El Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH) ha publicado este 3 de junio de 2026 el informe Environmental Cost of AI's Energy Use, desde su sede en Richmond Hill (Canadá), que cuantifica por primera vez las huellas de carbono, agua y suelo asociadas a la electricidad que mueve la inteligencia artificial.
El estudio, difundido en el 30 aniversario del instituto, concluye que la IA no es solo una tecnología digital, sino un sistema físico con costes ambientales medibles que se concentran en comunidades y regiones concretas mientras sus beneficios fluyen hacia otros lugares.
Centros de datos, gran motor eléctrico
En 2025 los centros de datos consumieron 448 TWh de electricidad, una cifra que los situaría como el undécimo país del mundo por consumo eléctrico
“En 2025 los centros de datos consumieron 448 TWh de electricidad, una cifra que los situaría como el undécimo país del mundo por consumo eléctrico”, recoge el informe de la UNU-INWEH. Esa cantidad habría bastado para cubrir durante más de dos años y medio las necesidades eléctricas domésticas de los 1.300 millones de habitantes del África subsahariana.
La inteligencia artificial se ha convertido en uno de los grandes motores de ese consumo. En 2025, las cargas de trabajo de IA representaron alrededor del 20% de la electricidad de los centros de datos y, si esa proporción sube al 40% en 2030 como se prevé, su demanda podría alcanzar los 378 TWh, más de nueve veces el consumo eléctrico de Nigeria.
Si se mantienen las tendencias actuales, el consumo total de los centros de datos podría duplicarse hasta los 945 TWh en 2030, casi el 3% de la electricidad mundial prevista. La huella hídrica asociada alcanzaría los 9,3 billones de litros –suficiente para cubrir un año las necesidades básicas de agua de toda el África subsahariana– y la huella de suelo superaría los 14.500 km², casi diez veces la superficie de Ciudad de México.
Buena parte de esa agua se destina a refrigerar los servidores. El informe advierte de que estas extracciones se producen a menudo en regiones que ya sufren sequía o agotamiento de acuíferos, como en torno a centros de datos de Arizona, los Países Bajos o México, lo que intensifica la presión sobre comunidades vulnerables.
El coste oculto de cada consulta
El entrenamiento de GPT-4 consumió entre 50 y 70 GWh de electricidad, entre 40 y 55 veces más que GPT-3
“El entrenamiento de GPT-4 consumió entre 50 y 70 GWh de electricidad, entre 40 y 55 veces más que GPT-3”, detalla el informe. Aun así, el documento subraya que el entrenamiento es solo la punta del iceberg: la fase de inferencia –el uso continuo de los modelos para responder a miles de millones de interacciones diarias– concentra entre el 80% y el 90% del consumo energético total de la IA.
El estudio recuerda que ChatGPT procesa unos 2.500 millones de consultas al día y que el gasto varía enormemente según la tarea. Una imagen generada con IA requiere 2,9 Wh, frente a los pocos vatios-hora de una respuesta de texto, mientras que un único vídeo de alta resolución puede consumir más de 415 Wh, tanto como 200.000 filtros antispam.
El impacto, además, no depende solo de cuánta electricidad se gasta, sino de dónde se genera. El informe insiste en que una red baja en carbono no es automáticamente baja en agua o en suelo, de modo que reducir una huella puede agravar otra según el país donde operen los servidores.
La mejora de la eficiencia no basta: si abarata el uso, el consumo total puede seguir creciendo
“La mejora de la eficiencia no basta: si abarata el uso, el consumo total puede seguir creciendo”, advierte el informe, que recurre a la paradoja de Jevons para explicar este efecto rebote. Por eso reclama acompañar los avances técnicos con presupuestos de recursos y con la elección del modelo más ligero posible para cada tarea.
Seis principios para una IA responsable
La IA depende de minerales críticos y podría generar hasta 2,5 millones de toneladas de residuos electrónicos al año en 2030
“La IA depende de minerales críticos y podría generar hasta 2,5 millones de toneladas de residuos electrónicos al año en 2030”, señala el documento, una cifra equivalente a desechar casi 250 torres Eiffel cada año. La extracción de litio, cobalto y tierras raras se concentra a menudo en el Sur Global y en territorios con escasa supervisión ambiental.
El informe también denuncia una brecha digital creciente: solo 32 países –el 16% del mundo– albergan centros de datos especializados en IA, y más del 90% de esa capacidad se concentra en Estados Unidos y China. Más de 150 naciones, entre ellas la mayoría de África y Sudamérica, carecen por completo de esta infraestructura.
El objetivo no es frenar el progreso, sino alinear la innovación con la administración responsable de los recursos
“El objetivo no es frenar el progreso, sino alinear la innovación con la administración responsable de los recursos”, resume el estudio. Para lograrlo, propone seis principios –transparencia, eficiencia por diseño, equidad y justicia, responsabilidad sobre el ciclo de vida, cooperación global y uso sostenible– e insta a gobiernos, empresas, inversores y usuarios a integrar las huellas ambientales de la IA en sus decisiones cotidianas.
Referencias
- (1) Environmental Cost of AI's Energy Use. Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH).
Añadir EcoAvant.com como fuente preferida de Google de forma gratuita.
Activar ahora
Comentarios