En la historia de la humanidad solo unos pocos descubrimientos y desarrollos han supuesto un cambio significativo. Se suele hablar, grosso modo, de la revolución neolítica y de cuatro grandes revoluciones industriales.
Pocos hitos para una larga historia, pero que han supuesto grandes transformaciones para la mayoría de la población con enormes consecuencias.
La cuarta revolución tecnológica
Según este planteamiento ampliamente aceptado, nos encontramos en la cuarta revolución tecnológica. Se caracteriza por la convergencia de tecnologías físicas, digitales y biológicas.
Robótica, nanotecnología, energías renovables, la biotecnología y la Inteligencia Artificial (IA). Estas son las tecnologías clave de nuestro tiempo. Y, aunque se podría decir que «visto desde fuera» tiene un impacto externo relativamente pequeño, las implicaciones reales son más grandes que nunca. Van a afectar no solo a cambios estructurales en el empleo, la producción y la vida cotidiana.
En especial la IA supone no solo un progreso material, sino también una transformación de la forma de funcionar, aprender y hasta pensar. Y abre unas posibilidades que no podemos ni atisbar.
Unas expectativas fascinantes, pero que precisan una reflexión y una previsión constantes. Urge tomar una perspectiva amplia y responsable.
Así, uno de los factores que no se suelen airear deamsiado, es el impacto energético que tiene y puede llegar a tner en un futuro próximo el uso de las herramientas de IA.
El voraz gasto energético de la IA
El consumo de energía que implica la expansión de la IA es tal, que supone un nuevo reto. Uno muy difícil, para los objetivos climáticos.
La IA requiere una cantidad enorme de recursos computacionales para entrenar y ejecutar modelos complejos.
Según un artículo en programaticaly.com1, un estudio de la Universidad de Massachusetts Amherst concluyó que entrenar un gran modelo de lenguaje como ChatGPT puede generar tanto CO2 como 125 vuelos de ida y vuelta entre Nueva York y Pekín.
Otro análisis de la Universidad de Copenhague destacó que una sola sesión de entrenamiento de IA consume tanta energía como 126 hogares daneses en un año. Además, se emite la misma cantidad de CO2 que al recorrer 700.000 kilómetros en coche.
Este impacto es el resultado del uso intensivo de los centros de datos, que consumen grandes cantidades de electricidad y generan calor que necesita ser regulado con sistemas de refrigeración.
Un ejemplo palpable es OpenAI, cuyos modelos ChatGPT requieren un poder computacional masivo. Emiten, de hecho, más calor y necesitan más energía que un microchip promedio2. Según algunas estimaciones, el entrenamiento de grandes modelos de lenguaje puede consumir hasta 284 toneladas de carbono3.
Alarmante consumo de agua
«Generar un texto de 100 palabras en ChatGPT consume, en promedio, 519 mililitros de agua, el equivalente a una botella del líquido»4.
Los servidores en centros de datos producen mucho calor al hacer cálculos. Para no sobrecalentarse, necesitan enfriamiento constante. Esto se hace normalmente con agua, que lleva el calor a torres de refrigeración, similar a cómo el sudor enfría nuestro cuerpo. Cuando hay escasez de agua se usan aires acondicionados eléctricos, lo que supone un mayor consumo de energía.
El trabajo constante de los servidores suma al menos un 2% del consumo de energía mundial5. El aumento de centros de datos que usan agua para enfriar está incluso generando tensiones en las áreas donde se instalan.
Según esta misma fuente, en 2022, Google incrementó su consumo de agua en un 20%, y Microsoft, propietaria de un 75% de OpenAI (creadores de ChatGPT), lo aumentó en un 34%. Estos datos no consideran el agua utilizada para generar la electricidad ni para fabricar el hardware.
El desarrollo de modelos avanzados de inteligencia artificial ha elevado el consumo de agua de Google y Microsoft. Aunque otras empresas como Meta (2,7%) y Apple (8,5%) también han incrementado su consumo, lo han hecho en menor medida debido a que su enfoque en IA no es tan intensivo como el de Google y Microsoft.
Cómo reducir el impacto energético y el consumo de agua
Algunas sugerencias tan básicas como urgentes:
- Código más eficiente: Crear programas y modelos que usen menos energía ayuda a disminuir el consumo. Esto se logra con técnicas de compresión y mejora de algoritmos.
- Usar energías renovables: Es vital que los centros de datos usen energía solar y eólica para reducir su huella de carbono. Google y Microsoft ya están haciendo avances en esta dirección.
- Reglas para ahorrar energía: Es esencial que los gobiernos introduzcan leyes que promuevan la eficiencia energética y apoyen el desarrollo de infraestructuras para energías limpias.
- Educación de los usuarios: Informar a las personas sobre los efectos ambientales del uso de la IA puede motivar un uso más consciente. Por ejemplo, limitar el uso de asistentes virtuales y optar por búsquedas de menor consumo.
- Reciclaje de los dispositivos: Fomentar el reciclaje de equipos electrónicos usados para la IA ayuda a reducir el desperdicio y apoya una economía más sostenible.
Compromiso necesario
La expansión de la inteligencia artificial trae consigo enormes desafíos ambientales. Y de poco sirven los compromisos tibios o para salir del paso.
A través de la innovación tecnológica, políticas adecuadas y comportamientos conscientes, es posible disfrutar de los beneficios de la IA minimizando su impacto ecológico.
Pero para eso es clave la colaboración entre industrias, gobiernos y consumidores: para lograr una implementación sostenible de estas poderosas herramientas. Una perspectiva que no invita al optimismo.
Como en tantos otros aspectos, la propia IA será sin duda crucial, también para combatir el cambio climático.
Pero la previsión para los próximos años es que la demanda energética va a ser mucho mayor que la capacidad de abastecimiento, con el impacto medioambiental que esto implica.
Y que las medidas de las grandes corporaciones para reducir el impacto seguirán siendo poco significativas y avanzarán con mucha mayor lentitud que el aumento de la demanda de energía.
Bibliografía
- Jiménez, Berta. (2025, marzo). La huella ecológica de la Inteligencia Artificial: ¿cuánto consume y contamina esta tecnología? [en línea]. Programaticaly. Recuperado de:
https://www.programaticaly.com/portada/huella-ecologica-inteligencia-artificial-cuanto-consume. - Studer, Michael. (2023, noviembre). The energy challenge of powering AI chips [en línea]. Robeco. Recuperado de: https://www.robeco.com/en-int/insights/2023/11/the-energy-challenge-of-powering-ai-chips.
- Hao, Karen. (2019, junio). Training a single AI model can emit as much carbon as five cars in their lifetimes [en línea]. MIT Technology Review. Recuperado de: https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/.
- Parra, Sergio. (actualizado 2025, abril). La sed de ChatGPT: la IA consume una cantidad de agua alarmante [en línea]. National Geographic. Recuperado de: https://www.nationalgeographic.com.es/ciencia/agua-que-gasta-chatgpt-y-otros-modelos-ia_23812.
- Gabyl. La inteligencia artificial consume miles de millones de litros de agua [en línea]. Gabyl. Recuperado de: https://www.gabyl.com/la-inteligencia-artificial-consume-miles-de-millones-de-litros-de-agua/.
