El coste oculto de la IA: en 2030 consumirá tanta agua como 1300 millones de personas y la electricidad de 650

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 suman más de 650 millones de personas. Su huella hídrica equivaldrá a las necesidades básicas de agua de toda la población de África subsahariana (1300 millones de personas), y su ocupación del suelo superará los 14.500 kilómetros cuadrados, el doble del área metropolitana de Yakarta.

Son las conclusiones del informe “Coste ambiental del uso energético de la IA: huellas de carbono, agua y suelo“, publicado este miércoles por el Instituto de la Universidad de la ONU para el Agua, el Medio Ambiente y la Salud (UNU-INWEH). Sus autores advierten de 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 (infraestructuras energéticas y cadenas de suministro).

El error de medir solo el carbono

“Este informe no es un manifiesto en contra de la inteligencia artificial”, aclara el profesor Kaveh Madani, director de UNU-INWEH y líder de la investigación. “Es un llamamiento a usarla de forma responsable y a abordar sus impactos no deseados de manera proactiva, para hacerla sostenible y equitativa”.

El problema, según los autores, es que las tres huellas 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 sinónimo de “bajo en agua” ni de “bajo en territorio”.

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 Saudí.

El peso real de la IA: las consultas diarias

El debate público se ha centrado en la energía que consume entrenar grandes modelos —GPT-3 requirió 1,3 gigavatios-hora; GPT-4, entre 50 y 70—, pero el informe revela que esta perspectiva está obsoleta. Una vez desplegado un modelo, la inferencia —el procesamiento continuo de las consultas de los usuarios— representa entre el 80% y el 90% del consumo energético total de la IA.

Solo ChatGPT procesa unos 2500 millones de consultas al día, lo que se traduce en unos 383 gigavatios-hora al año. Compensar sus emisiones de carbono requeriría 2,6 millones de plántulas de árboles durante diez años, una superficie del tamaño de Manhattan. Su huella hídrica equivale a las necesidades anuales de agua de medio millón de personas en África subsahariana.

Pero no todas las consultas son iguales. Una conversación típica con un chatbot consume 200 veces más energía que una simple clasificación de texto. Generar una sola imagen consume 1450 veces más. Un vídeo corto generado por IA puede consumir tanta electricidad como 200.000 clasificaciones de spam.

Eficiencia: 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 se usan más. Las ganancias en eficiencia por consulta se ven anuladas por el crecimiento explosivo del volumen. “La gente piensa que la huella ambiental de la IA se reduce a medida que mejora la tecnología”, explica Madani. “Pero una IA más eficiente y asequible significa más consumo de IA, lo que hace que la huella total sea mucho mayor de lo que ahorramos con las ganancias de eficiencia”.

Los costes locales de un beneficio global

La expansión masiva de la IA está creando tensiones localizadas muy desiguales. En Irlanda, los centros de datos representaron el 21% de la electricidad medida en 2023, superando a todos los hogares urbanos. El operador de la red ha paralizado nuevas aprobaciones en Dublín hasta 2028.

En Querétaro (México), la expansión de la infraestructura de computación está agotando los suministros de agua en medio de sequías prolongadas. En Uruguay, un centro de datos de alto consumo hídrico se proyectó justo cuando una sequía agotaba las reservas de agua dulce de Montevideo.

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, mientras los minerales críticos se extraen en jurisdicciones con poca supervisión ambiental.

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 dos países, mientras que más de 150 naciones carecen actualmente de acceso a computación soberana de IA. El informe lo enmarca no solo como una brecha económica, sino como una cuestión de justicia ambiental: los países excluidos soportan la extracción de minerales críticos y los residuos electrónicos mientras los beneficios estratégicos fluyen hacia otro lado.

“El sistema global que está construyendo la inteligencia artificial también debe gobernarla de manera sostenible y justa”, afirma el profesor Tshilidzi Marwala, rector de la Universidad de la ONU. “Que la IA avance la prosperidad y el bienestar humanos de manera equitativa es ahora una cuestión de gobernanza, no técnica”.

Seis principios para una IA responsable

El informe propone un ecosistema de IA responsable basado en: transparencia; eficiencia por diseño; equidad y justicia ambiental; responsabilidad sobre todo el ciclo de vida; cooperación global; y uso sostenible. Entre las recomendaciones destacan las siguientes:

• Los gobiernos deben integrar la infraestructura de IA en la 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
• Los usuarios deben adoptar el modelo más ligero y el formato de menor energía que cumpla con la tarea
• Los operadores de centros de datos deben considerar la ubicación y la fuente de energía como decisiones ambientales críticas
• Los inversores deben tratar las huellas de carbono, agua y suelo como riesgos materiales en sus carteras

“Tenemos una ventana estrecha para garantizar que la columna vertebral de la revolución tecnológica de nuestra era se desarrolle dentro de los límites del planeta”, concluye Madani. “Y que las comunidades que proporcionan los minerales críticos para avanzar en la IA, y las que albergan su infraestructura y sus residuos electrónicos, también estén entre las que se benefician de ella”.