El impacto ambiental de la IA: energía, carbono y agua en la era de ChatGPT

Puntos clave

• La IA está impulsando un crecimiento explosivo en la demanda de electricidad y agua en los centros de datos, con cargas de inferencia multiplicándose más rápido de lo que alguna vez lo hizo el tráfico web.

  
  

• Una sola consulta de IA ahora utiliza aproximadamente la misma electricidad que una búsqueda clásica de Google, pero el impacto ambiental depende en gran medida de la red eléctrica y el sistema de refrigeración.
  
  

• Las sesiones de TikTok o Netflix aún tienen huellas de carbono más pesadas por minuto que la mayoría de las consultas de IA, pero la escala importa: miles de millones de consultas por día reconfiguran el punto de referencia.
  
  

• Los cuatro grandes hiperescalares (Microsoft, AWS, Google, Meta) lideran en métricas de sostenibilidad, pero divergen en transparencia, uso de agua y prácticas de compensación de carbono.

  
  

• Los procesos de IA bien diseñados pueden reducir drásticamente el impacto ambiental en comparación con los métodos tradicionales, como lo muestra la huella de carbono 50 veces menor por ACV de Devera.
  
  

• Las cargas de trabajo de IA hacen del agua la nueva frontera: varios proveedores ahora tienen como objetivo ser positivos en agua para 2030, y la refrigeración sin agua emerge como un principio clave de diseño.
  
  

Los sistemas de IA están convirtiéndose rápidamente en uno de los mayores nuevos consumidores de energía y agua en la infraestructura digital. Mientras que el impacto del streaming de video y de las redes sociales se ha estudiado durante más de una década, el reciente aumento de los modelos de lenguaje de gran escala (LLMs) y la IA generativa introduce una nueva clase de cargas de trabajo persistentes y de alta intensidad. En este artículo, desglosamos el impacto medible de la IA desde el entrenamiento de modelos hasta la inferencia y lo comparamos con otras actividades digitales diarias.

También analizaremos de cerca las estrategias de los centros de datos detrás de las plataformas de IA más grandes del mundo, examinando cómo Microsoft, AWS, Google y Meta están abordando la creciente tensión entre rendimiento, sostenibilidad y transparencia.

¿Cuánta energía realmente utiliza la IA?

El uso global de electricidad en centros de datos se espera que alcance 945 TWh para 2030, desde 415 TWh en 2024. Una gran parte de este crecimiento proviene de la demanda creciente de inferencia de IA, especialmente de modelos generativos. Se estima que la IA por sí sola podría representar 652 TWh (69%) para 2030, casi un aumento 80 veces desde los niveles de 2024.

Tabla 1: Consumo estimado de electricidad por parte de la IA (global)

Este crecimiento está siendo impulsado por el despliegue de GPUs intensivas en energía. Una sola Nvidia H100 consume hasta 700 vatios, y un nodo de ocho GPUs puede alcanzar 5.6 kW. Racks completos de computación de IA pueden exceder 240 kW, forzando un rediseño de la infraestructura de refrigeración y el suministro de energía en los modernos salones de datos.

¿Cuánta energía y huella de carbono utiliza una consulta de IA?

Esta tabla destaca la marcada variabilidad en la intensidad energética y de carbono entre los principales modelos de IA en 2025, revelando cuánta optimización y divergencia existe detrás de cada API. El GPT-4o de OpenAI ahora opera con solo 0.30 Wh por solicitud, traduciendo a solo 0.13 gramos de CO₂ en una red promedio global, una mejora dramática sobre las estimaciones anteriores del GPT-4 de 2.90 Wh. Mientras tanto, el Claude 3 Opus, modelo premium de Anthropic, aún registra 4.05 Wh por consulta, convirtiéndolo en uno de los modelos más pesados de uso público activos. En el otro extremo, el Gemini 2.0 Flash de Google es notablemente eficiente con solo 0.022 Wh, casi un orden de magnitud menos que el GPT-4o. Incluso el Llama-3-70B de Meta, de código abierto, muestra un perfil sólido de rango medio con 1.70 Wh. Estas diferencias no solo afectan los costos en la nube, sino que reconfiguran la ecuación ambiental, especialmente cuando se escalan a miles de millones de solicitudes. El impacto de carbono por consulta ya no es una constante fija, sino una elección de diseño ligada a la arquitectura del modelo, la eficiencia de los chips y la infraestructura.

Ejecución del modelo: energía y carbono por solicitud de usuario

* Las cifras provienen de divulgaciones de laboratorio o del proveedor y asumen un intercambio “típico” de 400 tokens.
† Intensidad de carbono promedio global de la red 445 g CO₂/kWh en 2024 iea.org.

¿Cómo se comparan las consultas de IA con otros hábitos digitales?

Para la inferencia, OpenAI reveló recientemente que una consulta típica de ChatGPT consume ~0.34 Wh. Esto alinea las consultas de IA más estrechamente con las búsquedas de Google (~0.3 Wh), pero muy por debajo del video corto o streaming.

Huellas de electricidad y CO2 de acciones digitales comunes (10 unidades)

Si bien una sola consulta de IA puede consumir relativamente poca energía, la historia cambia a escala; miles de millones de solicitudes diarias rápidamente se acumulan en demandas de energía significativas. Por eso es crucial comparar las cargas de trabajo de IA con hábitos digitales familiares. Compararlas con actividades como búsquedas en Google, transmisión de video o uso de redes sociales ayuda a contextualizar su impacto ambiental y hace la discusión más tangible para los usuarios, los legisladores y los planificadores de infraestructuras por igual.

¿Y el entrenamiento? El gran golpe antes del despliegue

Entrenar grandes modelos base como GPT-3 o GPT-4 sigue siendo la fase más intensiva en recursos.

Impacto del entrenamiento de LLM seleccionados

Si bien el entrenamiento ocurre con menos frecuencia, su uso de energía y agua por ejecución puede rivalizar o exceder el consumo semanal de algunos países pequeños.

Agua: el costo oculto de la IA generativa

Las cargas de trabajo de inferencia también requieren agua significativa, principalmente para refrigeración. Las estimaciones muestran que cada consulta de ChatGPT utiliza 0.32 mL de agua, una gota individualmente, pero enorme a escala. El campus de West Des Moines de Microsoft, por ejemplo, consume ~43 millones L/mes en verano, representando el 6% del consumo total de la ciudad.

Los investigadores proyectan que los centros de datos impulsados por IA podrían retirar hasta 6.6 mil millones m3 de agua dulce para 2027, más de cuatro veces el uso anual de Dinamarca.

Perspectiva global

La IA podría retirar 4.2 – 6.6 mil millones m³ de agua dulce en 2027, evaporando 0.38 – 0.60 mil millones m³ directamente. Eso es más que el retiro de agua dulce anual de cuatro a seis Dinamarcas.

Estudio de caso: Microsoft en West Des Moines

El campus de la compañía en Iowa alcanza su pico en 11.5 millones galones/mes (~43 millones L) durante el verano, cerca del 6% del uso total de la ciudad.

Respuesta corporativa

Para abordar esto, Microsoft ahora implementa un sistema de refrigeración en circuito cerrado que elimina las pérdidas por evaporación, ahorrando >125 millones L por centro de datos por año.

Centros de datos: las guerras en la nube se vuelven verdes

Los cuatro principales hiperescalares Microsoft Azure, Amazon Web Services (AWS), Google Cloud y Meta, presentan las estrategias de sostenibilidad más completas y medibles del mercado. Otros proveedores (Oracle Cloud, IBM Cloud, etc.) comparten objetivos similares, pero actualmente publican menos métricas operativas o han establecido objetivos climáticos menos ambiciosos a mediados de 2025.

Comparémos los principales hiperescalares por métrica de sostenibilidad.

Instantánea de sostenibilidad de los principales proveedores de IA/nube (2025)

Microsoft Azure

Hoja de ruta climática: Carbón negativo, agua positiva y sin desperdicios para 2030; 100% de electricidad renovable para 2025.

Eficiencia operativa: PUE promedio de 1.125 en centros de datos de próxima generación, superando el promedio de la industria de 1.4–1.6.

Innovaciones:
– Refrigeración sin agua e inmersión en líquido que reducen las emisiones de GEI en 15–21% y reducen el uso de agua en 31–52%.
– Celdas de combustible de hidrógeno para 3 MW de energía de respaldo sin emisiones.

Desafíos: A pesar de los diseños de ahorro de agua, el consumo creciente de agua en Texas ha llevado a la oposición local.

Amazon Web Services (AWS)

Energía: Alcanzó 100% de coincidencia de electricidad renovable en 2023; objetivo de cero neto para 2040.

Eficiencia: PUE global de 1.15 (sitio mejor en 1.04).

Agua: Iniciativa Positiva en Agua para 2030; WUE global de 0.15 L/kWh (reducción del 40% desde 2021).

Innovaciones:
– Uso de agua reciclada y proyectos de recarga comunitaria de agua; alcanzado 53% del objetivo de agua para 2030 en 2024.
– Inversión en reactores nucleares modulares para descarbonizar la electricidad en regiones con baja renovabilidad.

Desafíos: Alta dependencia de Certificados de Energía Renovable (RECs) y cargas de trabajo de IA en aumento complican las reducciones de emisiones reales.

Google Cloud

Estrategia “Energía sin Carbono 24/7 (CFE)”: Operar cada centro de datos con energía sin carbono por hora para 2030; alcanzado 64% globalmente en 2024 (10 regiones en ≥90%).

Eficiencia: PUE promedio de 1.10; publica datos detallados a nivel de campus.

Agua: Compromiso de reponer 120% del agua dulce consumida y mejorar cuencas locales.

Innovaciones y desafíos:
– Contratos asegurados de geotérmica, batería y nuclear para apoyar los objetivos de CFE 24/7.
– El crecimiento impulsado por la IA incrementó la huella de agua 17% en 2023, generando preocupaciones de transparencia.

Meta (Facebook)

Energía: 100% renovable desde 2020; cero neto en toda la cadena de valor para 2030.

Eficiencia: PUE de 1.08 y WUE de 0.20 L/kWh; todas las instalaciones certificadas LEED Gold.

Agua: Devolver 200% del agua en áreas de alto estrés, 100% en áreas de estrés medio.

Innovaciones: Acuerdo geotérmico de 150 MW en Nuevo México; exploración de micro-nuclear para cargas de trabajo de IA.

Desafíos: La discrepancia entre las emisiones basadas en la ubicación y las basadas en el mercado genera preguntas sobre el impacto real de los RECs.

Otros Proveedores

Aspectos destacados clave de sostenibilidad de los Centros de Datos:

• Microsoft y Google lideran con las hojas de ruta climáticas más agresivas (carbono negativo / CFE 24/7) e innovaciones en refrigeración sin agua y energía de respaldo sin carbono.

• AWS sobresale en despliegue rápido de renovables y fue la primera en lanzar un objetivo positivo en agua, aunque su objetivo de cero neto está establecido una década más adelante (2040).

• Meta ofrece las mejores relaciones PUE–WUE operativas y funciona enteramente con renovables, pero su expansión explosiva de IA tensa el rendimiento de sostenibilidad.

• Oracle, IBM, y otros están progresando pero muestran menos transparencia y tienen objetivos a más largo plazo.

Impacto ambiental del ACV potenciado por IA con Devera

Cada huella de producto calculada con Devera evita horas de consultoría manual, reuniones innecesarias y viajes con alto carbono. Pero también desencadena:

• Un rango de 0.03M a 0.4M tokens procesados por cada ACV.

• Varios segundos de computación de alta intensidad.

• Y un pico corto pero significativo en el uso de energía dentro de un centro de datos, típicamente alimentado por AWS o Microsoft Azure.

Para ser claros, la huella de Devera es pequeña comparada con los enormes laboratorios de IA, pero el rumbo importa. Si no somos cuidadosos, podríamos terminar resolviendo problemas ambientales mientras contribuimos silenciosamente a otro.

Primeras estimaciones para comparar ACV tradicional con proceso de ACV con Devera (para ser mejoradas)*

De nuestras suposiciones, el ACV de un consultor tradicional de ACV requiere más de 50 veces más energía que un ACV impulsado por IA con Devera.

Conclusión: La IA está redefiniendo la ecuación de sostenibilidad

La huella ambiental de la IA es compleja, dinámica y aún está evolucionando. Aunque los impactos por consulta están bajando gracias a chips más eficientes e infraestructuras más inteligentes, la escala pura de la demanda plantea serios riesgos a largo plazo. Líderes como Microsoft y Google están allanando el camino hacia la refrigeración sin agua y el seguimiento del carbono por hora, pero el camino hacia la IA cero neto requerirá mayor transparencia, regulaciones más estrictas y un mejor diseño de cargas de trabajo.

Si la IA va a ser la nueva electricidad, entonces debe seguir las mismas reglas: medida, controlada y descarbonizada en la fuente.