume entrenar los grandes modelos —GPT-3 requirió 1,3 gigavatios-hora; GPT-4, entre 50 y 70—. Pero el informe revela que esa perspectiva quedó obsoleta: una vez que un modelo se despliega, la inferencia —el procesamiento continuo de las consultas de los propios usuarios, día tras día— representa entre el 80% y el 90% del consumo energético total de la IA.
Solo ChatGPT, en números concretos
ChatGPT procesa unas 2.500 millones de consultas al día, lo que equivale a unos 383 gigavatios-hora al año. Compensar solo esas emisiones de carbono requeriría plantar 2,6 millones de árboles durante diez años, en una superficie del tamaño de Manhattan. Su huella hídrica equivale a las necesidades anuales de agua de medio millón de personas en África subsahariana —solo por las consultas de un producto, no de toda la industria—.
No todas las consultas son iguales
El tipo de uso importa, y mucho. Una conversación típica con un chatbot consume 200 veces más energía que una simple clasificación de texto. Generar una sola imagen consume 1.450 veces más. Y un video corto generado por IA puede consumir tanta electricidad como 200.000 clasificaciones de spam.
La escala del gasto de capital, en perspectiva: la inversión mundial en centros de datos podría pasar de unos 800.000 millones de dólares actuales a 1,8 billones de dólares hacia 2050, según estimaciones de la Comisión Económica de las Naciones Unidas para Europa (UNECE).
La paradoja que nadie vio venir
El informe invoca la paradoja de Jevons, o «efecto rebote»: cuando los modelos se vuelven más eficientes, se abaratan, y por eso mismo se usan más. Las ganancias de eficiencia por consulta terminan anuladas por el crecimiento explosivo del volumen total de consultas.
Los costos ya son locales, y ya llegaron a Uruguay
La expansión masiva de la IA está generando tensiones desiguales, concentradas en regiones específicas. En Irlanda, los centros de datos representaron el 21% de toda la electricidad medida en 2023 —superando el consumo de todos los hogares urbanos del país—, obligando al operador de la red a paralizar nuevas aprobaciones en Dublín hasta 2028. En los Países Bajos se endurecieron los requisitos para nuevos proyectos de centros de datos.
El caso puntual de Uruguay, mencionado por la propia ONU
En Querétaro, México, la expansión de infraestructura de computación está agotando los suministros de agua en medio de sequías prolongadas. Y en Uruguay, según el propio informe de la Universidad de la ONU, un centro de datos de alto consumo hídrico se proyectó justo cuando una sequía agotaba las reservas de agua dulce de Montevideo —el mismo patrón de tensión entre infraestructura digital global y necesidades básicas locales, ocurriendo en tiempo real dentro del propio país—.
Además, la infraestructura de IA podría generar hasta 2,5 millones de toneladas de residuos electrónicos al año en 2030, la mayoría procesados en economías de bajos ingresos con escasas salvaguardas ambientales, mientras los minerales críticos que la sostienen se extraen en jurisdicciones con poca supervisión.
Una brecha digital que es también una injusticia ambiental
Solo 32 países del mundo albergan centros de datos especializados en IA. El 90% de esa capacidad se concentra en apenas dos países, mientras que más de 150 naciones carecen actualmente de acceso a computación soberana de IA.
Quién carga con el costo, quién se queda con el beneficio
El informe enmarca esto no solo como una brecha económica, sino como una cuestión directa de justicia ambiental: los países excluidos del acceso a esta tecnología son, con frecuencia, los mismos que soportan la extracción de minerales críticos y el procesamiento de residuos electrónicos, mientras los beneficios estratégicos y económicos fluyen hacia otro lado del planeta.
El problema de fondo: la red eléctrica no crece tan rápido como la IA
Un informe complementario de la UNECE agrega una capa adicional al problema: la demanda eléctrica de los centros de datos está creciendo más rápido que la infraestructura necesaria para atenderla. Construir un centro de datos puede tomar entre dos y cinco años; ampliar las redes de transmisión eléctrica que lo sostienen puede requerir más de una década, entre planeación, permisos y construcción.
El riesgo específico en redes con energías renovables
La UNECE advierte que la variabilidad de la demanda de los centros de datos de IA puede afectar de forma desproporcionada la estabilidad de la tensión y la frecuencia en redes eléctricas con alta participación de energías renovables. En escenarios extremos, esos desequilibrios podrían provocar oscilaciones de tensión, desconexiones inesperadas, e incluso fallos en cascada que pongan en riesgo la estabilidad de todo el suministro eléctrico de una región.
El organismo advierte además sobre un riesgo económico específico: sin políticas adecuadas, algunos países podrían terminar destinando recursos eléctricos limitados a una actividad cuyo valor económico se captura en el exterior, mientras los costos de infraestructura y sus efectos sobre el empleo y el territorio permanecen completamente dentro de sus propias fronteras.
Seis principios para una IA responsable
El informe de la Universidad de la ONU propone un ecosistema de IA responsable basado en seis ejes: transparencia, eficiencia por diseño, equidad y justicia ambiental, responsabilidad sobre todo el ciclo de vida, cooperación global, y uso sostenible.
Las recomendaciones concretas del informe:
- Los gobiernos deben integrar la infraestructura de IA en su planificación energética, hídrica y de uso del suelo.
- La industria debe tratar la selección de modelos y los formatos de salida como decisiones de huella ambiental, no solo de rendimiento.
- Los usuarios deben adoptar el modelo más ligero y el formato de menor energía que cumpla con la tarea concreta que necesitan.
- Los operadores de centros de datos deben considerar la ubicación y la fuente de energía como decisiones ambientales críticas, no solo logísticas.
- Los inversores deben tratar las huellas de carbono, agua y suelo como riesgos materiales reales dentro de sus carteras.
El caso de Uruguay, mencionado explícitamente en el propio informe de la Universidad de la ONU, no es un dato menor ni ajeno: es la confirmación de que esta tensión entre infraestructura digital global y recursos hídricos locales ya no es un escenario hipotético para «otros países» —está ocurriendo, en este mismo momento, en la propia región.
Bastión se sostiene con trabajo, no con publicidad. Si esto te aportó algo, invitame un café.
☕ Invitame un café