El reciente lanzamiento por parte de OpenAI de su nuevo generador de vídeo Sora 2 marca un momento decisivo en el campo de la inteligencia artificial. Su capacidad para generar minutos de imágenes hiperrealistas a partir de unas pocas líneas de texto es asombrosa y ha suscitado preocupaciones inmediatas sobre la verdad en la política y el periodismo.
Pero Sora 2 se está extendiendo lentamente debido a sus enormes demandas computacionales, que plantean una pregunta igualmente apremiante sobre la propia IA generativa: ¿cuáles son sus costos ambientales reales? ¿Generar vídeos los empeorará mucho?
El reciente lanzamiento del Proyecto Stargate (una empresa conjunta de 500 mil millones de dólares entre OpenAI, Oracle, SoftBank y MGX) para construir enormes centros de datos de IA en Estados Unidos pone de relieve lo que está en juego. A medida que las empresas se apresuran a ampliar la capacidad informática a esta escala, el consumo de energía de la IA aumentará.
El debate sobre el impacto medioambiental de la inteligencia artificial sigue siendo uno de los más tensos en política tecnológica. Dependiendo de lo que leamos, la IA es una crisis ecológica en ciernes o un error total en el uso global de energía. A medida que la IA avanza rápidamente hacia el vídeo, la claridad sobre su huella es más urgente que nunca.
Dos narrativas en competencia
Desde una perspectiva, la inteligencia artificial se está convirtiendo rápidamente en una carga importante para los sistemas de energía y agua del mundo.
Alex de Vries-Gao, un investigador que ha seguido durante mucho tiempo el uso de electricidad en la minería de bitcoins, señaló a mediados de 2025 que la inteligencia artificial estaba en camino de superarlo. Estimó que la IA ya representaba alrededor del 20% del consumo de energía mundial de los centros de datos; es probable que se duplique a finales de año.
Según la Agencia Internacional de Energía, los centros de datos utilizaron hasta el 1,5% del consumo mundial de electricidad el año pasado, y el consumo creció cuatro veces más rápido que la demanda mundial total. La AIE predice que los centros de datos duplicarán su uso para 2030, con el procesamiento de IA como el principal motor de crecimiento.
Investigación citada por el MIT Revisión de tecnología está de acuerdo, estimando que para 2028, el consumo de energía de la IA podría superar “toda la electricidad que utilizan actualmente los centros de datos de EE. UU.”, suficiente para alimentar al 22% de los hogares de EE. UU. cada año.
Cantidades «enormes».
El uso del agua por parte de la IA también es sorprendente. Los centros de datos dependen del agua ultrapura para mantener los servidores frescos y libres de impurezas. Los investigadores estimaron que el entrenamiento del GPT-3 habría consumido 700.000 litros de agua dulce en las fábricas estadounidenses de Microsoft. Predicen que la demanda mundial de IA podría alcanzar entre cuatro mil y seis mil millones de metros cúbicos por año para 2027.
La rotación de hardware añade más tensión. Un estudio de 2023 encontró que para fabricar chips se requieren “enormes cantidades” de agua ultrapura, procesos químicos que consumen mucha energía y minerales raros como el cobalto y el tantalio. La producción de unidades de procesamiento de gráficos de alta gama (los motores que impulsan el auge de la inteligencia artificial) tiene una huella de carbono mucho mayor que la mayoría de los productos electrónicos de consumo.
Leer más: La importancia de los minerales críticos no debería justificar su extracción a toda costa
Generar una imagen utiliza electricidad de un horno microondas funcionando durante cinco segundos, mientras que para hacer un videoclip de cinco segundos se requiere electricidad de un horno microondas funcionando durante más de una hora.
El próximo salto del texto y la imagen al vídeo de alta definición podría aumentar drásticamente el impacto de la inteligencia artificial. Las primeras pruebas lo confirman: descubrieron que el consumo de energía de los modelos de texto a video se cuadriplica cuando la duración del video se duplica.
El caso de la perspectiva
Otros creen que la alarma es exagerada. Los analistas del Centro para la Innovación de Datos, un grupo de expertos en tecnología y políticas, sostienen que muchas estimaciones del uso de energía de la IA se basan en extrapolaciones erróneas. El hardware de GPU es cada año más eficiente y gran parte de la electricidad en los nuevos centros de datos provendrá de fuentes renovables.
Las evaluaciones comparativas recientes ponen la huella de la IA en contexto. Producir una pregunta y respuesta típica de un chatbot consume alrededor de 2,9 vatios hora (Wh), que es aproximadamente 10 veces más que una búsqueda en Google. Google dijo recientemente que un indicador típico de Gemini utiliza sólo 0,24 Wh y 0,25 ml de agua, aunque expertos independientes señalan que estas cifras omiten la energía indirecta y el agua utilizada en la producción de energía.
El contexto es clave. Una hora de transmisión de vídeo de alta definición en Netflix utiliza aproximadamente 100 veces más energía que generar un mensaje de respuesta. El impacto de una consulta de IA es mínimo, pero los centros de datos ahora procesan miles de millones de ellas cada día y se vislumbran consultas de vídeo más exigentes en el horizonte.
La paradoja de Jevons
Ayuda a distinguir entre entrenamiento y uso de IA. Entrenar modelos de vanguardia como GPT-4 o Claude Opus 3 requirió miles de chips gráficos funcionando durante meses, consumiendo gigavatios hora de energía.
El uso de un modelo requiere una pequeña cantidad de energía por consulta, pero esto sucede miles de millones de veces al día. En última instancia, la energía generada por el uso de la IA probablemente superará la del entrenamiento.
El costo menos visible puede provenir de la fabricación del hardware. Cada nueva generación de chips requiere nuevas líneas de fabricación, insumos de minerales pesados y refrigeración avanzada. El economista italiano Marcello Ruberti señala que “cada ciclo de actualización reinicia efectivamente el reloj del carbono” a medida que las fábricas reconstruyen equipos altamente purificados desde cero.
E incluso si los modelos de IA se vuelven más eficientes, la energía total seguirá aumentando. En economía, esto se conoce como la paradoja de Jevons: en la Gran Bretaña del siglo XIX, el consumo de carbón aumentó mientras que el costo de extraerlo disminuyó. Como han señalado los investigadores de IA, a medida que disminuyen los costos por consulta, los desarrolladores se sienten incentivados a encontrar nuevas formas de incorporar IA en cada producto. El resultado es más centros de datos, chips y utilización total de recursos.
Un problema de escala
¿Es la inteligencia artificial una amenaza ecológica o un riesgo manejable? La verdad está en el medio.
Una sola intervención utiliza una energía insignificante, pero los sistemas que la permiten (grandes centros de datos, fabricación constante de chips, refrigeración las 24 horas) están remodelando los patrones globales de energía y agua.
El último pronóstico de la Agencia Internacional de Energía predice que la demanda de energía de los centros de datos podría alcanzar los 1.400 teravatios hora para 2030. Esto equivale a agregar varios países de tamaño mediano a la red global. La inteligencia artificial representará una cuarta parte de ese crecimiento.
La transparencia es vital
Muchas de las cifras que circulan sobre el uso de energía de la IA no son confiables porque las empresas de IA revelan muy poco. Los datos limitados que publican a menudo utilizan métricas inconsistentes o contabilidad compensatoria que oscurece los impactos reales.
Una solución obvia sería hacer cumplir reglas de divulgación: informes estandarizados y basados en la ubicación de la energía y el agua utilizados para entrenar y gestionar los modelos. La ley europea de IA exige que los desarrolladores de sistemas de “alto impacto” documenten el cálculo y el uso de la energía.
Medidas similares en otros lugares podrían orientar la construcción de nuevos centros de datos, favoreciendo a las regiones con abundantes recursos renovables y agua: esto podría fomentar ciclos de vida más largos del hardware en lugar de actualizaciones anuales de chips.
Equilibrando creatividad y costos
La IA generativa puede ayudar a desbloquear una creatividad extraordinaria y proporcionar una utilidad real. Pero cada imagen, párrafo o vídeo “gratuito” tiene costes ocultos de material y energía.
Reconocer estos costos no significa que tengamos que detener la innovación. Esto significa que debemos exigir transparencia sobre el tamaño del costo ambiental y quién lo paga, para abordar los impactos ambientales de la IA.
A medida que Sora 2 comience a llenar las redes sociales con imágenes altamente realistas, la pregunta no será si la IA usa más energía que Netflix, sino si podemos expandir nuestra infraestructura digital de manera lo suficientemente responsable como para dejar espacio para ambos.
Este artículo se republica en The Conversation, una organización de noticias independiente y sin fines de lucro que proporciona datos y análisis confiables para ayudarlo a comprender nuestro complejo mundo. Fue escrito por: Robert Diab, Universidad Thompson Rivers
Leer más:
Robert Diab no trabaja, consulta, posee acciones ni recibe financiación de ninguna empresa u organización que se beneficiaría de este artículo, y no ha revelado ninguna afiliación relevante más allá de su nombramiento académico.
