Según un informe del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH), para 2030 el consumo de agua asociado al uso de la inteligencia artificial será equivalente al de 1.300 millones de personas del África subsahariana.
Este cálculo incluye tanto el agua utilizada para refrigerar los sistemas de los centros de datos como la empleada en la generación de electricidad.
La magnitud del impacto es tal que los centros de datos que alimentan la IA ya consumen 448 TWh de electricidad, comparable al gasto energético de Francia.
Energía y emisiones
El informe advierte que la IA requerirá casi el triple de la energía que consumen anualmente Pakistán, Bangladesh y Nigeria juntos (650 millones de habitantes). En cuanto a emisiones, podrían alcanzar los 400 millones de toneladas de CO₂ equivalente, similares a las emisiones totales del Reino Unido.
Además, la infraestructura necesaria ocupará 14.500 km², el doble del área metropolitana de Yakarta o diez veces la de Ciudad de México.
Más allá del carbono: huellas múltiples
Los investigadores subrayan que el coste ambiental de la IA se está minusvalorando porque la mayoría de análisis se centran en las emisiones de carbono. Sin embargo, cada kilovatio-hora consumido implica también:
- Huella hídrica: refrigeración y generación de energía.
- Huella territorial: infraestructuras y cadenas de suministro.
Un ejemplo: pasar del carbón a la bioenergía reduce emisiones, pero multiplica por 30 la huella hídrica y por 100 el impacto territorial.
Entrenamiento vs. inferencia
Hasta hace poco se pensaba que el mayor consumo energético ocurría durante el entrenamiento de los modelos. El estudio revela que el proceso de inferencia (cada vez que un usuario interactúa con un modelo) representa entre el 80% y el 90% del consumo total.
Las cifras son reveladoras:
- Una conversación estándar con un chatbot gasta 200 veces más energía que una función básica como clasificar correos spam.
- Generar una imagen sintética consume 1.400 veces más.
- Crear un vídeo corto puede llegar a suponer 200.000 veces más energía.
Desigualdad en beneficios y costos
El informe también denuncia una distribución desigual:
- Solo el 16% de los países dispone de infraestructura especializada para computar IA.
- EE. UU. y China concentran el 90% de la capacidad instalada.
- Los costos ambientales (agua, emisiones, basura electrónica) se reparten globalmente, mientras que los beneficios se concentran en pocos países.
Ejemplos:
- En Irlanda, los centros de datos ya representaban en 2023 el 21% del consumo energético nacional, lo que llevó a imponer moratorias en Dublín.
- En Uruguay, la construcción de un gran centro de datos coincidió con una sequía que dejó sin agua potable a Montevideo.
Basura electrónica y transparencia
Para 2030, la infraestructura de IA podría generar 2,5 millones de toneladas anuales de basura electrónica, principalmente procesadores obsoletos, que terminarán acumulándose en países con menos recursos.
Además, los expertos señalan la falta de transparencia en el sector: gran parte de los datos provienen de modelos antiguos como GPT-4, lo que limita la precisión de las estimaciones.
Recomendaciones de la ONU
El informe propone medidas para mitigar el impacto:
- Exigir informes estandarizados de huella ambiental a los operadores.
- Favorecer la eficiencia por diseño, evitando usar modelos gigantes para tareas simples.
- Aumentar la transparencia en el consumo de recursos.
La IA no solo es algoritmos y modelos: detrás hay un impacto físico y ambiental real que involucra el consumo de agua, energía, territorio y residuos.
El desafío es garantizar que esta revolución tecnológica se desarrolle dentro de los límites planetarios, equilibrando innovación con sostenibilidad y justicia global.
