La expansión de la IA suscita preocupación por la tensión energética mundial

Las necesidades energéticas de la inteligencia artificial se están convirtiendo rápidamente en un reto monumental. Este problema va mucho más allá del aumento de los costes de la electricidad, con importantes consecuencias medioambientales, como el agotamiento de los suministros de agua vitales, la acumulación de residuos electrónicos y el aumento de las emisiones de gases de efecto invernadero.

A medida que los modelos de IA se vuelven cada vez más sofisticados y se integran en la vida cotidiana, surge una pregunta fundamental: ¿podemos sostener esta revolución tecnológica sin poner en peligro el futuro de nuestro planeta?

Las pruebas confirman el acelerado consumo energético de la IA

Los requisitos computacionales de los sistemas avanzados de IA siguen una trayectoria de crecimiento extraordinaria, y algunas estimaciones sugieren que se duplican cada pocos meses. Esto no representa un aumento gradual, sino un aumento exponencial que podría superar incluso las estrategias de producción de energía más ambiciosas.

Para ilustrar la magnitud, las necesidades energéticas futuras de la IA podrían igualar pronto el consumo total de electricidad de países enteros como Japón o los Países Bajos, o de estados importantes de EE. UU. como California. Estas comparaciones ponen de relieve la presión que la IA podría ejercer sobre la infraestructura energética mundial.

La demanda mundial de electricidad aumentó un 4,3 % en 2024, impulsada en gran medida por la expansión de la IA, junto con la creciente adopción de vehículos eléctricos y la actividad industrial.

En 2022, los centros de datos que dan soporte a las operaciones de IA y criptomonedas ya representaban casi el 2 % del consumo mundial de electricidad, aproximadamente 460 teravatios-hora.

En 2024, solo los centros de datos consumieron alrededor de 415 TWh, lo que representa aproximadamente el 1,5 % del consumo mundial de electricidad y un crecimiento anual del 12 %. La cuota directa de la IA sigue siendo relativamente modesta, con aproximadamente 20 TWh (0,02 % de la energía mundial), pero esta cifra está llamada a crecer rápidamente.

Las previsiones apuntan a un crecimiento sustancial en el futuro. A finales de 2025, los centros de datos de IA a nivel mundial podrían necesitar 10 gigavatios adicionales de capacidad energética, lo que superaría la capacidad total de generación de estados como Utah.

De cara a 2026, el consumo eléctrico mundial de los centros de datos podría alcanzar los 1000 TWh, comparable al consumo actual de Japón. Para 2027, los centros de datos de IA podrían demandar 68 GW a nivel mundial, lo que casi igualaría la capacidad energética total de California en 2022.

Hacia el final de la década, las previsiones son aún más sorprendentes. Se prevé que el consumo eléctrico de los centros de datos a nivel mundial se duplique hasta alcanzar aproximadamente los 945 TWh en 2030, lo que supone casi el 3 % del consumo eléctrico mundial.

La OPEP estima que el consumo de los centros de datos podría triplicarse hasta alcanzar los 1500 TWh en 2030, mientras que Goldman Sachs prevé que la demanda mundial de energía de los centros de datos aumentará un 165 % con respecto a los niveles de 2023, y que la infraestructura específica para la IA se multiplicará por más de cuatro.

Algunos análisis sugieren que los centros de datos podrían representar hasta el 21 % de la demanda energética mundial en 2030, si se tiene en cuenta toda la cadena energética necesaria para prestar servicios de IA a los usuarios finales.

El consumo energético de la IA se divide principalmente en dos fases: el entrenamiento de modelos y la inferencia operativa.

El entrenamiento de modelos masivos como GPT-4 requiere una enorme inversión energética. El entrenamiento de GPT-3 consumió aproximadamente 1287 megavatios-hora, mientras que GPT-4 probablemente requirió cincuenta veces esa cantidad.

Aunque el entrenamiento consume mucha energía, la inferencia operativa suele representar más del 80 % de la huella energética total de la IA. Una sola consulta en ChatGPT consume aproximadamente diez veces más energía que una búsqueda estándar en Google (aproximadamente 2,9 Wh frente a 0,3 Wh).

El auge de la IA generativa está impulsando la construcción de centros de datos cada vez más potentes —y, por consiguiente, más intensivos en energía— en todo el mundo.

Equilibrar las necesidades energéticas de la IA con las necesidades humanas

Esto representa el desafío fundamental: ¿pueden los sistemas energéticos mundiales adaptarse a esta nueva demanda y mantener al mismo tiempo los servicios existentes? Nuestra combinación energética actual combina combustibles fósiles, energía nuclear y energías renovables. Para sostener el crecimiento de la IA es necesario ampliar y diversificar rápidamente la capacidad de generación de energía.

Las fuentes de energía renovables —solar, eólica, hidroeléctrica y geotérmica— constituyen un componente crucial de la solución. En Estados Unidos, se prevé que las energías renovables aumenten del 23 % de la generación en 2024 al 27 % en 2026.

Las empresas tecnológicas están asumiendo compromisos importantes; Microsoft tiene previsto adquirir 10,5 GW de energía renovable entre 2026 y 2030 específicamente para centros de datos. La propia tecnología de IA podría optimizar la utilización de las energías renovables, reduciendo potencialmente el consumo de energía hasta un 60 % en determinadas aplicaciones mediante una mejor gestión del almacenamiento y la optimización de la red.

Sin embargo, las energías renovables se enfrentan a retos inherentes. La generación intermitente de la energía solar y eólica plantea problemas de fiabilidad para los centros de datos que requieren un funcionamiento continuo. Las soluciones actuales de almacenamiento de energía siguen siendo caras y requieren mucho espacio. La integración de proyectos renovables a gran escala en la infraestructura de la red eléctrica existente también presenta complejidades logísticas y normativas.

La energía nuclear está ganando atención como una solución estable y baja en carbono para las importantes necesidades energéticas de la IA. Su generación continua de energía se ajusta perfectamente a las necesidades operativas de los centros de datos. Los reactores modulares pequeños (SMR) generan un interés especial debido a sus características de seguridad mejoradas y su flexibilidad de implementación. Las principales empresas tecnológicas, como Microsoft, Amazon y Google, están explorando activamente las opciones nucleares.

El director ejecutivo de AWS, Matt Garman, describió recientemente la energía nuclear como una «solución excelente» para los centros de datos durante una entrevista con la BBC, caracterizándola como «una fuente excepcional de energía sin emisiones de carbono, disponible las 24 horas del día, los 7 días de la semana». Hizo hincapié en que la planificación energética a largo plazo constituye un aspecto fundamental de las operaciones de AWS.

«Planificamos con muchos años de antelación», señaló Garman. «Realizamos inversiones con visión de futuro. Creo que el mundo necesitará desarrollar nuevas tecnologías, en las que la energía nuclear representará un componente importante, especialmente si se tiene en cuenta el horizonte de diez años».

No obstante, la energía nuclear plantea retos. La construcción de nuevos reactores implica plazos prolongados, costes sustanciales y complejidad normativa. La percepción pública sigue estando influenciada por incidentes históricos, a pesar de los avances modernos en materia de seguridad.

El rápido ritmo de desarrollo de la IA crea un desajuste temporal con el despliegue de la infraestructura nuclear, lo que podría aumentar la dependencia a corto plazo de los combustibles fósiles. La concentración de centros de datos cerca de instalaciones nucleares también suscita preocupaciones sobre los precios regionales de la electricidad y la fiabilidad de la red para otros consumidores.

Más allá de la electricidad: el impacto medioambiental más amplio de la IA

Las consecuencias medioambientales de la IA van mucho más allá del consumo de energía. Los sistemas de refrigeración de los centros de datos consumen enormes volúmenes de agua, y las instalaciones medias utilizan aproximadamente 1,7 litros por kilovatio-hora de energía consumida.

Durante 2022, los centros de datos de Google consumieron, según se informa, unos 5000 millones de galones de agua dulce, lo que supone un aumento del 20 % con respecto al año anterior. Algunas estimaciones indican que los centros de datos pueden necesitar hasta dos litros de agua por kWh para sus operaciones de refrigeración. Dicho de otro modo, la infraestructura global de IA podría consumir pronto seis veces más agua que el consumo total de Dinamarca.

Los residuos electrónicos representan otra preocupación creciente. La rápida evolución del hardware de IA, en particular de componentes especializados como las GPU y las TPU, acelera la obsolescencia de los equipos. Para 2030, los residuos electrónicos relacionados con la IA procedentes de los centros de datos podrían alcanzar los cinco millones de toneladas métricas anuales.

La fabricación de chips de IA y componentes para centros de datos también tiene consecuencias medioambientales, ya que requiere la extracción de minerales críticos, como el litio y el cobalto, mediante métodos que a menudo son perjudiciales para el medio ambiente.

La producción de un solo chip de IA puede consumir más de 1400 litros de agua y 3000 kWh de electricidad. La demanda de hardware avanzado está impulsando la expansión de las fábricas de semiconductores, que a menudo va acompañada de la construcción de nuevas centrales eléctricas de gas natural.

Las emisiones de carbono siguen siendo una preocupación importante. Cuando la IA funciona con electricidad generada a partir de combustibles fósiles, contribuye directamente al cambio climático. El entrenamiento de un gran modelo de IA puede generar emisiones de carbono equivalentes a las de cientos de hogares estadounidenses al año.

Los informes de sostenibilidad de las empresas demuestran el creciente impacto de la IA en las emisiones de carbono. Las emisiones de Microsoft aumentaron aproximadamente un 40 % entre 2020 y 2023, en gran parte debido a la construcción de centros de datos de IA. Google informó de un crecimiento de casi el 50 % en las emisiones de gases de efecto invernadero en cinco años, atribuyendo gran parte de este aumento a las demandas energéticas de la infraestructura de IA.

Posibles soluciones a través de la innovación tecnológica

A pesar de las preocupantes tendencias, existen múltiples vías de innovación que ofrecen posibles estrategias de mitigación.

El desarrollo de algoritmos de IA más eficientes desde el punto de vista energético representa un área de interés clave. Los avances en la investigación incluyen técnicas como la poda de modelos (eliminación de componentes redundantes de las redes neuronales), la cuantificación (uso de cálculos de menor precisión para reducir los requisitos energéticos) y la destilación de conocimientos (entrenamiento de modelos compactos utilizando resultados de modelos más grandes). La creación de modelos más pequeños y especializados para tareas específicas también reduce el consumo de energía.

Dentro de los centros de datos, estrategias como la limitación de la potencia (limitar el consumo máximo de energía del hardware) y la asignación dinámica de recursos (ajustar los recursos informáticos en función de la demanda inmediata y la disponibilidad de energía renovable) pueden mejorar significativamente la eficiencia. El software de programación compatible con la IA puede aplazar los cálculos no críticos a períodos en los que se dispone de energía más limpia o se reduce la demanda de la red. Los sistemas de IA también pueden optimizar la eficiencia de la refrigeración de los centros de datos.

El procesamiento de IA en el dispositivo ofrece otro enfoque de reducción de energía. En lugar de transmitir datos a centros de datos en la nube que consumen mucha energía, el cálculo se realiza localmente en teléfonos inteligentes o dispositivos periféricos. Este enfoque puede reducir sustancialmente el consumo de energía, ya que los chips especializados dan prioridad a la eficiencia sobre el rendimiento bruto.

Los marcos normativos son cada vez más importantes. Los gobiernos están empezando a reconocer la necesidad de rendir cuentas sobre el consumo energético y el impacto medioambiental de la IA.

El establecimiento de metodologías estandarizadas de medición y notificación de la huella medioambiental de la IA constituye un primer paso esencial. Las políticas de incentivos que fomentan el diseño de hardware duradero y reciclable pueden ayudar a abordar las preocupaciones relacionadas con los residuos electrónicos. Los sistemas de comercio de créditos energéticos podrían crear incentivos financieros para la adopción de tecnologías de IA más ecológicas.

Los acontecimientos recientes ponen de relieve la relevancia mundial de estas cuestiones. Los Emiratos Árabes Unidos y los Estados Unidos acordaron recientemente construir el mayor campus de IA fuera del territorio estadounidense en la región del Golfo. Este proyecto, además de demostrar la creciente importancia internacional de la IA, subraya la necesidad de dar prioridad a las consideraciones energéticas y medioambientales en la planificación de infraestructuras de IA a gran escala.

Trazar un camino sostenible para el desarrollo de la IA

La inteligencia artificial tiene un enorme potencial de transformación positiva, pero sus considerables necesidades energéticas plantean serios obstáculos. Las previsiones que indican un consumo energético comparable al de un país son realmente alarmantes.

Para satisfacer esta demanda se requiere una estrategia energética diversificada. Las fuentes renovables ofrecen un excelente potencial a largo plazo, pero se enfrentan a limitaciones de consistencia y escalabilidad. La energía nuclear, incluidas las tecnologías emergentes de SMR, ofrece alternativas fiables y bajas en carbono que están despertando un gran interés en la industria tecnológica, aunque siguen existiendo retos en materia de seguridad, costes y plazos de construcción.

La evaluación medioambiental integral debe ir más allá de la electricidad e incluir el consumo de agua para la refrigeración, la generación de residuos electrónicos relacionados con el hardware y la utilización de recursos durante la fabricación. Abordar la huella ecológica completa de la IA requiere una evaluación holística.

Afortunadamente, se están llevando a cabo numerosos avances prometedores.

Los algoritmos energéticamente eficientes, la gestión inteligente de la energía de los centros de datos, el software de programación sensible a la carga de trabajo y el procesamiento descentralizado de la IA contribuyen a reducir el consumo de energía. La creciente concienciación sobre el impacto medioambiental de la IA está estimulando debates políticos centrados en el desarrollo sostenible.

Abordar los retos energéticos y medioambientales de la IA exige un esfuerzo coordinado entre las instituciones de investigación, las empresas tecnológicas y los responsables políticos con la urgencia adecuada.

Al dar prioridad a la eficiencia energética en el desarrollo de la IA, invertir en infraestructuras energéticas sostenibles, implementar una gestión responsable del ciclo de vida del hardware y establecer marcos políticos de apoyo, podemos trabajar para hacer realidad el potencial transformador de la IA sin comprometer la salud del planeta.

La competencia por el liderazgo en IA debe convertirse simultáneamente en una carrera hacia la implementación sostenible de la IA.

Véase también: Una herramienta de IA acelera la respuesta del Gobierno, los expertos instan a la precaución

¿Quiere saber más sobre la IA y el big data de la mano de los líderes del sector? Eche un vistazo a la AI & Big Data Expo que se celebra en Ámsterdam, California y Londres. Este completo evento se celebra conjuntamente con otros eventos destacados, como la Intelligent Automation Conference, BlockX, Digital Transformation Week y Cyber Security & Cloud Expo.

Explore aquí otros eventos y seminarios web sobre tecnología empresarial que se celebrarán próximamente y que están impulsados por TechForge.