Agua, emisiones y energía: alertan de los desafíos ambientales que causa la inteligencia artificial
La ONU alerta: el agua que consumirá la IA en 2030 igualará la de 1.300 millones de personas
La IA triplicará en 2030 el consumo de electricidad que usan 650 millones de personas
La Universidad de la ONU calcula el coste hídrico, energético y de suelo de los centros de datos
La energía nuclear se convierte en la gran aliada para refrigerar sin agua los centros de datos de la IA
La inteligencia artificial no sólo dispara las emisiones de CO₂. Un nuevo informe de la Universidad de las Naciones Unidas advierte de que su huella hídrica y de suelo crecerá igual de rápido en los próximos años.
Según el estudio, los centros de datos que sostienen la IA consumirán 945 teravatios hora de electricidad en 2030. Esa cifra triplica la electricidad que hoy usan Pakistán, Bangladés y Nigeria juntos, 650 millones de personas.
Tres huellas que no van de la mano
El documento, titulado Environmental Cost of AI’s Energy Use (El coste medioambiental del consumo energético de la IA), está firmado por el UNU-INWEH, el instituto de la ONU especializado en agua, medioambiente y salud. Lo dirige el profesor Kaveh Madani.
Hasta ahora, los análisis sobre el impacto de la inteligencia artificial se centraban casi en exclusiva en las emisiones de carbono derivadas del entrenamiento de los modelos. El nuevo informe amplía el foco a otras dos variables clave.
Cada kilovatio hora que consume un sistema de IA arrastra también una huella hídrica, por la refrigeración y la generación eléctrica, y una huella de suelo, por las infraestructuras energéticas. Y estas tres huellas no evolucionan igual.
El precio oculto de cambiar de fuente
Sustituir el carbón por bioenergía puede reducir la huella de carbono de la electricidad hasta un 70%. Sin embargo, esa misma sustitución multiplica por más de 30 la huella hídrica y por 100 la huella de suelo.
«Lo que más nos sorprendió es lo a menudo que las decisiones más verdes desde la perspectiva del carbono terminan siendo peores para el agua o para el suelo», explica Miriam Aczel, investigadora del UNU-INWEH y autora principal del informe.
Para 2030, la huella hídrica asociada a los centros de datos equivaldrá a las necesidades domésticas básicas de agua de los 1.300 millones de personas que viven en el África subsahariana. Su huella de suelo superará los 14.500 kilómetros cuadrados, el doble del área metropolitana de Yakarta.
El verdadero gasto está en su uso
El debate público se ha centrado en el coste energético de entrenar los grandes modelos. Entrenar GPT-3 requirió 1,3 gigavatios hora, mientras que GPT-4 habría consumido entre 50 y 70.
El informe sostiene que ese enfoque está desfasado. Una vez desplegado un modelo, su uso cotidiano, la llamada inferencia, concentra entre el 80% y el 90% del consumo energético total de la IA.
Sólo ChatGPT procesa unos 2.500 millones de consultas diarias, lo que se traduce en 383 gigavatios hora de electricidad al año para un único producto. Compensar esas emisiones exigiría 2,6 millones de árboles plantados durante una década.
Una imagen gasta más que 1.000 chats
El gasto energético varía enormemente según la tarea. Una consulta de chat convencional consume unas 200 veces más energía que una simple clasificación de texto. Generar una sola imagen con IA puede requerir hasta 1.450 veces de esa energía base. Un breve vídeo generado por IA puede consumir tanta electricidad como 200.000 clasificaciones de correo no deseado, según los cálculos del informe.
La energía necesaria para crear una imagen equivale a mantener encendida una bombilla LED de 10 vatios durante 17 minutos. Un vídeo complejo puede mantenerla encendida durante 42 horas, con un gasto de agua equivalente a casi dos días de consumo de una persona.
La paradoja de la eficiencia
Los científicos invocan el efecto rebote, también conocido como paradoja de Jevons, para explicar por qué la eficiencia no basta. Cuando los modelos se vuelven más baratos, se usan con mucha más frecuencia.
«Mucha gente cree que la huella ambiental de la IA se reduce a medida que la tecnología mejora. Pero eso es sólo una parte del problema», advierte Madani, recién nombrado Laureado del Premio del Agua de Estocolmo 2026.
Sin límites explícitos de tokens, resolución o duración de los resultados por defecto, las mejoras de eficiencia por consulta quedan anuladas por el crecimiento del volumen de uso, concluye el informe.
Irlanda, Uruguay y México, los primeros en notarlo
El reparto de beneficios y cargas de la IA es muy desigual. En Irlanda, los centros de datos consumieron el 21% de la electricidad medida en 2023, más que todos los hogares del país. El operador de la red ha paralizado nuevas conexiones en Dublín hasta 2028.
En Querétaro, México, la expansión de la infraestructura de cómputo está presionando los suministros de agua en plena sequía prolongada. En Uruguay, un proyecto de centro de datos intensivo en agua coincidió con la sequía de 2023 que dejó sin agua potable a Montevideo.
«Si se cruza el mapa de los centros de datos con el del estrés hídrico, en muchos casos coinciden las mismas regiones», señala Mir Matin, responsable del programa de análisis geoespacial del UNU-INWEH.
Brecha digital
El informe también alerta de una brecha digital. Sólo 32 países cuentan con centros de datos especializados en IA y más del 90% de esa capacidad se concentra en Estados Unidos y China. Más de 150 países carecen hoy de infraestructura propia.
Además, la infraestructura de IA podría generar hasta 2,5 millones de toneladas de residuos electrónicos al año en 2030, gran parte de ellos procesados en países de renta baja con escasas garantías ambientales.
«El sistema global que construye la inteligencia artificial debe también gobernarla con criterios de sostenibilidad y justicia», sostiene Tshilidzi Marwala, rector de la Universidad de las Naciones Unidas.
Seis principios para una IA sostenible
El informe propone un marco basado en seis principios: transparencia, eficiencia desde el diseño, equidad y justicia ambiental, responsabilidad sobre todo el ciclo de vida, cooperación global y uso sostenible.
Entre sus recomendaciones figura que los gobiernos integren la infraestructura de IA en la planificación energética y la gestión del agua, y que las empresas tecnológicas traten la elección de modelo y los resultados por defecto como decisiones con impacto ambiental directo.
Los autores insisten en que el documento no es un alegato contra la inteligencia artificial. «Es una llamada a usarla de forma responsable y a abordar sus impactos no deseados de manera proactiva», resume Madani.
