La inteligencia artificial (IA) no es solo un software capaz de mantener conversaciones en lenguaje natural, generar imágenes hiperrealistas o analizar extensos documentos en cuestión de segundos. Esta tecnología y su creciente uso cotidiano se han convertido en un desafío energético con posibles implicaciones geopolíticas, económicas y sociales para las que pocos países están preparados.
Esta es una de las principales conclusiones del informe ‘Costo ambiental del uso de energía de la IA: huella de carbono, agua y suelo’, elaborado por el Instituto de Agua, Medio Ambiente y Salud de la Universidad de las Naciones Unidas (UNU-INWEH). El documento señala que los centros de datos que impulsan la IA podrían consumir alrededor de 945 teravatios-hora de electricidad hacia principios de la próxima década, una cifra equivalente a casi el 3% del consumo mundial proyectado de energía eléctrica y aproximadamente el doble de la electricidad utilizada por Francia durante 2025.
La ONU advierte que la construcción acelerada y a gran escala de centros de datos sucede en un contexto marcado por la escasez de datos fiables sobre el consumo de agua y electricidad de estos complejos.
Patrocinado por TecnoArtesanos ¿Tu empresa ya está usando IA? Automatizamos procesos, integramos asistentes inteligentes y conectamos tus sistemas. Descubre cómo →La creciente demanda energética de la infraestructura física que sostiene a la IA, compuesta por centros de datos con sistemas de refrigeración, redes eléctricas y hardware especializado, implica además un costo ambiental que, según los especialistas, no puede medirse únicamente a partir de las emisiones de dióxido de carbono (CO2). También es necesario prestar atención al acelerado uso del suelo y a la creciente demanda de recursos hídricos.
El informe de la UNU-INWEH advierte que, hacia comienzos de la próxima década, la huella hídrica de estas instalaciones podría ser equivalente a las necesidades básicas anuales de agua potable de los 1,300 millones de habitantes del África subsahariana. Además, los complejos tecnológicos abarcarían una superficie superior a los 14,500 kilómetros cuadrados, una extensión cercana al doble del área metropolitana de Yakarta, Indonesia, donde viven más de 32 millones de personas.
A ello se suma una proyección de emisiones de CO2 que podría alcanzar los 400 millones de toneladas durante los próximos cuatro años. La magnitud de esta cifra sería comparable a las emisiones anuales totales generadas por el Reino Unido.
Kaveh Madani, director de UNU-INWEH y líder del equipo de investigación, reconoce que la IA está mejorando la calidad de vida de millones de personas en todo el mundo. Sin embargo, subraya la necesidad de utilizar esta tecnología de forma responsable y de abordar de manera anticipada sus impactos no deseados para garantizar que su desarrollo sea sostenible y equitativo.
“Tenemos un plazo limitado para asegurar que la base de la revolución tecnológica de nuestra era se desarrolle dentro de los límites planetarios, y que las comunidades que proporcionan los minerales esenciales para el avance de la IA, así como las que albergan su infraestructura y gestionan los residuos electrónicos, también se beneficien de ella”, señala el especialista.
El impacto de la IA no solo depende de las emisiones de CO2
Uno de los principales ejes del reporte es la elevada demanda de electricidad asociada tanto al entrenamiento como a la operación de los sistemas de IA, así como las limitaciones de las metodologías utilizadas para medir los impactos ambientales derivados de este consumo.
Los investigadores estiman que, durante el año pasado, los centros de datos de todo el mundo consumieron cerca de 448 teravatios-hora de electricidad. Si el conjunto de estas instalaciones se considerara un país, ocuparía el undécimo lugar entre los mayores consumidores de energía eléctrica del planeta.
Históricamente, esta carga energética se ha atribuido principalmente al entrenamiento de los modelos más avanzados, cuyo consumo aumenta conforme crecen su complejidad y capacidad. Como ejemplo, el entrenamiento de GPT-3 requirió alrededor de 1.3 gigavatios-hora (GWh) de electricidad, mientras que GPT-4 necesitó entre 50 y 70 GWh para completar ese mismo proceso, según estimaciones indicadas en el informe.
