La voraz inteligencia artificial

Idioma Español

El desarrollo y uso de sistemas de inteligencia artificial (IA) usa más energía que casi todos los países del mundo, lo cual se traduce en un impacto devastador en el uso de agua, de suelo y en emisión de dióxido de carbono y otros gases que causan el caos climático. En 2025, el consumo de electricidad de la industria de la inteligencia artificial fue de 448 teravatios, lo cual supera en cerca de 1.3 veces al consumo de electricidad de todo México, triplica el de Argentina y es 40 veces la demanda eléctrica de Uruguay o Costa Rica.

Aún más preocupante: un reciente informe de Naciones Unidas estimó que para 2030 se duplicará la demanda energética de los centros de datos –donde se aloja la infraestructura de la IA– hasta 945 teravatios/hora de electricidad, equivalente al consumo total actual de todo el continente africano con una población de mil 600 millones de personas.

Si la demanda de electricidad de la IA estimada para 2030 se considera como un país, ocupará el sexto lugar en el ránking mundial, sólo detrás de Estados Unidos, China, India, Rusia y Japón, superando con creces a países de alto consumo como Alemania, Francia o Arabia Saudita.

El informe “Costo ambiental del uso energético de la inteligencia artificial: huellas de carbono, agua y suelo” fue publicado en junio de 2026 por la Universidad de Naciones Unidas y coordinado por Kaveh Madani, director del Instituto de Agua, Medio Ambiente y Salud de la Universidad de Naciones Unidas. ( https://tinyurl.com/UNU-IA-impacto ).

Junto con la altísima demanda energética, reportan que, a 2030, la huella hídrica asociada será de 9.3 billones de litros de agua, lo que equivale a las necesidades básicas anuales de mil 300 millones de personas en África subsahariana. La apropiación de suelos para infraestructura se estima en 14 mil 500 kilómetros cuadrados, 10 veces la superficie de la Ciudad de México.

Señalan que la huella ambiental de la inteligencia artificial se ha subestimado sistemáticamente. No solamente porque las poderosas empresas tecnológicas que dominan esta industria evitan dar esa información, también porque la mayoría de las evaluaciones se centran en medir solamente las emisiones de carbono asociadas al entrenamiento y ejecución de los grandes modelos de lenguaje. No consideran, además, que cada kilovatio de electricidad usada conlleva una importante huella hídrica, entre otros en generación, uso de energía y la refrigeración que exigen los centros de datos, así como su huella en uso de la tierra, en infraestructura energética, instalaciones y cadenas de suministro.

Medir los impactos solamente en emisiones de carbono y tratar de compensarlos con energías supuestamente “bajas en carbono” oculta la consideración de las huellas hídrica y de suelos y no considera tampoco otros impactos como la extracción de recursos minerales y la producción de desechos electrónicos que se estima en más de 2.5 millones de toneladas métricas anuales.

Un problema agregado es que la huella energética, hídrica y de suelos no necesariamente se mueven en la misma dirección. “Cambiar de los combustibles fósiles a la bioenergía, por ejemplo, podría dar la impresión de que se reduce la huella de carbono hasta 70 por ciento, pero al mismo tiempo multiplica la huella de agua por 30 y la de suelo por cien. “Bajo en carbono” no es sinónimo de “bajo en agua” ni de “bajo en territorio”, explica la doctora Miriam Aczel, una de las autoras del informe.

Señalan además que el uso de la energía, con su consiguiente impacto hídrico y ambiental, es muy relevante en el proceso de entrenamiento de la IA y aumenta exponencialmente con el uso de los sistemas de IA, especialmente de IA generativa, como ChatGPT y similares. Entre 80 y 90 por ciento de las demandas energética e hídrica es causada por las interacciones diarias de miles de millones de usuarios con esos sistemas, actualmente 2 mil 500 millones en el caso de ChatGPT. Una consulta de texto usa hasta 60 veces más energía que una consulta en buscador sin IA, y 200 veces más energía que una aplicación simple de IA, como clasificación de spam. La generación de imágenes con IA usa mil 450 veces más energía y hacer un video corto demanda hasta 200 mil veces más.

Reportan también la enorme desigualdad entre quienes se benefician y quienes sufren los impactos. Es un mito que la ubicación de un centro de datos signifique mayor acceso para la población local que sufre los impactos. La tendencia de parte de las empresas de Estados Unidos –que junto a China tienen 90 por ciento de la infraestructura de producción de IA– es ubicar los centros de datos en lugares que ya sufren estrés hídrico, lo cual ocasiona escasez de abasto de electricidad y aumento de costos para las poblaciones de esos lugares. Uno de los ejemplos en el informe es la instalación de centros de datos en Querétaro, México. ( https://tinyurl.com/39vkrm4m)

Hay muchos aspectos profundamente negativos en el desarrollo de la inteligencia artificial, ambientales, sociales, laborales, económicos, políticos, de dependencia. La promoción de sus supuestos beneficios se basa, demasiado a menudo, en ignorar u ocultar los brutales impactos hídricos, climáticos y de explotación de miles de comunidades locales que conlleva, entre otros.

Fuente: La Jornada

Temas: Crisis energética, Nuevas tecnologías

Notas relacionadas:

Fotoilustración: Wired; Getty Images

Los grandes centros de datos de EE UU ya consumen más energía que toda Colombia

COP31: los dirigentes del mundo deben poner fin a la influencia de los combustibles fósiles en la política climática y en el futuro de las personas

COP31: los dirigentes del mundo deben poner fin a la influencia de los combustibles fósiles en la política climática y en el futuro de las personas

El colapso del vórtice polar trae frío extremo a Europa este invierno

El colapso del vórtice polar trae frío extremo a Europa este invierno

Una transición energética extractivista con conflictos locales

Una transición energética extractivista con conflictos locales

Comentarios

eZ debug

Timing: Nov 19 2026 19:39:41
Script start
Timing: Nov 19 2026 19:39:41
Module start 'content'
Timing: Nov 19 2026 19:39:42
Module end 'content'
Debug: ezpI18n::translateText Nov 19 2026 19:39:42
Missing translation for message in context: 'kernel/navigationpart' with comment: 'Navigation part'. The untranslated message is: 'Revista'
Timing: Nov 19 2026 19:39:42
Script end

Main resources:

Total runtime1.2366 sec
Peak memory usage12,544.0000 KB
Database Queries460

Timing points:

CheckpointStart (sec)Duration (sec)Memory at start (KB)Memory used (KB)
Script start 0.00000.0148 1,085.6563717.7734
Module start 'content' 0.01480.8327 1,803.42976,999.9766
Module end 'content' 0.84750.3889 8,803.40633,134.8281
Script end 1.2363  11,938.2344 

Time accumulators:

 Accumulator Duration (sec) Duration (%) Count Average (sec)
Ini load
Load cache0.00570.4639160.0004
Mysql Total
Database connection0.00140.115410.0014
Mysqli_queries0.292623.66564600.0006
Looping result0.00920.74384520.0000
TS translator
TS init0.00630.510440.0016
TS cache load0.00540.434440.0013
TS context load0.00500.406140.0013
Template Total1.187196.020.5935
Template load0.446436.101820.2232
String conversion in template resource0.00100.0814330.0000
Template parser: create text elements0.01761.4252330.0005
Template parser: remove whitespace0.00370.3026330.0001
Template parser: construct tree0.07175.7997330.0022
Template load and register function0.00380.303890.0004
Template processing0.740659.892020.3703
states
state_id_array0.01271.0304130.0010
state_identifier_array0.00960.7763140.0007
Override
Cache load0.425434.4053870.0049
Sytem overhead
Fetch class attribute can translate value0.00160.132250.0003
Fetch class attribute name0.00440.3568140.0003
XML
Image XML parsing0.03532.855650.0071
class_abstraction
Instantiating content class attribute0.00020.0127140.0000
General
dbfile0.03212.5988300.0011
String conversion0.00040.0296350.0000
Note: percentages do not add up to 100% because some accumulators overlap

Time used to render debug report: 0.0007 secs