El coste medioambiental de la IA

El rápido crecimiento de la inteligencia artificial plantea serias dudas sobre la energía, el agua y el carbono, y las respuestas obtenidas hasta ahora no son alentadoras.

La inteligencia artificial forma ya parte integrante de los motores de búsqueda, los clientes de correo electrónico, las herramientas de trabajo, el software creativo y los asistentes personales. El ritmo de adopción ha sido asombroso. Pero cada consulta, cada imagen generada y cada documento resumido se ejecutan en un hardware físico situado en un edificio físico, que consume electricidad y agua reales. El coste medioambiental de esa infraestructura va en aumento y merece un mayor escrutinio del que suele recibir.

Esto no es un argumento en contra de la IA. Es un intento de exponer lo que sabemos, lo que indican las tendencias y qué medidas existen para empujar al sector en una dirección más idónea.

¿Cuánta energía utiliza la IA?

Entrenar un modelo de lenguaje de gran tamaño resulta computacionalmente muy costoso. Las estimaciones varían según el modelo, el hardware y la forma de medir la eficiencia, pero los investigadores sitúan la energía necesaria para entrenar un único modelo de vanguardia en el orden de las decenas de gigavatios hora. En términos más humanos, una sola fase de entrenamiento puede consumir tanta electricidad como la que consumen varios centenares de hogares medios en todo un año.

La inferencia, el proceso de ejecutar un modelo entrenado para responder preguntas o generar resultados, consume menos energía por operación. Sin embargo, la inferencia se produce miles de millones de veces al día entre millones de usuarios, y la demanda acumulada es enorme. Algunos analistas estiman que una sola consulta de búsqueda basada en IA utiliza aproximadamente diez veces más energía que una búsqueda web convencional. A medida que se añaden funciones de IA a más productos, la carga agregada de inferencia crece más rápido que la de entrenamiento.

La Agencia Internacional de la Energía prevé que el consumo de electricidad de los centros de datos podría llegar a duplicarse con creces entre 2022 y 2026, y que el volumen de trabajo de la IA representaría una parte considerable de ese crecimiento. En algunas regiones, los nuevos centros de datos ya están saturando la red eléctrica. Irlanda, donde los centros de datos representan actualmente cerca de una quinta parte del consumo nacional de electricidad, ha tenido que limitar las nuevas conexiones. Zonas de los Países Bajos y varios estados de EE. UU. se enfrentan a presiones similares.

El problema del agua

Los centros de datos generan calor, y ese calor debe controlarse. Muchas instalaciones recurren a la refrigeración por evaporación, que consume grandes cantidades de agua. Un solo centro de datos grande puede consumir varios millones de litros de agua al día, según su diseño de refrigeración y el clima local.

Una investigación publicada en 2023 estimaba que tan solo el entrenamiento de GPT-3 consumía unos 700.000 litros de agua dulce para la refrigeración. Es probable que los modelos más recientes y de mayor tamaño hayan consumido más, aunque a menudo no se desvelan las cifras exactas. El informe medioambiental de Microsoft de 2024 mostró un aumento del 34 % en el consumo de agua entre 2021 and 2023, un periodo que coincidió con su agresiva expansión de la infraestructura de IA. Google informó de una trayectoria similar.

No se trata de una preocupación menor. Muchos centros de datos están situados en regiones que ya sufren escasez de agua. La competencia entre la refrigeración industrial y las necesidades locales de agua es una tensión real, que se intensificará a medida que se construyan más instalaciones.

Las emisiones de carbono aumentan, no disminuyen

Tanto Microsoft como Google asumieron destacados compromisos climáticos a principios de la década de 2020. Microsoft se comprometió a tener una huella de carbono negativa para 2030. Google pretendía funcionar con energía libre de carbono las 24 horas del día, los 7 días de la semana, para ese mismo año. Desde entonces, ambas empresas han informado de que sus emisiones de carbono avanzan en la dirección equivocada.

El informe de sostenibilidad de Microsoft de 2024 mostró un aumento del 29 % en las emisiones globales de carbono en comparación con 2020, citando la construcción de centros de datos y las cargas de trabajo de IA como factores principales. Google informó de un aumento del 48 % en las emisiones durante un periodo comparable. En ambos casos, las empresas reconocieron que la infraestructura relacionada con la IA era un factor determinante.

Algunas empresas han revisado discretamente sus plazos climáticos o han suavizado el tono de sus objetivos. La tensión es estructural: el incentivo comercial para construir y desplegar IA lo más rápido posible entra en conflicto con el tiempo y la inversión necesarios para descarbonizar el suministro energético de dicha infraestructura. La adquisición de energía renovable crece, pero no al ritmo suficiente para contrarrestar el ritmo de la nueva demanda.

La paradoja de Jevons y la trampa de la eficiencia

Existe la hipótesis generalizada de que, a medida que el hardware de IA sea más eficiente, el impacto ambiental disminuirá de forma natural. Conviene examinar esto con atención, porque la tendencia histórica sugiere lo contrario.

La paradoja de Jevons, observada por primera vez en el contexto del consumo de carbón en el siglo XIX, describe el fenómeno por el cual las mejoras en la eficiencia conducen a un aumento del consumo total en lugar de a su disminución. Unos motores más eficientes abarataron el uso del carbón, lo que multiplicó sus aplicaciones y provocó un mayor consumo de carbón en términos globales.

Esa misma dinámica se observa en la informática. Los chips son más eficientes que nunca desde el punto de vista energético. Entrenar y ejecutar los modelos resulta cada vez más eficiente. Pero la respuesta ha sido entrenar más modelos, ejecutarlos más a menudo, integrarlos en más productos y prestar servicio a más usuarios. El efecto neto es un mayor consumo total de energía, no menor. Los avances en eficiencia son necesarios pero no suficientes. Sin restricciones o incentivos que actúen a nivel del consumo total, las mejoras de eficiencia pueden limitarse a acelerar el crecimiento.

¿Qué normativas existen?

El panorama normativo es aún escaso, pero empiezan a surgir algunos marcos de referencia. La Ley de IA de la UE, que comenzó a entrar en vigor en 2024, incluye disposiciones que obligan a los sistemas de IA de alto riesgo a informar sobre su consumo de energía y su impacto ambiental. Estas disposiciones tienen un alcance modesto y los mecanismos de aplicación aún se están desarrollando, pero representan un punto de partida.

En Estados Unidos, la regulación ha sido más lenta. Algunos estados han introducido requisitos de notificación de la energía de los centros de datos, y existe un creciente interés legislativo por la huella ambiental de la informática a gran escala, pero no existe un marco federal exhaustivo. China ha implantado algunas normas de eficiencia para los centros de datos, aunque la transparencia sobre su cumplimiento es limitada.

A nivel internacional, el tema ha aparecido en los debates del G7 y el G20, pero los compromisos vinculantes siguen siendo poco habituales. La brecha entre la velocidad de despliegue de la IA y la velocidad de la gobernanza ambiental es muy grande.

Qué están haciendo las grandes empresas

Hay que reconocer que la mayoría de las grandes empresas tecnológicas están invirtiendo en energías renovables. Microsoft, Google, Amazon y Meta han asumido compromisos firmes de adquisición de energía renovable y han firmado acuerdos de compra de energía para proyectos eólicos y solares. Algunas están explorando la energía nuclear, incluidos los pequeños reactores modulares, como posible fuente de energía de base para los centros de datos.

Estos esfuerzos son reales, pero también incompletos. Los certificados de energía renovable, que permiten a una empresa declarar el uso de energía renovable incluso cuando los electrones que alimentan sus instalaciones proceden de la red, pueden exagerar el beneficio medioambiental real. La distinción entre energías renovables "emparejadas" (certificados adquiridos en otro lugar) y la energía limpia ubicada directamente en el mismo lugar es fundamental.

Varias grandes empresas cuentan con programas de gestión del agua, que incluyen el compromiso de reponer más agua de la que consumen. Las metodologías para medir la reposición de agua varían y no siempre se dispone de una verificación independiente. Se aprecian avances, pero resulta difícil evaluar con precisión en qué medida.

Qué pueden exigir los usuarios y compradores

Los usuarios individuales tienen una influencia directa limitada en la combinación energética de un centro de datos. Pero las decisiones colectivas, las decisiones de compra y la exigencia activa de transparencia pueden influir en el comportamiento de las empresas. Algunas áreas donde la presión puede resultar productiva:

La transparencia es la base. Los usuarios y los compradores corporativos pueden pedir a los proveedores que revelen el consumo de energía por servicio, el uso de agua por instalación y las emisiones de carbono con una metodología clara. Las promesas vagas de "sostenibilidad" son menos útiles que las cifras auditables.

Las decisiones de adquisición son importantes. Cuando las organizaciones eligen proveedores de nube, herramientas de IA o plataformas de espacio de trabajo, la trayectoria ambiental puede ser un factor a valorar. Algunas empresas están empezando a incluir criterios de sostenibilidad en sus procesos de selección de proveedores.

Apoyar las normas y la regulación también resulta productivo. Si se adoptaran de forma generalizada normas sectoriales para la notificación de la energía de la IA, resultaría más fácil comparar a los proveedores y exigirles responsabilidades. Los usuarios preocupados por este problema pueden defender unos requisitos de notificación más estrictos.

Vale la pena considerar la elección de herramientas con prudencia. No todas las tareas requieren un modelo de vanguardia. Modelos más pequeños y eficientes pueden gestionar muchos casos de uso con una fracción del coste energético. Los asistentes de IA que trabajan dentro de un ámbito definido, recurriendo a sus propios archivos en lugar de a todo internet, pueden resultar más útiles y consumir menos recursos.

Qué está haciendo Fabric

Debemos ser transparentes sobre nuestra propia postura. Fabric es una empresa pequeña en comparación con los proveedores de nube a hiperescala, y nuestra huella medioambiental es proporcionalmente menor. Pero creemos que todas las empresas del sector de la IA tienen la responsabilidad de tomarse esto en serio.

Cada suscripción a Fabric planta manglares a través de proyectos de restauración en Kenia y Brasil. Los manglares figuran entre los sumideros de carbono naturales más eficaces, ya que secuestran carbono a un ritmo varias veces superior al de los bosques terrestres. Trabajamos para ser 100 % neutros en carbono y agua para 2030.

No pretendemos que esto resuelva el problema. La plantación de árboles no sustituye a la reducción de emisiones en origen. Pero creemos que es mejor que no hacer nada, y creemos que integrar los costes medioambientales en el modelo de negocio, en lugar de tratarlos como algo secundario, es el enfoque correcto.

Nuestra filosofía general es que sus herramientas deben trabajar de forma eficiente en su nombre. La IA de Fabric trabaja con sus archivos sin enviarlos a otra parte para su entrenamiento, y su enfoque de transmisión en la nube significa que los archivos se entregan bajo demanda en lugar de duplicarse en todos los dispositivos, lo que reduce los gastos generales de la infraestructura de almacenamiento.

El panorama general

El coste medioambiental de la IA no es motivo para dejar de desarrollarla o utilizarla. Esta tecnología aporta ventajas reales y algunas de sus aplicaciones, desde la modelización del clima hasta la optimización de las redes energéticas, pueden ayudar a abordar directamente los retos medioambientales.

Sin embargo, la trayectoria actual resulta preocupante. Las emisiones aumentan. El consumo de agua se incrementa. Las redes eléctricas sufren presiones. La brecha entre las promesas climáticas corporativas y los resultados climáticos de las empresas es cada vez mayor. Y los incentivos del mercado actual favorecen la velocidad y la escala por encima de la responsabilidad medioambiental.

El camino a seguir implica que ocurran varias cosas a la vez: una inversión real en energía limpia (no solo certificados), informes transparentes de las métricas medioambientales, marcos normativos que sigan el ritmo de la implantación, modelos de negocio que asuman los costes medioambientales y usuarios informados que tengan en cuenta la sostenibilidad en sus decisiones.

Se trata de un problema compartido. Corresponde a las empresas que desarrollan la IA, a los gobiernos que la regulan y a las personas que la utilizan. Lo menos que podemos hacer es ser sinceros con los costes.

Puede leer más sobre cómo aborda Fabric la sostenibilidad y cómo nos situamos en las categorías de aplicaciones de IA más sostenibles y almacenamiento en la nube más sostenible.

Preguntas frecuentes

¿Cuánta electricidad consume el entrenamiento de un modelo de IA de gran tamaño?

El entrenamiento de un modelo de lenguaje de vanguardia puede consumir decenas de gigavatios hora de electricidad, lo que equivale aproximadamente al consumo anual de varios centenares de hogares medios. La cifra exacta depende del tamaño del modelo, la eficiencia del hardware y la duración del entrenamiento.

¿Por qué consumen tanta agua los centros de datos?

Muchos centros de datos utilizan sistemas de refrigeración por evaporación para controlar el calor generado por miles de servidores. Este proceso consume grandes cantidades de agua. Una sola instalación grande puede consumir varios millones de litros al día, según la tecnología de refrigeración y las condiciones climáticas locales.

¿Han alcanzado las empresas tecnológicas sus objetivos climáticos?

Varias grandes empresas han notificado aumentos de emisiones que las alejan de sus objetivos declarados. Microsoft informó de un aumento del 29 % en las emisiones de carbono entre 2020 y 2024, y Google, de un aumento del 48 % en un periodo comparable, citando en ambos casos la infraestructura de IA como factor contribuyente.

¿Qué es la paradoja de Jevons y cómo se aplica a la IA?

La paradoja de Jevons describe la observación de que las mejoras en la eficiencia pueden conducir a un mayor consumo total de recursos en lugar de a uno menor. En la IA, unos chips y modelos más eficientes han permitido un despliegue más generalizado, lo que se traduce en un mayor consumo de energía agregado a pesar de las mejoras de eficiencia por operación.

¿Regula la UE el impacto medioambiental de la IA?

La Ley de IA de la UE incluye disposiciones que obligan a determinados sistemas de IA a informar sobre su consumo de energía y su impacto ambiental. Estos requisitos aún se están aplicando y su alcance es limitado, pero representan uno de los primeros intentos de regulación para abordar la huella ambiental de la IA.

¿Qué pueden hacer los usuarios individuales ante el coste medioambiental de la IA?

Los usuarios pueden elegir proveedores que sean transparentes sobre sus métricas ambientales, preferir herramientas que utilicen modelos de tamaño adecuado para la tarea, apoyar las iniciativas de regulación sobre la notificación de energía y emisiones, e incluir criterios de sostenibilidad al evaluar el almacenamiento en la nube y las herramientas de IA.

¿Basta con la energía renovable para compensar la demanda energética de la IA?

La adquisición de energía renovable crece, pero no al mismo ritmo que la demanda de energía de los centros de datos. La distinción entre los certificados de energía renovable y la energía limpia ubicada directamente en el mismo lugar resulta fundamental. Las energías renovables son necesarias pero no suficientes por sí solas si no se aborda el crecimiento de la demanda total.

¿Compensa Fabric su impacto medioambiental?

Fabric planta manglares con cada suscripción a través de proyectos en Kenia y Brasil, y trabaja para alcanzar la neutralidad total en carbono y agua para 2030. Puede leer más sobre los compromisos medioambientales de Fabric en la página de medio ambiente.

¿De qué forma reduce el impacto medioambiental la transmisión en la nube?

La transmisión en la nube entrega los archivos bajo demanda en lugar de sincronizar copias completas en cada dispositivo. Esto reduce la infraestructura de almacenamiento total necesaria, lo que a su vez disminuye la demanda de energía y refrigeración asociada al mantenimiento de datos duplicados en múltiples ubicaciones.

Páginas relacionadas

• Compromisos medioambientales de Fabric

• Aplicaciones de IA más sostenibles

• Almacenamiento en la nube más sostenible

• Herramientas de IA más respetuosas con el medio ambiente

• Asistente de IA de Fabric

• Su nube

• Privado y seguro