La conversación pública sobre inteligencia artificial suele centrarse en su capacidad para transformar empleos, acelerar procesos o impulsar nuevos productos. Sin embargo, junto a ese entusiasmo ha surgido una preocupación constante: ¿estamos alimentando esta revolución tecnológica a costa del clima? En muchos debates se repite la idea de que la IA consume cantidades desorbitadas de energía y podría agravar la crisis ambiental. Esta percepción se ha reforzado por la imagen de grandes centros de datos y hardware especializado que, en teoría, implican un gasto eléctrico gigantesco.
Pero la realidad es más matizada. Un nuevo estudio de Anthony R. Harding y Juan Moreno-Cruz analiza, por primera vez, cómo cambiaría el consumo energético de Estados Unidos si la IA se integrara de forma generalizada en la economía. Sus conclusiones desmontan varias creencias muy extendidas: el impacto total sería reducido y, en algunos casos, incluso podría favorecer procesos más eficientes. El propio artículo lo resume con una cifra reveladora: “La adopción de IA podría conducir a un uso adicional de 28 PJ y 896 ktCO₂ al año —aproximadamente el 0,03% del consumo energético anual del país y el 0,02% de sus emisiones de CO₂—”. Un dato que cuestiona el mito del “monstruo energético”.
Un estudio que mide lo que antes solo se intuía
Una de las claves del trabajo es su enfoque económico, que combina datos laborales, productivos y ambientales para calcular los efectos indirectos de la IA. La energía no se consume únicamente entrenando modelos: también depende de cómo aumente la productividad en cada sector. Para ello, los autores construyeron un modelo que traduce esas mejoras en cambios de consumo energético, teniendo en cuenta el grado de dependencia de cada industria.
Los resultados muestran diferencias significativas. Sectores como la educación, con grandes infraestructuras, experimentan variaciones más visibles; mientras que otros, como la edición o las telecomunicaciones, apenas alteran su consumo. Todo depende de la intensidad energética y la intensidad de emisiones de cada sector, dos factores que determinan cómo se traduce un aumento de actividad en uso de energía y CO₂. Esta heterogeneidad es esencial para entender por qué no existe una respuesta única sobre el impacto ambiental de la IA.
El mito del consumo desbocado
El modelo plantea un escenario en el que la IA incrementa la productividad nacional. Y aun así, el resultado agregado es modesto: 28 petajulios anuales, un volumen comparable al consumo energético de un país pequeño. El estudio no niega que los centros de datos puedan crecer ni que ciertas regiones puedan notar efectos locales, pero subraya que, a escala nacional, el impacto es minoritario.
Incluso al incorporar estimaciones técnicas sobre el entrenamiento e inferencia de grandes modelos, los autores concluyen que su peso relativo sigue siendo pequeño. La energía directamente asociada a la IA es solo una fracción del total que mueve la economía estadounidense.
Diferencias sectoriales: dónde cambia más y dónde casi no cambia
El estudio revela variaciones notables entre industrias. Las que tienen más tareas automatizables obtienen mayores aumentos de productividad y, en consecuencia, pequeñas subidas de consumo. Pero estas solo resultan relevantes en sectores muy intensivos en energía, como los relacionados con la construcción o el transporte.
En cambio, industrias con bajo consumo energético —como las vinculadas a la información o los servicios profesionales— apenas experimentan cambios. En el transporte aéreo, por ejemplo, un incremento mínimo de productividad puede traducirse en varios petajulios adicionales por su enorme consumo de base. Mientras tanto, en la edición o la programación informática, ese mismo aumento pasa prácticamente desapercibido. Este contraste explica por qué hablar del “consumo de energía de la IA” como un fenómeno homogéneo es inexacto.
IA y energía: más allá de los centros de datos
El estudio también recuerda que la IA no solo consume energía: puede ayudar a reducirla. Aunque estos beneficios no están modelizados, los autores mencionan aplicaciones que optimizan procesos industriales, regulan mejor la demanda eléctrica o mejoran la eficiencia de infraestructuras. Esto sugiere que el impacto neto podría ser aún menor del estimado.
Los investigadores también reconocen las limitaciones de su análisis, como el uso de datos energéticos de 2014 para mantener coherencia con las cuentas económicas, algo que podría sobreestimar ligeramente los resultados. De hecho, al actualizar los datos hasta 2023, las variaciones son mínimas.
Otro punto importante es que el estudio se centra exclusivamente en Estados Unidos. Sus conclusiones no pueden extrapolarse de manera directa a países con fuentes de energía muy diferentes. En regiones dependientes del carbón, el mismo aumento energético generaría más emisiones, mientras que en economías muy descarbonizadas el impacto sería menor.
Una visión más equilibrada para el debate público
En conjunto, el estudio invita a replantear algunas narrativas alarmistas sobre la huella ambiental de la IA. Aunque existen desafíos —sobre todo en zonas donde se instalan grandes centros de datos—, su impacto energético agregado no parece, por ahora, un obstáculo relevante para la sostenibilidad. Como resume la frase citada anteriormente: “La adopción de IA podría conducir a un uso adicional de energía de 28 PJ y a 896 ktCO₂…”.
Además, varios artículos divulgativos coinciden en que la IA podría acelerar tecnologías verdes, desde optimizar la energía renovable hasta mejorar la gestión de redes eléctricas. Esto convierte a la IA no solo en un posible reto, sino también en una herramienta valiosa en la transición climática, con un impacto energético menor del temido.
