Detrás de cada consulta a ChatGPT, cada imagen generada con Midjourney o cada análisis automatizado de datos hay una infraestructura invisible pero voraz: centros de datos que consumen electricidad, agua y terreno a una escala que empieza a preocupar a los reguladores y ambientalistas.
Un informe publicado en junio de 2026 por el Instituto de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH) pone cifras concretas a un debate que hasta ahora se movía entre estimaciones vagas. El estudio analiza no solo las emisiones de CO₂, sino también el uso de agua y suelo asociado al funcionamiento de los sistemas de inteligencia artificial.
Los números son contundentes. Durante 2024, los centros de datos del mundo consumieron alrededor de 415 teravatios-hora (TWh) de electricidad, lo que representa aproximadamente el 1,5% del consumo global. Si la tendencia se mantiene, para 2030 esa cifra podría alcanzar los 945 TWh, más del doble. Y lo que es más revelador: la porción de ese consumo atribuible exclusivamente a aplicaciones de IA pasará del 20% en 2025 al 40% en 2030.
La huella de los modelos de lenguaje
El entrenamiento de los grandes modelos de lenguaje es particularmente intensivo. Para GPT-3 se necesitaron unos 1,3 GWh. Para GPT-4, la cifra saltó a entre 50 y 70 GWh, un incremento de más de 40 veces. Y eso es solo la fase de entrenamiento; luego viene la operación cotidiana, cuando millones de usuarios interactúan con estos sistemas.
Para dimensionar el impacto en términos cotidianos, el portal científico Quarks del WDR alemán calculó que unas 300 consultas de texto por IA requieren tanta energía como calentar un litro de agua en un hervidor. Pero cuando se generan imágenes o videos, el consumo se dispara: un video de 30 segundos creado con IA equivale a calentar siete litros de agua.
Una comparación necesaria
Aunque el impacto es significativo, conviene ponerlo en contexto. Los centros de datos generan entre el 1% y el 1,5% de las emisiones globales de gases de efecto invernadero. Esa cifra es relevante, pero está muy por debajo del 15% que aportan las industrias del acero y el cemento, o de lo que generan el transporte pesado y la agricultura. Además, estos centros no existen solo para la IA; sostienen servicios digitales cotidianos como el streaming, la videoconferencia, el almacenamiento en la nube y las redes sociales.
El problema de la transparencia
Uno de los obstáculos para evaluar con precisión el costo ambiental de la IA es la falta de datos públicos. Muchas empresas tecnológicas no divulgan el consumo real de sus modelos o centros de datos, lo que obliga a los investigadores a trabajar con estimaciones y proyecciones. La regulación, por ahora, avanza con lentitud. La Ley de Inteligencia Artificial de la Unión Europea, por ejemplo, incluye disposiciones sobre transparencia y riesgo, pero no establece exigencias vinculantes sobre eficiencia energética o consumo de recursos.
La IA como aliada ambiental
Sin embargo, reducir el análisis a una condena unidimensional sería incompleto. La inteligencia artificial también se utiliza para hacer más eficientes las redes eléctricas, optimizar el tráfico urbano, planificar el mantenimiento industrial de manera predictiva y gestionar el consumo energético de edificios. En estos casos, la IA puede contribuir a reducir el uso global de recursos.
El impacto neto dependerá, en última instancia, de cómo se emplee la tecnología. No todas las tareas requieren el modelo más grande y potente. Para aplicaciones estándar, modelos más pequeños y eficientes pueden ser suficientes, y optar por ellos es una decisión que las empresas pueden tomar ya.
La pregunta que queda abierta
El informe de la ONU es un llamado a la acción para gobiernos, empresas y usuarios. La expansión de la IA es imparable, pero su costo ambiental no tiene por qué serlo si se establecen reglas claras y se incentiva la eficiencia. La pregunta que los ejecutivos latinoamericanos deberían hacerse no es solo cuánto puede rendir la IA en sus organizaciones, sino también si están evaluando el precio energético de cada implementación. ¿Estamos dispuestos a pagar esa factura ambiental sin conocerla del todo?
