Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Preguntar a un chatbot parece un gesto ligero. A veces no lo es.
Vals puso cifras a esa diferencia al evaluar 16 modelos de peso abierto con su índice de referencia y la herramienta EcoLogits, cruzando emisiones de carbono, consumo de agua y uso de electricidad. El contraste más llamativo apareció entre tareas sencillas y trabajos largos, cuyo impacto ambiental puede multiplicarse por 10.000.
Hablar más con la IA ya cuesta más energía
Ahí asoma un cambio de hábito que explica buena parte del salto. Omar Almatov, ingeniero fundador de Vals, sitúa el giro en el paso desde consultas breves a intercambios prolongados, algo que convierte una herramienta de respuesta puntual en una conversación sostenida.
"El uso está pasando de simplemente usar ChatGPT como una alternativa a la búsqueda de Google a mantener conversaciones reales con estos chatbots". - Omar Almatov, ingeniero fundador de Vals
Ese desplazamiento no es menor cuando cada mensaje activa centros de datos que consumen electricidad y agua para sostener la respuesta. Ya hay cifras por consulta media que permiten aterrizar esa intuición en la vida cotidiana.
Sam Altman, director ejecutivo de OpenAI, escribió en 2025 que una consulta promedio de ChatGPT utiliza aproximadamente 1/15 de cucharadita de agua. Las estimaciones de Sam Altman y Google de 2025 sitúan además el consumo energético de una consulta de texto promedio entre 0,24 y 0,34 vatios hora.
Una aplicación web hecha con algunos modelos puede requerir tanta energía como la que consume una vivienda durante dos horas y media.
Los modelos no contaminan igual aunque rindan parecido
No basta con decir inteligencia artificial y dar por hecho que todo pesa lo mismo. Vals detectó diferencias marcadas entre modelos que compiten en tareas similares, con un reparto muy desigual de la factura ambiental.
El caso más extremo fue Qwen3.8 Max, de Alibaba, que obtuvo la peor puntuación en intensidad energética, de carbono y de agua en todas las tareas evaluadas. En el extremo opuesto, Ling 3.0 Flash 2607, de Ant Group, registró la puntuación más baja en impacto ambiental.
Kimi K3 también sobresale, pero por una razón incómoda.
Su huella ambiental aparece como desproporcionada cuando se compara con DeepSeek V4 Flash, que ocupa el segundo lugar en precisión. La comparación sugiere una tensión cada vez más visible, porque mejorar resultados no siempre exige pagar el mismo coste material.
China domina la muestra y el debate ya salió del laboratorio
De los 16 modelos analizados, 14 fueron desarrollados por empresas chinas. Los otros dos procedían de Thinking Machines Lab, en Estados Unidos, y de Mistral AI, en Francia.
Esa concentración da una pista sobre dónde se está jugando una parte del pulso industrial, pero también sobre dónde conviene pedir más transparencia. Rayan Krishnan, cofundador y director ejecutivo de Vals, reclama que la discusión pública parta de mediciones concretas y no de impresiones.
"Los debates sobre políticas deberían basarse en datos y pruebas reales". - Rayan Krishnan, cofundador y director ejecutivo de Vals
La presión ya no llega solo desde investigadores y empresas de evaluación. Las compañías de inteligencia artificial afrontan más exigencias de divulgación por la entrada en vigor de una nueva ley de California sobre divulgación climática.
El problema crece cuando la IA razona durante más tiempo
Microsoft ya observó en una investigación independiente que las solicitudes con razonamientos extensos y con agentes pueden aumentar el consumo de energía en más de un orden de magnitud. Dicho de otro modo, no pesa igual pedir una frase que encargar una cadena larga de pasos, comprobaciones y decisiones.
Mientras tanto, Amazon y Google declararon que sus emisiones de gases de efecto invernadero aumentaron en general en 2025, en parte por la expansión de sus centros de datos. Esa misma expansión ya se ha dejado ver en el consumo de agua de la IA, que convierte una conversación digital en una infraestructura física muy concreta.
Almatov lo resumió con una idea simple y difícil de esquivar. Cuando la relación con los chatbots deja de parecerse a una búsqueda rápida y se acerca a una charla larga, la comodidad del usuario crece al mismo tiempo que crece la huella que queda fuera de la pantalla.
Las tareas más largas pueden disparar el impacto ambiental hasta 10.000 veces, y esa distancia cabe entre dos usos que para el usuario parecen casi idénticos.