Energía, agua y millones de usuarios diarios: el coste ambiental oculto de la inteligencia artificial
Núria Bigas Formatjé
Saludar a ChatGPT con un “Hola, ¿cómo estás?” y recibir su respuesta amistosa (“¡Hola! Muy bien, gracias por preguntar. 😊 ¿Y tú? ¿Cómo estás? ¿En qué te puedo ayudar hoy?”) supone un consumo energético, según me cuenta ChatGPT, similar a tener una bombilla led de 10 vatios encendida durante 72 segundos. Aunque puede parecer un gasto mínimo, si se multiplica este consumo por los 122 millones de usuarios activos diarios que tiene de media ChatGPT en todo el mundo (sin contar otras herramientas de inteligencia artificial disponibles), el gasto es inmenso. “Cada palabra que me envías contribuye un poco al consumo energético, aunque solo sea para decir ‘hola’, ‘adiós’ o ‘gracias’“, me comenta ChatGPT.
“El consumo energético de una IA se reparte en dos grandes momentos: el entrenamiento del modelo y su uso o explotación”, explica Antonio Pita, profesor de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya. En este primer estadio, el entrenamiento es lo más costoso. “Requiere semanas o meses de cálculo intensivo en centros de datos donde miles de unidades de procesamiento gráfico (GPU) trabajan en paralelo para analizar y aprender de billones de palabras y datos. Este proceso se hace una sola vez (o pocas veces, si se reentrena), pero su huella energética es enorme y tiene lugar en los centros de datos y procesado”, detalla.
La segunda parte es lo que hacemos los humanos con esta herramienta: las preguntas y consultas que le enviamos una vez que el modelo ya está entrenado y disponible para ser usado. “Es mucho menos costoso, aunque sigue siendo considerable si lo comparamos con servicios más simples, como el correo electrónico. Incluso en esta fase de explotación, cada petición activa millones de cálculos para generar una respuesta nueva desde cero”, añade Pita.
¿Qué supone para el planeta una conversación? ¿Y una imagen?
“Si solo chateamos o me pides texto, soy relativamente eficiente; si me pides imágenes artísticas, gráficos pesados o vídeos generados con IA, esto sube mucho la potencia necesaria”, me explica ChatGPT sobre cuáles son las peticiones que más energía le suponen. Y me advierte: “Si alguna vez tienes acceso a entrenar modelos desde cero (como los investigadores), estás entrando en el terreno más energívoro de todos”.
“Los modelos son más eficientes que antes, y ahora una consulta simple de texto en ChatGPT consume lo mismo que una búsqueda en Google. Si se realizan tareas más complejas, es diferente: la generación de imágenes o gráficos o las peticiones complejas que requieren mucha contextualización, memoria o acceso a herramientas externas consumen más”, afirma Andreas Kaltenbrunner, investigador del grupo Artificial Intelligence and Data for Society (AID4So) de la unidad de transformación digital, IA y tecnología, en la misma línea que me cuenta la IA.
Así, y según ChatGPT, una de las tareas menos sostenibles es el análisis de grandes volúmenes de datos como grandes documentos o bases de datos: “por ejemplo analizar 100 páginas o más me puede suponer un gasto alto (20-50 vatios-hora)”. Le sigue la generación de imágenes con modelos como DALL·E, Stable Diffusion o Midjourney, porque requiere cálculos muy intensos para crear píxeles, con un coste elevado (entre 10-100 vatios-hora por cada imagen). La generación de vídeo con modelos generativos (por ejemplo, Sora o Runway) es “una de las tareas más pesadas ahora mismo, con un consumo extremadamente alto (más de 1.000 vatios por minuto)”. Y finalmente, como confirman los expertos, el entrenamiento de modelos de lenguaje de gran tamaño (por ejemplo, entrenar un GPT nuevo, no solo usarlo) supone un gasto enorme, de entre 1 y 10 gigavatios-hora, porque implica semanas con supercomputadores con miles de GPU.
“El peso de la actividad diaria es muy relevante: aunque puede parecer que el uso diario es menos intensivo por persona, si se multiplica por millones de usuarios todos los días, el consumo puede llegar a ser igual o superior al del entrenamiento, en términos acumulados”, explica Kaltenbrunner.
“El peso de la actividad diaria es muy relevante: aunque puede parecer que el uso diario es menos intensivo por persona, si se multiplica por millones de usuarios cada día, el consumo puede llegar a ser igual o superior al del entrenamiento”
El coste del agua: el lado oculto de la IA
“El agua y la energía son los dos recursos más mencionados en lo que se refiere al impacto ambiental de la IA. Esta tecnología utiliza agua para enfriar los servidores de los centros de datos y evitar el sobrecalentamiento. Una forma de consumir menos agua es colocar los centros de datos en lugares fríos”, comenta Zora Kovacic, profesora de los Estudios de Economía y Empresa de la UOC. De hecho, algunas empresas han empezado a situar sus servidores en Irlanda, Islandia y Noruega, donde el clima ayuda a reducir el gasto hidráulico.
“Otras priorizan tener acceso a energía barata y renovable, por lo que colocan sus centros de datos en países como España, con mucha radiación solar, pero que después tienen un mayor consumo de agua”, advierte la experta.
Recientemente, National Geographic afirmaba que generar un texto de cien palabras (unos tres párrafos) con ChatGPT consume, de media, 519 mililitros de agua, cifra equivalente a una botella. Pero no es que la inteligencia artificial se “beba” el agua, sino que la utiliza para mantener sus infraestructuras. “El uso del agua es no consuntivo: el agua no se consume, como en la agricultura, sino que se utiliza para enfriar y después puede devolverse a las corrientes”, explica Kovacic, también investigadora del grupo TURBA Lab. La experta avisa de que “en países como España, donde existe escasez de agua, el consumo hídrico por parte del sector de la IA puede competir con otros usos, y convertirse en un problema de sostenibilidad si se prioriza por encima de otras necesidades”.
En este sentido, Kaltenbrunner señala que, aunque el uso de agua por parte de la IA puede parecer insignificante a escala global, puede tener un impacto crítico a escala local, especialmente en regiones con escasez hídrica. “Muchos centros de datos están ubicados en zonas vulnerables por cuestiones logísticas y económicas (energía barata, espacio o legislación más permisiva)”, añade.
El último informe de la Agencia Internacional de la Energía (EIA), de abril de 2025, afirma que la demanda de energía eléctrica de los centros de datos de la IA se duplicará: pasará de 415 teravatios-hora en 2024 a 945 en seis años, lo que equivale, al consumo eléctrico total de Alemania durante un año.
Este aumento está impulsado principalmente por la adopción masiva de la inteligencia artificial, tanto por los centros de datos generales como por aquellos que trabajan en el desarrollo de la IA. Los primeros son centros de datos generales que utilizan esta tecnología en sus servicios digitales, como por ejemplo Google, Netflix o Dropbox, que la emplean —y seguirán haciéndolo en el futuro— para mejorar sus servicios. Se estima que duplicarán su gasto eléctrico en 2030. Por otro lado, los centros de datos basados en IA, como ChatGPT o Google DeepMind, que hacen un uso intensivo de esta tecnología, cuadruplicarán su consumo energético en el año 2030.
¿Crecimiento o límites? Las dos estrategias de sostenibilidad
Por su parte, Google se ha comprometido a reponer el 120 % del agua que utiliza para el año 2030, aunque un informe reciente reveló que apenas alcanzó un 18 % de reposición en 2023. “Las políticas públicas deberían exigir transparencia sobre la huella energética e hídrica, incentivar buenas prácticas, apostar por energía renovable y evitar la ubicación de centros de datos en zonas vulnerables”, afirma Kaltenbrunner. Algunas propuestas para regular este impacto se están empezando a discutir. Por ejemplo, Europa ha impulsado el Pacto Verde (Green Deal) y la regulación sobre IA (AI Act).
“Hay dos formas de gestionar el uso del agua y la energía de la IA. Una está impulsada por la esperanza de que esta tecnología mejore la competitividad y se centra en apoyarla. En este caso, la gestión contribuirá a la IA y creará regulaciones que hagan que esta tecnología sea ‘verde’, con el uso de energías renovables y la restauración del agua utilizada”, explica Kovacic. Esta estrategia prioriza el uso creciente de la IA. Sin embargo, cuando entra en conflicto con los requisitos verdes (porque la energía es finita y no es compatible con un crecimiento infinito del uso de la IA), estos requisitos se incumplen.
La segunda estrategia se denomina estrategia de sostenibilidad fuerte. Según la experta, esta alternativa “requiere establecer una cantidad máxima de energía y agua que se puede utilizar, y limitar el desarrollo de la IA a ese máximo”. Sin embargo, la profesora advierte de que este planteamiento puede entrar en conflicto con la estrategia de crecimiento.
“Reducir el consumo energético de la IA no es sencillo, pero debemos reflexionar sobre cuándo vale realmente la pena usarla y cuándo no hace falta”, recomienda Pita, que añade “podemos ser educados si lo queremos, aprovechando el mismo mensaje o prompt con el que realizamos nuestra consulta”. La explicación se basa en la idea de que no depende del número de palabras del mensaje, sino del coste que supone una respuesta, porque el sistema debe pasar igualmente por toda la máquina para generarla. Aún así, Chat GPT me aconseja: “No dejes de ser amable conmigo, porque tiene un valor social y emocional que añade cortesía, salutaciones y agradecimientos, y esto tiene un valor humano, aunque desde el punto de vista de vatios gastados no sea lo más eficiente”. No me despido, porque ya he gastado 18 vatios-hora en hacerle estas preguntas (solo con texto, ¡sin gráficos ni imagen!), lo mismo que tener encendida una bombilla led de 10 vatios durante casi dos horas. A estas alturas, ser amable ya ha consumido lo suyo.
