La inteligencia artificial suele contarse en parámetros, velocidad y productos. Pero su rastro también ocupa suelo, bebe agua y tira de la red eléctrica. Un informe del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud sitúa esa cara física en una escala que obliga a mirar dos veces.
Para 2030, el consumo de agua asociado a la inteligencia artificial equivaldrá al de 1.300 millones de personas del África subsahariana. La energía que requerirá será casi el triple de la que gastan anualmente Pakistán, Bangladesh y Nigeria, tres países que suman 650 millones de habitantes.
Las emisiones de dióxido de carbono podrían alcanzar 400 millones de toneladas equivalentes en 2030, una cifra comparable a las emisiones totales de Reino Unido.
También hará falta espacio. El funcionamiento de la inteligencia artificial implicará la ocupación de 14.500 kilómetros cuadrados en 2030, una superficie equivalente al doble del área metropolitana de Yakarta o diez veces la de Ciudad de México.
El coste ya no está solo en entrenar modelos
Durante años, el foco estuvo en el entrenamiento, esa fase inicial en la que un sistema aprende a partir de grandes volúmenes de datos. Ahora el mayor gasto se desplaza a otro punto mucho más cotidiano para el usuario.
El proceso de inferencia, es decir, el momento en que el modelo responde a una consulta, supone entre el 80 y el 90 % del consumo total de energía. Dicho de otro modo, el impacto no llega solo cuando una empresa crea un modelo, sino cada vez que millones de personas lo usan.
Una conversación estándar con un chatbot consume 200 veces más energía que la clasificación de correos electrónicos sospechosos. Generar una imagen sintética consume 1.400 veces más y un vídeo corto puede disparar ese consumo hasta 200.000 veces más.
Esa diferencia ayuda a entender por qué el debate ya no gira solo en torno a laboratorios y grandes lanzamientos. También afecta a gestos que parecen triviales en pantalla y que, fuera de ella, dependen de centros de datos, agua de refrigeración, redes eléctricas y cadenas de suministro.
La electricidad importa, pero no resuelve todo
Hoy, los centros de datos de inteligencia artificial consumen 448 teravatios hora, un nivel equivalente al consumo anual de Francia. Es una referencia útil porque traduce una infraestructura casi invisible en una escala que cualquier país puede reconocer.
Kaveh Madani, director del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud, aborda el sentido del informe.
"Este informe no va contra la IA. Es un llamamiento a usar esta tecnología de forma responsable y un intento de evaluar sus impactos indeseados para hacer que sea sostenible y equitativa. Debemos intentar asegurarnos de que esta revolución tecnológica se desarrolla dentro de límites planetarios." - Kaveh Madani, director del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud
El dato más incómodo del estudio aparece cuando se comparan distintas fuentes de generación eléctrica. Cambiar de carbón a bioenergía puede reducir la huella de carbono hasta un 70 %, pero esa misma decisión multiplicaría por 30 la huella hídrica y por 100 el impacto territorial.
Miriam Aczel, autora principal del estudio, plantea ahí una advertencia que va más allá de la contabilidad climática.
"Si solo nos basamos en las emisiones de carbono, podríamos pensar que las renovables hacen que la infraestructura de la IA sea limpia, pero eso supone resolver un problema al tiempo que se crean otros, a menudo en lugares que no lo han solicitado." - Miriam Aczel, autora principal del estudio
La cuestión, por tanto, no consiste en elegir un único indicador y dar el problema por resuelto. Una infraestructura puede recortar emisiones y al mismo tiempo aumentar la presión sobre el agua o sobre el territorio, una tensión que ya ha aparecido en debates sobre consumo oculto de agua en sistemas digitales.
Los centros de datos ya chocan con límites muy concretos
En Irlanda, los centros de datos representaron en 2023 el 21 % del consumo energético total. Ese peso ha motivado moratorias para la construcción de nuevas infraestructuras en Dublín.
Mientras tanto, en Uruguay los planes de construcción en 2023 de un centro de datos de alto consumo de agua coincidieron con una sequía que agotó las reservas de agua potable de Montevideo. La fricción entre expansión digital y recursos básicos dejó de ser una hipótesis abstracta.
Shaolei Ren, profesor de ingeniería computacional de la Universidad de California, Riverside, resume esa materialidad que a menudo queda fuera del relato tecnológico.
"El informe es un recordatorio importante y oportuno de que la IA no se limita a modelos y algoritmos, sino que también tiene un impacto físico y medioambiental real, determinado por los centros de datos, los sistemas eléctricos, los sistemas de abastecimiento de agua, el uso del suelo y las cadenas de suministro de hardware." - Shaolei Ren, profesor de ingeniería computacional de la Universidad de California, Riverside
No solo hablamos de energía, agua y suelo. Para 2030, la infraestructura de inteligencia artificial generará 2,5 millones de toneladas anuales de residuos electrónicos, otra capa de impacto que suele quedar al margen cuando la conversación se centra en software y servicios.
La capacidad está concentrada y los datos siguen siendo incompletos
Solo el 16 % de los países cuenta con infraestructura especializada para computar inteligencia artificial. Estados Unidos y China concentran el 90 % de la capacidad instalada, de modo que la potencia de cálculo y sus costes materiales también quedan muy concentrados geográficamente.
Álex Hernández, investigador del Quebec AI Institute, introduce una cautela importante sobre el alcance del trabajo. A su juicio, se trata de uno de los informes técnicos más completos sobre el impacto medioambiental de los sistemas actuales, pero sus conclusiones se centran en el impacto de GPT-4, un modelo de hace más de tres años.
Hernández añade otra limitación que pesa sobre casi cualquier análisis de este campo. La dificultad de obtener datos concretos del consumo de los sistemas actuales impide medir con precisión una tecnología que evoluciona muy deprisa y que, además, rara vez expone todos sus números.
Esa falta de transparencia explica por qué el informe recomienda a los gobiernos exigir informes estandarizados sobre la huella medioambiental de la inteligencia artificial. También pide a los desarrolladores priorizar modelos ajustados a cada tarea, una idea cercana a la discusión sobre modelos pequeños frente a sistemas sobredimensionados.
Hay una contradicción difícil de esquivar. La inteligencia artificial se vende como algo casi inmaterial, alojado en la nube y activado con una pregunta de pocas palabras, pero en 2030 podría consumir agua como 1.300 millones de personas, ocupar 14.500 kilómetros cuadrados y emitir 400 millones de toneladas equivalentes de CO2.