El Impacto Climático de la IA es Menor de lo Esperado, Según Nuevas Investigaciones

La fiebre de la inteligencia artificial (IA) ha llevado al mercado a nuevos máximos. 

Miles de millones de dólares siguen fluyendo hacia los fabricantes de chips y los centros de datos, mientras la continua locura de la IA mantiene el mercado turboalimentado durante más de dos años sin señales de desaceleración. Sin embargo, muchos han comenzado a cuestionar si estamos en una burbuja de IA.

Analistas como los de JPMorgan (JPM ) están realmente pidiendo a los inversores que se preparen para la turbulencia que se avecina. Pero mientras se forma espuma tanto en los mercados privados como públicos, la locura que rodea a la IA no está exenta de su mérito, ya que la tecnología tiene mucho valor económico en términos de crear una inteligencia accesible y poderosa, que se cree que se asemeja a la creación de Internet. 

En su perspectiva de 2026, JPMorgan calificó a la IA como “la tecnología más transformadora desde la computación” y “impulsando más crecimiento del PIB que el gasto del consumidor”.

Al mismo tiempo, el banco advirtió sobre escasez de energía, limitaciones de agua y escrutinio regulatorio.

En términos más amplios, la rápida expansión de la IA conlleva presiones ambientales significativas que se ha encontrado que son menores de lo esperado. Eso se debe a que la intensidad energética y las emisiones de una consulta dependen de factores como el tipo y tamaño del modelo, el resultado que se está generando, la red eléctrica que alimenta el centro de datos que maneja la solicitud, la hora del día en que se procesa y otras variables.

JPMorgan también estima que el 60 % de los empleos en el mundo desarrollado enfrentan algún nivel de riesgo de automatización por la IA, pero a medida que los roles antiguos desaparecen, deberían surgir nuevos roles.

En general, el mayor riesgo, según el banco, “es no estar expuesto a una tecnología transformadora”.

Adopción de IA, Uso de Energía y Carga Climática

La capacidad de la IA para automatizar tareas repetitivas, mejorar la toma de decisiones y aumentar la eficiencia y productividad en varios dominios ha llevado a su adopción generalizada.

Según una encuesta de McKinsey, el 88 % de los encuestados informó un uso regular de IA en al menos una función empresarial, un aumento del 10 % respecto al año anterior. Sin embargo, señaló que a nivel empresarial, la mayoría aún está en la fase de experimentación, y alrededor de un tercio dice que sus compañías han comenzado a escalar sus programas de IA.

Actualmente valorado en alrededor de $400 mil millones, el mercado de IA se proyecta que alcance $1,8 billones para finales de esta década.

En cuanto a inversión, la financiación privada de IA en EE. UU. superó los $109 mil millones en 2024, lo que equivale a aproximadamente 24 veces la del Reino Unido ($4,5 mil millones) y 12 veces la de China ($9,3 mil millones). De cara al futuro, un impresionante 92 % de las empresas planea invertir en IA generativa en los próximos tres años.

Aunque la adopción de IA está creciendo gracias a sus promesas de productividad sin precedentes, conlleva serios desafíos energéticos y medioambientales. La cuestión es que la IA consume una enorme cantidad de energía. 

Entrenar modelos de IA requiere toneladas de energía, suficiente para alimentar varios cientos de hogares al año, y puede ser mucho mayor en la inferencia. De hecho se estima que entre el 80 % y el 90 % de la potencia informática para IA se utiliza en la inferencia.

Así, el consumo energético de la IA está asociado principalmente con la potencia computacional necesaria para entrenar y ejecutar estos modelos dentro de los centros de datos, donde los modelos de IA se cargan en grupos de servidores equipados con GPUs como Nvidia (NVDA ) Blackwell.

Los centros de datos son instalaciones que albergan servidores informáticos, sistemas de almacenamiento de datos, fuentes de energía, sistemas de refrigeración, y equipos de redes. Toda esta infraestructura es clave para no solo proporcionar los últimos servicios digitales como preguntar a ChatGPT, sino también enviar un correo electrónico o transmitir un video.

Así, los centros de datos existen desde hace mucho tiempo, pero ha sido en los últimos años cuando se han expandido sustancialmente. 

Hoy, hay más de 100.000 centros de datos, distribuidos por todo el mundo, siendo EE. UU. el que alberga la mayor cantidad con más de 4.200, seguido por el Reino Unido y Alemania, ambos con alrededor de 500 cada uno. En EE. UU., un tercio de los centros de datos se encuentran en solo tres estados: California, Texas y Virginia, y estos últimos dependen en gran medida de combustibles fósiles para sus necesidades energéticas.

En términos generales, los centros de datos se dividen en tres categorías. Las instalaciones empresariales tradicionales son operadas internamente por las compañías para sus propias cargas de trabajo: los proveedores de colocación alquilan espacio en bastidores y energía a muchos clientes diferentes en edificios compartidos. En el extremo superior están los campus “hiperescalados”, sitios enormes tipo almacén repletos de decenas de miles de servidores que manejan los trabajos de IA y computación en la nube más intensivos.

Según JPMorgan, se proyecta que el gasto de capital de los hiperescaladores supere los $500 mil millones el próximo año, mientras las compañías compiten por construir centros de datos y asegurar energía escasa.

Entonces, ¿cuánta energía usan estos centros de datos? Mucha. Los centros de datos en EE. UU. consumieron 183 TWh de electricidad el año pasado, cuando el consumo eléctrico anual total del país alcanzó un récord.

Se estima que el consumo energético de estos centros de datos crecerá un 133 % para 2030, alcanzando 426 TWh. A nivel global, la IEA espera que la generación eléctrica dedicada a los centros de datos se duplique en su escenario base, pasando de alrededor de 460 TWh en 2024 a poco más de 1.000 TWh para 2030.

En EE. UU., los centros de datos representaron el 4 % del consumo total de electricidad, lo que equivale a la demanda eléctrica anual de Pakistán. Después de permanecer estancada durante más de una década, se proyecta que la adopción de IA aumente esta proporción al 12 % para 2028.
Desliza para desplazarte →

En cuanto a cuánto de este consumo energético de los centros de datos es responsabilidad de la IA, es difícil de determinar, ya que los centros de datos manejan diferentes tipos de cargas de trabajo. Un hiperescalador típico optimizado para IA, sin embargo, consume anualmente tanta electricidad como 100.000 hogares.

Según las recientes proyecciones del Laboratorio Nacional Lawrence Berkeley, en los próximos tres años, más de la mitad de la electricidad consumida por los centros de datos se utilizará para IA, lo que será equivalente al consumo eléctrico anual del 22 % de todos los hogares de EE. UU.

La Mezcla Energética que Alimenta el Núcleo de la IA 

Con el rápido ascenso de la IA, los centros de datos están experimentando una tensión, enfrentando una presión creciente a medida que la demanda de electricidad se dispara.

La mayor parte de la electricidad, un promedio del 60 %, que utilizan los centros de datos alimenta los servidores que procesan y almacenan información digital. Luego, los sistemas de refrigeración son responsables del segundo mayor consumo de energía, variando entre el 7 % y el 30 %, dependiendo de la eficiencia de una instalación.  

Estos sistemas de refrigeración evitan que los servidores se sobrecalienten, lo que requiere una gran cantidad de agua. En 2023, los centros de datos de EE. UU. consumieron directamente alrededor de 17 mil millones de galones de agua, con el 84 % de ese consumo atribuido a instalaciones de colocación y hiperescalado, que se espera consuman entre 16-33 mil millones de galones de agua anualmente para 2028.

En cuanto a las fuentes de la energía utilizada por los centros de datos, el gas natural suministró la mayor parte (más del 40 %) de la electricidad a los centros de datos en EE. UU., seguido por renovables como solar y eólica (24 %), energía nuclear (20 %) y carbón (15 %).

Gigantes tecnológicos como Google (GOOG ), Amazon (AMZN ), y Meta (META ) se han comprometido a usar más energía nuclear, que actualmente solo representa el 20 % del suministro eléctrico en EE. UU., para reducir las emisiones de carbono de los centros de datos.

Por eso la IEA proyecta que las emisiones de CO₂ por generación eléctrica para los centros de datos alcancen un pico de alrededor de 320 Mt CO2 para 2030, antes de ver una disminución a aproximadamente 300 Mt CO2 para 2035.

Según la IEA:

“A pesar del rápido crecimiento, los centros de datos siguen siendo una parte relativamente pequeña del sistema eléctrico global, pasando de alrededor del 1 % de la generación eléctrica mundial hoy al 3 % en 2030, representando menos del 1 % de las emisiones globales totales de CO₂.”

Pero el público no lo piensa así. Según una encuesta del Pew Research Center de 2024 sobre el impacto ambiental más amplio de la IA en las próximas dos décadas, una cuarta parte de los adultos estadounidenses cree que el impacto será negativo, y la misma proporción dice que el impacto será igualmente positivo y negativo.

Tanto las empresas como los investigadores también buscan continuamente formas de reducir el consumo de energía tanto de la computación como de los centros de datos.

De hecho, se han logrado importantes mejoras en la eficiencia energética del hardware utilizado para la computación. Sin embargo, la tasa de ventajas de eficiencia se ha desacelerado mientras que las demandas computacionales de la IA se han acelerado.

La cuestión es que los efectos de la IA sobre el uso de energía van más allá del consumo directo de electricidad para la computación. La energía, después de todo, es un insumo crítico en casi todas las actividades económicas, alimentando industrias y apoyando la infraestructura de la vida moderna.

Y los estudios muestran una fuerte correlación entre el consumo de energía y la producción económica, indicando que el uso de energía está estrechamente ligado al crecimiento del PIB. Por lo tanto, si la IA mejora la productividad económica