Para el año 2030, los centros de datos que sostienen los sistemas de inteligencia artificial consumirán tanta agua como la que necesitan anualmente 1.300 millones de personas en África subsahariana, y tanta electricidad como la que consume un grupo de países que suman más de 650 millones de habitantes.
Esa es la advertencia central de un informe elaborado por el Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH), titulado Coste ambiental del uso energético de la IA: huellas de carbono, agua y suelo.
Cifras que superan países enteros
Según el documento, para 2030 los centros de datos que alimentan la inteligencia artificial consumirán 945 teravatios-hora de electricidad al año.
Esa cifra equivale a casi el triple del consumo anual combinado de Pakistán, Bangladés y Nigeria, tres naciones que en conjunto superan los 650 millones de personas.
La huella sobre el suelo tampoco es menor. El informe proyecta que la infraestructura asociada a la IA ocupará más de 14.500 kilómetros cuadrados, el doble del área metropolitana de Yakarta.
Incluso en 2025, antes de que se alcancen esos niveles proyectados, los centros de datos globales ya consumieron 448 teravatios-hora de electricidad. Si fueran un país, estarían en el puesto 11 entre los mayores consumidores del mundo, por detrás de Francia y por delante de Arabia Saudí.
No solo carbono: el agua y el suelo también pagan el precio
El profesor Kaveh Madani, director del UNU-INWEH y líder de la investigación, fue claro sobre el propósito del estudio.
«Este informe no es un manifiesto en contra de la inteligencia artificial. Es un llamamiento a usarla de forma responsable y a abordar sus impactos no deseados de manera proactiva, para hacerla sostenible y equitativa»
Kaveh Madani subrayó que el debate público ha estado dominado por las emisiones de carbono, dejando fuera efectos ambientales igual de significativos.
El informe advierte que una transición energética mal planificada puede reducir emisiones de carbono y, al mismo tiempo, disparar el consumo de agua o la demanda de territorio. Como ejemplo concreto, señala que sustituir carbón por bioenergía reduce la huella de carbono en un 70%, pero multiplica la huella hídrica por treinta y la de suelo por cien.
ChatGPT y el costo invisible de cada consulta
El informe detalla que el mayor consumo energético de la IA ya no proviene del entrenamiento de los modelos, sino de su uso cotidiano. La inferencia, es decir, el procesamiento constante de consultas de usuarios, representa entre el 80% y el 90% del consumo energético total de la inteligencia artificial una vez que los modelos están desplegados.
Solo ChatGPT procesa aproximadamente 2.500 millones de consultas diarias, lo que equivale a unos 383 gigavatios-hora al año.
Compensar las emisiones de carbono de esa plataforma requeriría plantar 2,6 millones de árboles durante diez años, en una superficie similar a Manhattan. Su huella hídrica, por su parte, equivaldría a las necesidades anuales de agua de medio millón de personas en África subsahariana.
El documento también establece diferencias entre tipos de uso. Una conversación típica con un chatbot consume 200 veces más energía que una clasificación simple de texto. Generar una sola imagen consume 1.450 veces más. Y producir un video corto con IA puede demandar tanta electricidad como 200.000 clasificaciones de correo no deseado.
El efecto rebote que amenaza los avances en eficiencia
El informe introduce la paradoja de Jevons, conocida también como el «efecto rebote», para señalar un riesgo que los avances tecnológicos no eliminan por sí solos.
La lógica es directa: si los modelos de inteligencia artificial se vuelven más eficientes pero su uso se expande de manera acelerada, el impacto ambiental total puede aumentar aunque cada operación individual consuma menos recursos.
Kaveh Madani y su equipo sostienen que sin una gestión activa por parte de gobiernos, empresas y usuarios, las ganancias en eficiencia no serán suficientes para contener el crecimiento de la huella ambiental de la inteligencia artificial.
«Si los modelos se vuelven más eficientes pero su uso crece de forma exponencial, el impacto total podría seguir aumentando»
