En los avanzados centros de procesamiento de datos que operan en todo el mundo, se realizan cálculos intensivos que demandan una considerable cantidad de energía, funcionando las 24 horas del día. Mientras tanto, herramientas como chatbots y otras formas de inteligencia artificial generativa se encargan de una variedad de tareas que van desde lo trivial, como la recopilación de imágenes para redes sociales, hasta lo esencial, como la interpretación de imágenes médicas para diagnósticos de cáncer, la generación de código para desarrolladores, o la identificación de fraudes financieros en bancos.
A medida que la popularidad de estas herramientas de IA ha aumentado en los últimos años, también lo han hecho los costos ambientales asociados con su funcionamiento. Actualmente, los centros de datos consumen aproximadamente 414 teravatios-hora al año, lo que representa cerca del 1.5% del consumo eléctrico mundial, según datos de la Agencia Internacional de la Energía. Esta cifra ha mostrado un crecimiento del 12% anual en los últimos cinco años, con una proyección de aumento del 17% para 2025. Se estima que para 2030, la demanda eléctrica de estos centros podría más que duplicarse. Gran parte de esta creciente demanda se cubre con combustibles fósiles, lo que genera preocupaciones adicionales sobre el uso de recursos hídricos para la refrigeración de los centros en regiones afectadas por sequías.
Responsabilidad empresarial y decisiones individuales
El uso de la IA para tareas como la generación de texto o imágenes representa solo una pequeña fracción de la huella ambiental de cada usuario. Los expertos enfatizan que las empresas tecnológicas tienen la responsabilidad de reducir el consumo de recursos asociados a la IA, desde la creación de algoritmos más eficientes energéticamente hasta el desarrollo de hardware más avanzado. Sin embargo, existen medidas simples que los individuos pueden adoptar para minimizar el impacto ambiental de su uso de la IA, tales como evaluar cuidadosamente la necesidad de utilizar IA en ciertas tareas y ajustar las instrucciones para reducir la carga computacional requerida.
“Las decisiones individuales no son irrelevantes; algunas pueden tener un impacto mayor del que la gente imagina”, señala Ivana Drobnjak, experta en informática de University College London.
Consumo energético de los chatbots
Calcular el consumo energético asociado a una sola consulta a un chatbot resulta complicado. Por ejemplo, Google estima que su modelo Gemini consume alrededor de 0.24 vatios-hora para responder a una consulta de texto de longitud media, lo que equivale a la energía necesaria para ver la televisión durante menos de nueve segundos. Adicionalmente, este proceso requiere aproximadamente 0.26 mililitros de agua y produce 0.03 gramos de dióxido de carbono, una cifra que contrasta con los 400 gramos emitidos al conducir un automóvil de gasolina durante una milla. Aunque cada consulta individual consume poca energía, estos gastos se acumulan rápidamente para aquellos que utilizan con frecuencia herramientas de IA.
El alto consumo energético de los modelos de IA se debe en parte a la arquitectura de los procesadores que los alimentan, como las unidades de procesamiento gráfico (GPU), que utilizan significativamente más energía que las unidades centrales de procesamiento (CPU), encargadas de tareas más simples. Además, la mayoría de estas herramientas de IA generativa se basan en modelos de lenguaje a gran escala (LLM), que a su vez utilizan una arquitectura conocida como «transformer». Este diseño permite a los LLM entrenarse con grandes volúmenes de patrones lingüísticos, calculando miles de millones o incluso billones de parámetros. Cada vez que generan una nueva palabra en respuesta a una consulta, procesan la información existente, realizando así miles de millones de cálculos en cada interacción.
Mejoras en la eficiencia energética de los LLM
Las empresas tecnológicas han señalado que los LLM se han vuelto más eficientes con el tiempo. Según estimaciones de Google para 2025, el consumo de 0.24 vatios-hora por consulta de Gemini representa una reducción de 33 veces en comparación con el modelo del año anterior. No obstante, incluso pequeñas cantidades de energía pueden acumularse rápidamente debido a la magnitud del uso de la IA. Con base en datos de OpenAI, Drobnjak estima que en mayo de 2025 se enviaban alrededor de 3,200 millones de consultas diarias al chatbot ChatGPT. Los usuarios interactúan con estas herramientas generando grandes volúmenes de texto, imágenes y videos, y algunos incluso crean sus propios «agentes de IA» que a su vez envían consultas a otros chatbots.
Consejos para un uso responsable de la IA
Para minimizar el consumo energético asociado al uso de la IA, los expertos sugieren varias estrategias. En primer lugar, los usuarios deberían preguntarse si realmente necesitan la IA para una tarea específica. “Preguntarle a ChatGPT ‘¿Qué me pongo hoy?’ o ‘¿Cuál es el pronóstico del clima?’ es como usar un Concorde para ir al supermercado”, afirma Günter Klambauer, experto en IA de la Universidad Johannes Kepler de Austria. Lo mismo aplica a los motores de búsqueda que emplean IA para generar respuestas automáticas; desactivar esta función podría resultar en un gran ahorro energético.
Otra recomendación es optar por modelos más pequeños para tareas específicas. Estos modelos, entrenados de manera más focalizada y que requieren menos cálculos, tienden a consumir menos energía que los LLM más grandes y versátiles. Un estudio de 2025 publicado por la UNESCO reveló que estos modelos más pequeños pueden consumir entre 15 y 50 veces menos energía, produciendo al mismo tiempo resultados de mayor calidad en tareas específicas.
Reducir la producción de texto y optimizar la generación de medios
Además, es útil elegir modelos que generen menos texto en general. Mosharaf Chowdhury, experto en sistemas de IA de la Universidad de Míchigan, ha observado que los modelos más «conversadores» tienden a consumir más energía. Por ejemplo, una versión del modelo Qwen de Alibaba Cloud consume considerablemente más energía en su «modo de resolución de problemas con razonamiento» en comparación con su «modo de conversación textual». Los expertos recomiendan utilizar el modo de razonamiento solo para preguntas complejas y optar por ser concisos en las solicitudes, lo que puede ahorrar energía significativamente.
En el ámbito de la generación de imágenes y videos, que requieren aún más energía que el texto, es aconsejable crear estos contenidos solo cuando sea necesario y con la resolución mínima requerida. “Se puede comenzar con una resolución baja y aumentar la calidad solo si es necesario”, sugiere Drobnjak. Además, realizar múltiples solicitudes en una sola sesión o por lotes es más eficiente que hacerlas de forma individual.
Un impacto colectivo a través de pequeñas acciones
Aunque algunas de estas recomendaciones pueden parecer insignificantes en el contexto general, los expertos coinciden en que cada acción suma. Mientras se espera que las empresas tecnológicas y los responsables políticos encuentren formas de mitigar el impacto ambiental de la IA, “las personas que saben utilizar las herramientas adecuadas pueden marcar una diferencia real”, concluye Drobnjak. “La IA consume tanta energía que debemos abordarla desde múltiples perspectivas”.
Más historias
El Telescopio Espacial Más Grande Revela Nuevas Verdades sobre el Origen del Universo
El Impacto Negativo de la IA en Estudiantes: Cómo el Uso Irreflexivo Afecta tu Aprendizaje y Motivación
NASA Anuncia la Cancelación de la Misión de Rescate y el Sacrificio del Telescopio Swift