Los Estados deberán inyectar 600.000 millones extra en redes eléctricas para evitar un colapso energético por la IA

Cada minuto que pasa, por no decir segundos, la inteligencia artificial encuentra más límites en sus horizontes. En esta ocasión, la electricidad, necesaria para hacerla funcionar podría aguarle la fiesta de cara al futuro.

Y mientras esto ocurre, las grandes tecnológicas lo ignoran y aceleran sus inversiones. El resultado es un cuello de botella que amenaza con retrasar proyectos multimillonarios y convierte la disponibilidad de energía en un factor decisivo para la rentabilidad de la industria.

En relación a la inversión en IA, J.P. Morgan estima que alcanzará los 900.000 millones de dólares en 2026 y acumulará 5,5 billones de dólares hasta 2030. La entidad señala que la disponibilidad de electricidad, los equipos y los permisos son algunos de los principales obstáculos para mantener el ritmo de expansión. Además, las grandes tecnológicas están recurriendo cada vez más a los mercados de deuda y capital para financiar sus planes. 

El esfuerzo inversor coincide con un aumento de la demanda energética. La Agencia Internacional de la Energía (AIE) prevé que el consumo eléctrico mundial de los centros de datos prácticamente se duplique, desde los 485 teravatios hora (TWh) de 2025 hasta los 950 TWh en 2030. En el caso de los centros especializados en inteligencia artificial, el consumo se triplicará durante ese periodo.

Sin embargo, la presión no procede únicamente de la generación eléctrica, también hay que transportar la energía y disponer de capacidad para conectarse a la red. Según la AIE, más de 2.500 gigavatios de proyectos de generación, almacenamiento y grandes consumidores, entre ellos centros de datos, permanecen en las colas de conexión eléctrica mundiales. Para responder al crecimiento previsto, la inversión anual en redes debería aumentar un 50% de aquí a 2030, desde los aproximadamente 400.000 millones de dólares actuales hasta unos 600.000 millones.

En este sentido, la consultora McKinsey & Company advierte de que el desarrollo de los centros de datos avanza más rápido que las infraestructuras necesarias para abastecerlos, una brecha que también se refleja en los plazos de entrega de transformadores, superiores a los dos años en numerosos mercados.

A las conexiones se suma el encarecimiento de las instalaciones. JLL calcula que el coste medio mundial de construcción de un centro de datos alcanzará los 11,3 millones de dólares por megavatio en 2026, frente a 7,7 millones en 2020. La estimación incluye la estructura y los elementos básicos del edificio, pero excluye el equipamiento informático; en instalaciones destinadas a IA, el acondicionamiento tecnológico puede añadir hasta 25 millones de dólares por megavatio. 

Por sumar riesgos, la espera media para conectarse a la red supera los cuatro años en los principales mercados de centros de datos, según señala Pablo Vega, experto financiero en Roams. Los retrasos pueden prolongar la financiación de los proyectos y aplazar los ingresos previstos, mientras los sobrecostes elevan el capital que los operadores deben recuperar. En este escenario, disponer de financiación no garantiza que una instalación pueda empezar a generar ingresos en el calendario previsto.

Eficiencia como estrategia

Ante estas restricciones, la respuesta no consiste únicamente en levantar más centros de datos o ampliar las redes. También pasa por reducir los recursos necesarios para ejecutar cada tarea de inteligencia artificial y aprovechar mejor la infraestructura existente.

La ventaja económica debe traducirse en menos procesadores gráficos (GPU), memoria y electricidad, además de un menor coste por inferencia, es decir, por cada ejecución de un modelo para generar una respuesta, explica Javier Desantes, cofundador y consejero delegado de Akka.

En este terreno opera Multiverse Computing, compañía nacida en San Sebastián que desarrolla tecnología para comprimir modelos de inteligencia artificial. Su herramienta CompactifAI busca conservar gran parte de la precisión original y, según la empresa, puede reducir los costes de inferencia hasta un 80%. El objetivo es permitir que las organizaciones ejecuten modelos más compactos en sus equipos actuales o en dispositivos como teléfonos móviles, vehículos y máquinas industriales.

La empresa atrajo también a inversores particulares: según la información facilitada por Akka, españoles y europeos invirtieron 1,3 millones de euros en Multiverse a través de la plataforma en julio de 2026. La operación refleja el interés por tecnologías que aspiran a resolver una de las limitaciones económicas de la expansión de la IA.

Desantes advierte, no obstante, de una paradoja: abaratar cada operación no garantiza una caída del consumo total. «Si ejecutar IA cuesta diez veces menos, aparecen muchísimos casos de uso que antes simplemente no eran económicamente viables», señala. La eficiencia puede reducir la energía por tarea y, al mismo tiempo, impulsar un crecimiento del volumen de cálculos que compense parte de ese ahorro.

Sin embargo, por muchas intervenciones que se hagan para frenarla, la inteligencia artificial irá un paso por delante. Incluso podría contribuir a reducir estas limitaciones mediante el descubrimiento de nuevos materiales para baterías y otras tecnologías energéticas. Sin embargo, el ahorro por operación no garantiza una reducción del consumo agregado: y si la caída de los costes impulsa nuevos usos y un mayor volumen de cálculos, la demanda eléctrica total podría seguir aumentando.