La inteligencia artificial está cada vez más presente en la vida cotidiana: responde preguntas, crea imágenes, redacta textos y produce videos en pocos segundos. Pero detrás de esa velocidad existe una infraestructura física que necesita grandes cantidades de recursos para funcionar.
Los centros de datos, donde se concentran los servidores que procesan la información, consumen electricidad de manera constante y requieren sistemas de refrigeración para evitar el sobrecalentamiento de los equipos. A esto se suma el impacto de fabricar los componentes electrónicos y gestionar los residuos cuando quedan obsoletos.
Una investigación publicada en la revista Global Environmental Change Advances analizó esta relación y advirtió que la expansión de la IA puede generar beneficios ambientales, pero también aumentar la presión sobre la energía, el agua y los recursos minerales.
Cuánta energía necesita la inteligencia artificial
El consumo eléctrico es uno de los principales desafíos ambientales de esta tecnología. Cada consulta requiere capacidad de procesamiento, aunque la cantidad de energía utilizada varía según la tarea: generar una respuesta de texto no demanda lo mismo que crear una imagen o producir un video.
Según las estimaciones citadas en el informe, los centros de datos podrían necesitar 945 teravatios-hora de electricidad al año hacia 2030. Se trata de una proyección que refleja el crecimiento esperado de la infraestructura digital.
El impacto climático depende, en parte, de cómo se produce esa electricidad. Si proviene de centrales que utilizan carbón, petróleo o gas, el funcionamiento de los servidores está asociado a mayores emisiones de gases de efecto invernadero. Las energías renovables pueden reducir esa huella, aunque no eliminan todos los impactos relacionados con la construcción y el mantenimiento de las instalaciones.
El agua también forma parte del problema
Los servidores generan calor y necesitan sistemas que permitan mantener una temperatura adecuada. Algunas tecnologías de refrigeración utilizan agua para absorber y disipar ese calor, mientras que otros consumos hídricos están vinculados indirectamente con la generación de electricidad.
El impacto no es igual en todas las regiones. Instalar un centro de datos en una zona con abundante disponibilidad de agua no tiene las mismas consecuencias que hacerlo en un territorio que atraviesa una situación de escasez.
Por eso, además de evaluar cuánta electricidad requiere una instalación, resulta importante conocer de dónde proviene el agua utilizada, qué sistemas de enfriamiento emplea y cómo afecta a las comunidades cercanas.
Minerales, componentes electrónicos y residuos
La huella ambiental de la IA comienza mucho antes de que un usuario escriba una pregunta. Los servidores, semiconductores y dispositivos de almacenamiento necesitan distintos metales y minerales para su fabricación.
La extracción de estas materias primas puede provocar contaminación, pérdida de ecosistemas y otros daños ambientales, dependiendo de los métodos empleados y de las condiciones en las que se desarrolla la actividad.
A su vez, la renovación constante de los equipos genera residuos electrónicos. Si no se gestionan correctamente, algunos de sus componentes pueden liberar sustancias peligrosas. La reutilización, la reparación y la recuperación de materiales son algunas de las alternativas para reducir este impacto.
El problema de medir su huella real
Uno de los puntos centrales de la investigación es la falta de información pública y comparable sobre el consumo de los grandes sistemas de inteligencia artificial.
En muchos casos, las estimaciones se construyen a partir de proyecciones o experiencias puntuales. La ausencia de datos detallados dificulta determinar cuánta electricidad y agua necesita cada modelo, cuáles son sus emisiones y qué impacto produce durante todo su ciclo de vida.
Esta falta de transparencia también complica la comparación entre tecnologías y la evaluación de las mejoras que anuncian las empresas.
Cuando una tecnología más eficiente termina consumiendo más
Los avances técnicos permiten desarrollar modelos que necesitan menos capacidad de procesamiento y sistemas de refrigeración que buscan aprovechar mejor el agua. Sin embargo, una mayor eficiencia no garantiza que disminuya el consumo total.
Esto se relaciona con el llamado efecto rebote: cuando una tecnología se vuelve más económica o accesible, aumenta su utilización. Si crece la cantidad de consultas y aplicaciones más rápido de lo que mejora la eficiencia, la demanda global de recursos puede seguir aumentando.
Además, los efectos no se distribuyen de manera uniforme. Las comunidades próximas a los centros de datos pueden enfrentar una mayor demanda de electricidad y agua, así como ruido producido por ventiladores, equipos de refrigeración y generadores.
¿La inteligencia artificial también puede ayudar al ambiente?
Sí. La misma tecnología que necesita recursos para funcionar puede utilizarse para enfrentar problemas ambientales. Entre sus posibles aplicaciones se encuentran la predicción de fenómenos climáticos, el monitoreo de ecosistemas, la integración de energías renovables en las redes eléctricas y la optimización de procesos industriales.
La clave está en evaluar el balance entre los beneficios obtenidos y los recursos necesarios para alcanzarlos.
Para reducir el impacto, la investigación plantea la importancia de considerar todo el ciclo de vida de la IA: desde la fabricación de los equipos hasta el origen de la electricidad, el uso del agua y el tratamiento de los residuos. También destaca la necesidad de que las empresas publiquen información más transparente sobre el funcionamiento de sus sistemas.
La inteligencia artificial no es necesariamente una amenaza inevitable para el ambiente, pero tampoco es una tecnología sin costo ecológico. Su impacto dependerá de cómo se diseñe, con qué recursos funcione, dónde se instale la infraestructura y qué controles se establezcan para acompañar su crecimiento.
