¿La inteligencia artificial dispara el consumo eléctrico global? Qué dicen los expertos Infobae

El auge de la inteligencia artificial (IA) está transformando la vida digital y, al mismo tiempo, reconfigurando la demanda energética global a una escala sin precedentes.

Según un análisis de MIT Technology Review, el consumo eléctrico de la IA crece a un ritmo acelerado, impulsado por la integración de chatbots, generadores de imágenes y asistentes virtuales en millones de aplicaciones cotidianas.

Sin embargo, la falta de transparencia de las grandes tecnológicas sobre el verdadero alcance de su huella energética y de carbono plantea interrogantes sobre el impacto ambiental y económico de esta revolución tecnológica.

Expansión de la IA y su integración en la vida cotidiana

La IA se convirtió en una presencia ubicua en la vida diaria de cientos de millones de personas, que recurren a chatbots para tareas tan diversas como resolver deberes, programar, investigar o crear imágenes y videos.

MIT Technology Review señala que ChatGPT, de OpenAI, ya figura como el quinto sitio web más visitado del mundo, solo superado por Instagram y por delante de X. Esta integración masiva no solo responde a la popularidad de los asistentes conversacionales, sino también a la incorporación de IA en aplicaciones de búsqueda, agentes automatizados y servicios rutinarios como compras en línea o reservas de viajes.

El crecimiento de la IA impulsó una carrera entre gigantes tecnológicos como OpenAI, Microsoft, Meta, Google, Apple, Amazon y Nvidia para construir y operar centros de datos cada vez más potentes.

Estas infraestructuras requieren inversiones multimillonarias: OpenAI y el presidente Donald Trump anunciaron el proyecto Stargate, con una inversión prevista de 500.000 millones de dólares para construir hasta 10 centros de datos, cada uno con una demanda energética superior a la de todo el estado de New Hampshire.

Apple planea destinar la misma cifra a manufactura y centros de datos en Estados Unidos en los próximos cuatro años, mientras que Google prevé invertir 75.000 millones de dólares en infraestructura de IA solo en 2025.

Datos y estimaciones sobre el consumo energético actual y futuro de la IA

El consumo energético de los centros de datos se duplicó desde 2017, año en que la IA comenzó a modificar radicalmente la arquitectura y la demanda de estas instalaciones. De acuerdo con MIT Technology Review, en 2024 los centros de datos en Estados Unidos consumieron alrededor de 200 teravatios-hora de electricidad, equivalente al consumo anual de Tailandia.

De esa cifra, entre 53 y 76 teravatios-hora se destinaron exclusivamente a servidores de IA, suficiente para abastecer a más de siete millones de hogares estadounidenses durante un año.

Las proyecciones del Lawrence Berkeley National Laboratory, publicadas en diciembre de 2024, anticipan que para 2028 más de la mitad de la electricidad consumida por los centros de datos se empleará en IA. En ese escenario, la IA podría llegar a consumir anualmente tanta electricidad como el 22% de todos los hogares de Estados Unidos.

Además, se estima que la proporción de la electricidad nacional destinada a centros de datos podría triplicarse entre 2024 y 2028, pasando del 4,4% al 12%.

El proceso de entrenamiento de modelos de IA es especialmente intensivo en recursos. Por ejemplo, entrenar GPT-4 de OpenAI requirió más de 100 millones de dólares y 50 gigavatios-hora de energía, suficiente para abastecer San Francisco durante tres días. Sin embargo, la mayor parte del consumo energético actual proviene de la inferencia, es decir, el uso cotidiano de los modelos para responder preguntas o generar contenidos.

Según Esha Choukse, investigadora de Microsoft Azure, “para que una empresa gane dinero con un modelo, eso solo ocurre en la inferencia”. MIT Technology Review detalla que entre el 80% y el 90% de la potencia de cómputo de la IA se destina a esta fase.

Falta de transparencia de las grandes tecnológicas y dificultades para obtener datos precisos

A pesar de la magnitud del fenómeno, las grandes tecnológicas mantienen un alto grado de opacidad sobre el consumo energético real de sus modelos y centros de datos.

MIT Technology Review subraya que empresas como OpenAI, Google y Microsoft consideran estos datos como secretos comerciales y rara vez los divulgan, lo que dificulta la labor de investigadores, reguladores y empresas de servicios públicos para planificar el futuro energético.

Boris Gamazaychikov, responsable de sostenibilidad de IA en Salesforce, afirma que “los proveedores de modelos cerrados son una caja negra total”. Esta falta de información obliga a los expertos a recurrir a estimaciones indirectas, principalmente a partir de modelos de código abierto como Llama de Meta, cuyos parámetros y consumo pueden medirse con mayor precisión.

Sin embargo, incluso en estos casos, las cifras solo ofrecen una aproximación, ya que no incluyen el consumo de componentes auxiliares como CPUs, sistemas de refrigeración y otros equipos.

Sasha Luccioni, investigadora de IA y clima en Hugging Face, sostiene que “deberíamos dejar de intentar adivinar cifras y presionar a las empresas para que compartan las reales”. Luccioni desarrolló el AI Energy Score para calificar la eficiencia energética de los modelos, aunque la participación de las empresas sigue siendo voluntaria y limitada.

Impacto ambiental: emisiones, uso de energías fósiles y diferencias regionales

El impacto ambiental de la IA no se limita solo al consumo eléctrico, también depende en gran medida de la fuente de energía utilizada por los centros de datos. MIT Technology Review informa que la intensidad de carbono de la electricidad consumida por estos centros es un 48% superior al promedio estadounidense, debido a su ubicación en regiones con redes eléctricas más dependientes de combustibles fósiles, como Virginia, West Virginia y Pennsylvania.

Rahul Mewawalla, director ejecutivo de Mawson Infrastructure Group, explica que “los centros de datos de IA necesitan energía constante, 24/7, 365 días al año”, lo que dificulta el uso exclusivo de fuentes renovables como la solar o la eólica. En 2024, los combustibles fósiles representaron cerca del 60% de la generación eléctrica en Estados Unidos, la energía nuclear el 20% y las renovables el resto.

Aunque empresas como Meta, Amazon y Google anunciaron compromisos para aumentar el uso de energía nuclear, la transición será lenta y la mayoría de los centros de datos sigue dependiendo de gas natural y carbón.

El medio detalla que la huella de carbono varía significativamente según la región y el momento del día. Por ejemplo, generar 2,9 kilovatios-hora de electricidad en California produce en promedio 650 gramos de dióxido de carbono, mientras que en West Virginia la cifra supera los 1.150 gramos para la misma cantidad de energía.

Consecuencias económicas

El crecimiento de la IA está generando acuerdos inéditos entre las grandes tecnológicas y las empresas de servicios públicos para asegurar el suministro eléctrico necesario. MIT Technology Review advierte que estos convenios pueden trasladar parte de los costos de la revolución de la IA a los consumidores, a través de aumentos en las tarifas eléctricas.

Un estudio de la Harvard Electricity Law Initiative analizó los contratos entre compañías eléctricas y empresas como Meta, concluyendo que los descuentos otorgados a las tecnológicas pueden incrementar las tarifas residenciales.

En Virginia, un informe legislativo de 2024 estimó que los hogares podrían pagar hasta 37,50 dólares adicionales al mes por los costos energéticos asociados a los centros de datos.

Eliza Martin, investigadora de la Universidad de Harvard, cuestiona la equidad de este modelo: “No está claro que los beneficios de estos centros de datos superen los costos. ¿Por qué deberíamos pagar por esta infraestructura? ¿Por qué deberíamos pagar sus facturas de energía?“.

Proyecciones y advertencias de expertos sobre el futuro energético de la IA

Las previsiones sobre el futuro energético de la IA son motivo de preocupación entre los expertos. El informe del Lawrence Berkeley National Laboratory concluye que la adopción acelerada de la IA y las tecnologías de servidores asociadas es el principal factor detrás del aumento de la demanda eléctrica de los centros de datos.

Las empresas tecnológicas planean inversiones masivas para expandir la infraestructura de IA tanto en Estados Unidos como en el extranjero. Anthropic, en respuesta a una solicitud de la Casa Blanca, sugirió construir 50 gigavatios adicionales de capacidad eléctrica dedicada para 2027. Sin embargo, la falta de datos precisos y la opacidad de las empresas dificultan la planificación y la evaluación de los riesgos ambientales y económicos.

Los investigadores del Lawrence Berkeley National Laboratory advierten que “el crecimiento de los centros de datos ocurre con poca consideración sobre cómo integrar estas nuevas cargas con la expansión de la generación y transmisión eléctrica o con el desarrollo comunitario más amplio”.

La opacidad y el futuro de la IA

Las grandes tecnológicas respondieron a las solicitudes de información con declaraciones generales sobre eficiencia y sostenibilidad, pero sin aportar cifras concretas. OpenAI, según MIT Technology Review, afirmó que prioriza el uso eficiente de los recursos y colabora con socios para apoyar objetivos de sostenibilidad, además de señalar que la IA podría contribuir a descubrir soluciones climáticas.

Microsoft destacó su investigación en eficiencia, pero no detalló cómo se aplican estos avances en sus centros de datos. Google, por su parte, remitió a la información sobre sus TPUs y las mejoras logradas, sin especificar el consumo energético de sus modelos de IA.

Frente a esta falta de transparencia, los expertos insisten en la necesidad de mayor apertura. Luccioni advierte que “las pocas cifras que tenemos apenas arrojan una pequeña luz sobre dónde estamos ahora, pero todo puede cambiar en los próximos años”. Mientras que Gamazaychikov subraya que sin una divulgación adecuada, “no solo no tenemos buenas estimaciones, sino que apenas tenemos información”.

MIT Technology Review concluye que la opacidad de las grandes tecnológicas y la ausencia de datos fiables dificultan la planificación del futuro energético de la IA y la evaluación de su impacto ambiental y económico.