A primera vista, la inteligencia artificial parece casi ingrávida. Escribes una pregunta y la respuesta aparece segundos después. No hay ruido, ni humo, ni movimiento visible. Todo parece ocurrir „en la nube“. Este es precisamente el error de pensamiento. La IA no es magia abstracta, sino el resultado de procesos físicos muy concretos. Detrás de cada respuesta hay centros de datos, líneas eléctricas, sistemas de refrigeración, chips e infraestructuras enteras. Cuanto más se introduce la IA en nuestra vida cotidiana, más visible se hace esta realidad. Y aquí es donde empieza la cuestión de la sostenibilidad.
Cualquiera que hable de IA sin hablar de energía, recursos e infraestructuras sólo está describiendo la superficie. Este artículo va más allá. No con alarmismo, sino con una mirada sobria a lo que la IA necesita realmente para funcionar, hoy y en el futuro.
El error común: la IA como „nube inmaterial“
Mucha gente imagina que la IA es similar al software del pasado: un programa que se ejecuta en algún sitio, se actualiza y ya está. Esta idea procede de una época en la que la potencia de cálculo era comparativamente barata, localmente limitada y energéticamente discreta. La IA va más allá de este marco.
El término „nube“ refuerza aún más esta impresión. Suena suave, casi natural. Las nubes flotan, no pesan nada. En realidad, oculta una de las industrias de mayor consumo energético de nuestro tiempo. Grandes naves llenas de ordenadores de alto rendimiento funcionando las 24 horas del día. Miles de kilómetros de cables. Sistemas de refrigeración masivos. Mantenimiento permanente.
La diferencia con el software tradicional no radica en el principio, sino en la escala. La IA no se escala linealmente. Cuanto más potente se vuelve, más recursos necesita. Y no crece en algún lugar abstracto, sino muy específicamente in situ.
Lo que realmente necesita la IA moderna
Para entender por qué la IA ya no es sólo un tema de software, ayuda echar un vistazo a sus necesidades básicas. Los sistemas modernos de IA requieren tres cosas en particular: potencia de cálculo, energía y refrigeración.
La potencia de cálculo no se crea de la nada. La proporcionan chips especializados optimizados para el aprendizaje automático. Estos chips trabajan en paralelo, a gran velocidad, y consumen enormes cantidades de energía en el proceso. Cuanto mayor sea el modelo de inteligencia artificial, más chips tendrán que funcionar simultáneamente. Un solo modelo puede constar de decenas de miles de estas unidades informáticas.
El consumo de energía no es un efecto secundario, sino un factor clave. La IA no calcula de forma selectiva, sino continua. Las solicitudes llegan las veinticuatro horas del día. Los entrenamientos duran días o semanas. Quedarse parado no es una opción económica. El sistema tiene que funcionar, ya sea de noche, en fin de semana o en días festivos.
Esto crea inmediatamente el siguiente problema: el calor. La energía eléctrica no se convierte totalmente en potencia de cálculo. Una parte importante se convierte en calor residual. Sin una refrigeración exhaustiva, los ordenadores de IA modernos fallarían en poco tiempo. La refrigeración, a su vez, requiere energía y, a menudo, agua.
Aquí es donde queda claro: la IA es física. Está ligada a lugares, a redes, a recursos. Y esto la convierte inevitablemente en una cuestión de sostenibilidad, aunque se quiera evitar el uso de esa palabra.
Formación y uso: dos cargas completamente diferentes
Otro punto que a menudo se pasa por alto en el debate público es la diferencia entre la formación de una IA y su uso posterior. A menudo se meten ambas cosas en el mismo saco, aunque las cargas son muy diferentes.
Durante el entrenamiento se procesan grandes cantidades de datos. El sistema aprende conexiones, patrones, lenguaje e imágenes. Esta fase es extremadamente intensiva desde el punto de vista informático. Suele concentrarse en grandes centros de datos y puede consumir enormes cantidades de energía. Una sola sesión de entrenamiento para un modelo grande puede consumir tanta electricidad como una ciudad pequeña durante un periodo de tiempo más largo.
A la formación le sigue la utilización. Aquí, el modelo ya no se modifica fundamentalmente, sino que se aplica. Cada consulta desencadena procesos informáticos, pero a menor escala. El problema radica en las masas. Cuando millones o miles de millones de personas utilizan cada día la IA, este esfuerzo aparentemente pequeño se convierte en una carga de base permanente.
Ambas fases son relevantes. La formación garantiza los picos de carga, la utilización asegura el consumo continuo. La sostenibilidad debe tener en cuenta ambos niveles, de lo contrario el análisis queda incompleto.
Por qué la IA es diferente de la digitalización anterior
Se podría argumentar que toda nueva tecnología consume energía. Y es cierto. Pero la IA difiere de las anteriores fases de digitalización en un aspecto crucial: no se limita a sustituir procesos existentes, sino que crea otros nuevos.
Internet ha hecho más eficiente la comunicación. Los correos electrónicos han sustituido a las cartas, las videoconferencias a los viajes de negocios. La IA, por su parte, se utiliza a menudo como complemento. Los textos no sólo se escriben, sino que se varían varias veces. Las imágenes no sólo se crean, sino en serie. Las decisiones no se automatizan y finalizan, sino que se simulan, evalúan y recalculan.
En este caso, el aumento de la eficiencia no suele traducirse en un ahorro, sino en una mayor utilización. Lo que es barato y está disponible rápidamente se utiliza más a menudo. Este fenómeno no es nuevo, pero es especialmente pronunciado con la IA. Cuanto mejor es, mayor es el deseo de utilizarla en todas partes. Precisamente por eso, la esperanza de que la eficiencia técnica resuelva por sí sola el problema de la sostenibilidad se queda corta. Incluso los sistemas más eficientes pueden conducir en última instancia a un mayor consumo global.
Cuando hoy se habla de IA sostenible, suele haber un trasfondo moral. Es comprensible, pero no siempre es útil. Antes de hablar del bien y del mal, conviene echar un vistazo a los principios físicos.
Hay que generar electricidad. Hay que disipar el calor. El agua es finita. Las redes tienen una capacidad limitada. Estos hechos no pueden ocultarse, por muy avanzado que sea el software. Por tanto, la sostenibilidad no empieza con buenas intenciones, sino con la pregunta:
¿Qué es técnica e infraestructuralmente viable?
Sólo cuando se comprenda esta base podrán tomarse decisiones significativas. Decisiones sobre dónde se utiliza la IA, en qué medida y a qué precio, tanto económico como social.
La verdadera cuestión detrás del debate
Al final de este primer capítulo, todavía no hay evaluación, sino más bien un cambio de perspectiva. La pregunta crucial no es: „¿Es sostenible la IA?“. Esta pregunta es demasiado general e invita a respuestas rápidas.
La pregunta más precisa es: ¿qué forma de IA queremos y cuánto estamos dispuestos a gastar en ella? Energía, recursos, infraestructuras, decisiones políticas... todo ello forma parte de la ecuación. Cualquiera que considere la IA únicamente como un producto de software pasa por alto estas interrelaciones.
Por tanto, los capítulos siguientes no tratan de bombo y platillo ni de miedo, sino de estructuras. Sobre política energética, diseño de chips, problemas de ubicación y escenarios futuros. Porque sólo cuando se puede ver la máquina detrás de la magia se puede hablar con sentido sobre su futuro.
El punto de inflexión político: cuando la IA exija sus propias centrales eléctricas
A veces una sola frase dice más sobre el estado de un desarrollo que páginas de estudios. Cuando Donald Trump dijo en el Foro Económico Mundial de Davos que las empresas de IA deberían limitarse a construir sus propias centrales eléctricas o construir participar en la financiación, No fue un elaborado plan maestro de política energética. Pero fue un momento extraordinariamente honesto. Porque esta frase contiene una constatación tácita:
La inteligencia artificial ya no es una rama más del software, sino un complejo industrial con enormes necesidades energéticas.
Independientemente de cómo se juzgue políticamente a Trump, la declaración toca la fibra sensible. Las grandes empresas de IA están dejando claro abiertamente que ya no pueden confiar en que las redes eléctricas existentes simplemente „atiendan“ sus necesidades a largo plazo. Necesitan cantidades predecibles, permanentes y grandes de energía. Y aquí es precisamente donde comienza la dimensión política de la sostenibilidad de la IA.
Los centros de datos, la nueva industria pesada
Durante mucho tiempo, los centros de datos se consideraron una infraestructura relativamente discreta. Estaban situados en algún lugar de las afueras de la ciudad, consumían electricidad, generaban calor... y, por lo demás, apenas eran objeto de debate público. Esto está cambiando radicalmente.
Los centros de datos de IA modernos tienen una escala que antes sólo se conocía en la industria tradicional. Sus necesidades energéticas pueden ser equivalentes a las de un parque industrial de tamaño medio. Sus necesidades de refrigeración son complejas. Sus necesidades de espacio son cada vez mayores. Y, sobre todo, no sólo funcionan durante el día, sino 24 horas al día, siete días a la semana.
Esto las sitúa automáticamente en la misma categoría que las acerías, las plantas químicas o las refinerías. En el pasado, estas plantas se ubicaban específicamente, recibían apoyo político y se planificaban en términos de política energética. Ahora se plantean exactamente las mismas cuestiones con las infraestructuras de IA, sólo que mucho más rápido y a menudo sin responsabilidades claras.
Por qué no se puede evitar la política
La energía no es un mercado libre en el vacío. Las redes eléctricas, las centrales eléctricas y los procedimientos de autorización están regulados políticamente, planificados a largo plazo y son socialmente sensibles. Si de repente un solo centro de datos necesita tanta electricidad como toda una ciudad, esto no deja de tener consecuencias.
Los políticos se enfrentan aquí a un dilema. Por un lado, la IA se considera una tecnología clave para la competitividad económica, la innovación y la seguridad nacional. Por otro, sus necesidades energéticas compiten directamente con los hogares, las PYME y la industria existente. El aumento de los precios de la electricidad, los costes de ampliación de la red y los cuellos de botella locales se convierten rápidamente en conflictos políticos.
Por tanto, la idea de que las empresas de IA organicen su propio suministro energético no sólo es pragmática, sino también un alivio político. Traslada la responsabilidad. En lugar de ampliar y subvencionar las redes públicas, los agentes privados deberían crear sus propias soluciones. Suena a economía de mercado, pero tiene consecuencias de gran alcance.
Trump y la cuestión tecnológico-energética: un punto de inflexión político
En EE.UU. se está dando un caso insólito propuesta de política energética a debate: el presidente Donald Trump y varios gobernadores están presionando para que las grandes empresas tecnológicas cofinancien de forma efectiva la construcción de nuevas centrales eléctricas con el fin de limitar el aumento de los costes de la electricidad para los hogares.
El trasfondo es la enorme demanda de electricidad de los centros de datos, que funcionan, entre otras cosas, para servicios de inteligencia artificial y ejercen una notable presión sobre la red. Está prevista una subasta de fiabilidad, en la que las empresas tecnológicas firmarán contratos de electricidad a largo plazo que garanticen la construcción de centrales eléctricas, independientemente de si compran o no la electricidad. Esto podría desencadenar inversiones multimillonarias en nuevas centrales eléctricas y reducir la presión sobre las redes públicas. Sin embargo, los críticos advierten de posibles efectos secundarios, como el aumento de los costes para los proveedores más pequeños y una mayor privatización de las infraestructuras energéticas.
La lógica de „construye tus propias centrales eléctricas“
A primera vista, la idea parece radical. Sin embargo, si se analiza más detenidamente, sigue una lógica clara. Cualquiera que necesite grandes cantidades de energía de forma permanente debe participar también en su generación. Esta fue una práctica común en la industria durante mucho tiempo. Las fábricas explotaban sus propias centrales eléctricas o firmaban contratos de suministro a largo plazo.
Para las empresas de IA, esto significa tener sus propias centrales eléctricas, sus propias instalaciones de almacenamiento de electricidad, conexiones directas con los productores o contratos exclusivos de suministro. Puede tratarse de gas, energía nuclear, energías renovables o formas mixtas. El factor decisivo no es la tecnología, sino la capacidad de planificación.
Sin embargo, esto crea una nueva forma de infraestructura: las islas energéticas privadas. Centros de datos de alto rendimiento con su propio suministro, su propia priorización y su propia seguridad. Dependen menos de la red pública y, por tanto, participan menos en los mecanismos tradicionales de equilibrio.
Cuando la política de localización se convierte en política energética
Aquí es donde queda claro por qué la infraestructura de IA es políticamente controvertida. La ubicación de un centro de datos ya no se elige únicamente en función de la legislación fiscal o la mano de obra, sino también de la disponibilidad de energía, la situación de aprobación y la previsibilidad política.
Las regiones con redes estables, fuentes de energía favorables y aprobación rápida son cada vez más atractivas. Otras se quedan atrás. Esto puede agravar los desequilibrios existentes, entre países, dentro de un mismo país e incluso entre municipios.
Se trata de una situación nueva para los responsables locales. Por un lado, los centros de datos prometen inversión y prestigio. Por otro, apenas traen puestos de trabajo, pero sí elevados costes de infraestructura. Hay que proporcionar carreteras, redes, conexiones de agua y medidas de seguridad, mientras que los beneficios directos siguen siendo limitados.
Lo que suena abstracto en las estrategias nacionales se vuelve muy concreto sobre el terreno. Los ciudadanos preguntan por qué se construyen nuevas tuberías. Por qué escasea el agua. Por qué suben los precios de la electricidad. Y por qué todo esto ocurre para que se generen textos o se calculen imágenes en alguna parte.
A menudo se subestima la cuestión de la aceptación. Mientras que los productos industriales tradicionales son tangibles, los beneficios de la IA siguen siendo vagos para muchas personas. Esto dificulta la comunicación política. La sostenibilidad no es aquí sólo una categoría técnica, sino también social. Cuanto más visible se hace la infraestructura, mayor es la presión para justificarla. La IA no puede considerarse permanentemente un servicio invisible si sus huellas físicas son cada vez más evidentes.
Cambio de poder mediante la autosuficiencia energética
Otro aspecto rara vez se discute abiertamente: La autosuficiencia energética crea poder. Quienes controlan su propio suministro dependen menos de decisiones políticas, fallos de la red o intervenciones reguladoras.
Esto es atractivo para las grandes empresas tecnológicas. Puede ser problemático para los Estados. Esto se debe a que los instrumentos de control tradicionales (tarifas de red, priorización, cierres) son menos eficaces cuando las infraestructuras críticas están organizadas de forma privada.
Esto crea un nuevo nivel de negociación entre la política y las empresas tecnológicas. Ya no se trata solo de datos o regulación, sino de energía, espacio y recursos a largo plazo.
Se ha alcanzado el punto de inflexión
El primer capítulo mostraba que la IA es física. Este capítulo muestra que esta física se está convirtiendo en política. La afirmación de que las empresas de IA deberían construir sus propias centrales eléctricas no marca un desliz, sino un punto de inflexión. Hace visible lo que a menudo se ha ignorado hasta ahora: La IA no es sólo una cuestión de algoritmos, sino de infraestructura, poder y responsabilidad.
Por ello, los próximos capítulos serán aún más específicos. Se trata de volúmenes de electricidad, refrigeración, agua y límites técnicos. Porque sólo cuando se comprendan estos aspectos básicos podremos hablar con realismo de sostenibilidad, más allá de las palabras de moda y las eufónicas declaraciones de intenciones.
Falta de energía, refrigeración, agua: la realidad física de la IA
Mientras la IA se considere un fenómeno de software, los números seguirán siendo abstractos. Un poco más de potencia informática por aquí, un nuevo modelo por allá. Pero en cuanto se empieza a pensar en las necesidades energéticas en kilovatios hora, megavatios o incluso teravatios hora, la perspectiva cambia. Entonces ya no se trata de trucos técnicos, sino de recursos reales, redes, centrales eléctricas y conflictos de distribución.
Este capítulo está dedicado precisamente a este nivel. No para crear miedo, sino para pintar un cuadro realista. Porque la sostenibilidad empieza donde los conceptos abstractos se traducen en límites físicos.
Cuánta electricidad consume realmente la IA
Una de las preguntas más frecuentes es: „¿Cuánta energía consume realmente la IA?“. La respuesta honesta es: depende. Depende del modelo, el uso, la ubicación y el hardware. Sin embargo, es posible dar un orden de magnitud, y es revelador.
Hoy en día, los grandes centros de datos de IA operan en rangos de potencia que solían ser típicos de zonas industriales enteras. Los sistemas individuales requieren varios cientos de megavatios de carga conectada. Esto equivale a las necesidades energéticas de decenas de miles de hogares. Y no se trata de un valor pico puntual, sino de una carga permanente.
Lo importante aquí es que la IA no genera un consumo estacional como los sistemas de calefacción o aire acondicionado. Funciona continuamente. Esto la convierte en la llamada carga base. Precisamente este tipo de consumo supone un reto especial para las redes eléctricas, porque tiene que estar permanentemente asegurado.
El punto crucial no es si esta demanda de electricidad es „demasiado alta“, sino lo rápido que crece. Mientras que las industrias tradicionales se han expandido durante décadas, la infraestructura de la IA crece en pocos años. Las redes, las centrales eléctricas y los procedimientos de autorización no están diseñados para este ritmo.
Por qué se malinterpretan a menudo las previsiones
En el debate público se citan a menudo grandes cifras. Duplicación del consumo eléctrico, explosión de la demanda, cargas masivas. Estas afirmaciones no son erróneas, pero a menudo se malinterpretan.
No significa que mañana se vaya a apagar la luz. Pero sí significan que la planificación a largo plazo se ve sometida a presión. Las redes eléctricas se construyen para determinados perfiles de carga. Si estos perfiles cambian radicalmente, surgen cuellos de botella a nivel local, regional o nacional.
El problema no es tanto el consumo absoluto como la concentración. Los centros de datos de IA no están distribuidos uniformemente. Se concentran allí donde las redes, la refrigeración y las condiciones del marco político son favorables. Ahí es precisamente donde surgen los conflictos.
Refrigeración: el segundo sistema invisible
La electricidad es sólo la mitad de la historia. Cada kilovatio hora consumido por un centro de datos se convierte tarde o temprano en calor. Este calor debe disiparse, de lo contrario las operaciones se colapsarán. Por tanto, la refrigeración no es un complemento, sino un sistema operativo central de la infraestructura moderna de IA.
La refrigeración por aire solía ser suficiente. Ventiladores, sistemas de aire acondicionado, aire de escape caliente. Con el aumento de la densidad de potencia de los chips modernos, este principio ha alcanzado sus límites. Hoy se utilizan cada vez más sistemas de refrigeración líquida en los que los refrigerantes llegan directamente a los procesadores. Estos sistemas son más eficaces, pero más complejos. Requieren bombas, intercambiadores de calor y mecanismos de emergencia. Y crean nuevas dependencias: del agua, de refrigerantes químicos, de temperaturas estables.
La refrigeración no es un problema de detalle. Determina dónde pueden funcionar los centros de datos. Las regiones con altas temperaturas exteriores, escasos recursos hídricos o redes inestables se quedan atrás.
Agua: el cuello de botella a menudo suprimido
Aunque se habla mucho de electricidad, el agua queda sorprendentemente fuera de la ecuación. Sin embargo, es indispensable en muchos conceptos de refrigeración. Enfriamiento evaporativo, centrales frigoríficas, intercambiadores de calor... todos ellos requieren agua en cantidades importantes. En las regiones ricas en agua, esto apenas se nota. Sin embargo, en las regiones áridas, el agua se convierte rápidamente en una cuestión política. Cuando los centros de datos compiten con la agricultura, la industria y los hogares, surgen conflictos de distribución. Y éstos no pueden resolverse simplemente con dinero.
Además, el consumo de agua es local. La electricidad puede transportarse a través de redes, el agua sólo hasta cierto punto. Esto hace que el factor de la ubicación sea aún más crítico. No se puede construir un centro de datos donde el terreno es barato si no hay agua.
Por tanto, el debate sobre la sostenibilidad de la IA se hará inevitablemente más regional. Lo que parece tener sentido a nivel mundial puede ser problemático a nivel local.
A menudo se argumenta que las nuevas tecnologías aliviarán el problema. Chips más eficientes, mejor refrigeración, software optimizado. Esto no es erróneo, pero es incompleto. El aumento de la eficiencia reduce el consumo por unidad informática. Al mismo tiempo, los costes y las barreras a la implantación disminuyen. Esto lleva a menudo a que la IA se utilice con más frecuencia y en nuevas áreas. El efecto global puede ser incluso un mayor consumo.
Esta pauta resulta familiar en otros ámbitos. Los motores más eficientes no redujeron el tráfico, sino que lo aumentaron. Una iluminación más eficiente no redujo automáticamente el consumo de electricidad, sino que aumentó su utilización. La inteligencia artificial sigue el mismo principio.
Por tanto, la sostenibilidad no puede resolverse sólo técnicamente. Siempre es una cuestión de limitación, priorización y toma de decisiones consciente.
Las redes eléctricas como cuello de botella
A menudo se subestima otro aspecto: la propia red eléctrica. Construir centrales eléctricas es complejo, pero ampliar las redes suele ser aún más complicado. Autorizaciones, rutas, aceptación... todo esto lleva su tiempo.
Los centros de datos de IA no sólo necesitan mucha energía, sino también redes estables. Las fluctuaciones de tensión, los cortes o los cuellos de botella pueden causar daños costosos. Por eso los operadores favorecen las ubicaciones con redes de alta calidad. Esto conduce a una situación paradójica. Es precisamente allí donde las redes están bien desarrolladas donde más aumenta la presión. Los nuevos grandes consumidores agravan los cuellos de botella existentes. La expansión va a la zaga.
Esto demuestra una vez más que la IA no es un sistema aislado. Repercute en las infraestructuras existentes y modifica sus requisitos.
A estas alturas, a más tardar, resulta evidente que la realidad física de la IA no puede considerarse aisladamente de las cuestiones sociales. La electricidad, el agua y las redes son bienes comunes. Su uso está políticamente regulado y es socialmente sensible.
Cuanto más recursos ocupa la IA, más se plantea la cuestión de las prioridades:
- ¿Para qué utilizamos la energía?
- ¿Qué aplicaciones justifican qué gastos?
- ¿Y quién decide?
Estas cuestiones no pueden ser respondidas únicamente por los ingenieros. Afectan por igual a la política, la empresa y la sociedad.
La incómoda realidad
Este capítulo nos lleva a una constatación incómoda pero necesaria: la IA no es un producto digital „limpio“. Está integrada en un mundo material con recursos finitos. Cada uso tiene un precio, aunque no sea inmediatamente visible.
En este contexto, sostenibilidad no significa prescindir, sino tomar conciencia. Conciencia de la escala, de las interrelaciones y de las consecuencias. Sólo cuando se reconoce esta realidad pueden desarrollarse soluciones viables.
El siguiente capítulo se centra en la propia tecnología: en los chips, la promesa de eficiencia y la cuestión de si el progreso tecnológico basta por sí solo para superar estos retos.
La IA y la crisis del agua: ¿por qué los centros de datos consumen demasiada agua? | DW Alemán
Chips, eficiencia y la ilusión del proceso técnico de autocuración
Cuando se mencionan las enormes necesidades energéticas de la IA, casi por reflejo aparece una frase tranquilizadora: la tecnología es cada vez más eficiente. Nuevos chips, mejor software, refrigeración más inteligente: el problema se resolverá con la próxima generación. Esta esperanza es comprensible. Está alimentada por décadas de experiencia. Los ordenadores son cada vez más pequeños, rápidos y económicos. ¿Por qué iba a ser diferente con la IA?
La respuesta corta es: los aumentos de eficiencia son reales, pero no resuelven automáticamente el problema básico. Al contrario, pueden incluso agravarlo. Para entender esto, merece la pena examinar más de cerca la tecnología que hay detrás de la IA y la dinámica que desencadena la eficiencia.
Por qué los chips especializados rinden tanto y consumen tanto
La IA moderna ya no funciona con procesadores universales clásicos. Requiere unidades de cálculo especializadas que puedan realizar muchos cálculos sencillos en paralelo. Ahí radican precisamente sus puntos fuertes y débiles. Estos chips están diseñados para procesar enormes cantidades de datos simultáneamente. No calculan paso a paso, sino en grandes bloques. Esto los hace extremadamente potentes, pero también hambrientos de energía. Cuanto más densamente se empaquete la potencia de cálculo, mayor será el calor residual y más compleja la refrigeración.
La clave es que estos chips no se fabrican para ser económicos, sino para ofrecer el máximo rendimiento. La eficiencia desempeña un papel, pero el rendimiento ocupa un lugar central. Porque en la competición por las capacidades de IA, la velocidad cuenta. Quien entrena más rápido, quien ejecuta modelos más grandes, gana ventaja.
Esto crea un conflicto estructural de objetivos. Se mejora la eficiencia, pero no a expensas de un mayor rendimiento. El consumo global no disminuye necesariamente, sino que se desplaza.
Rendimiento por vatio: una cifra clave importante pero limitada
En los últimos años, se ha establecido una nueva cifra clave: Rendimiento por vatio. Describe cuánta potencia de cálculo se consigue con una determinada cantidad de energía. Este ratio es útil porque visualiza la eficiencia. Sin embargo, no es la panacea.
Un sistema que es el doble de eficiente consume sólo la mitad de energía para la misma tarea. Pero si se utiliza cuatro veces más, el consumo total aumenta. Este es exactamente el patrón que vemos una y otra vez.
El rendimiento por vatio es una optimización técnica. La sostenibilidad, en cambio, es una cuestión de sistema. Depende de cómo se utilice la tecnología, no sólo de lo bien que esté construida.
Por qué la eficiencia suele conducir a una mayor utilización
Este fenómeno no es nuevo. Ya se describía en el siglo XIX, mucho antes de que existieran los ordenadores. La eficiencia reduce costes y obstáculos. Lo que es más barato y rápido se utiliza más a menudo. Las excepciones son raras.
Este efecto es especialmente fuerte con la IA. Cuanto más eficaces son los modelos, más fácil resulta integrarlos en nuevas aplicaciones. Textos, imágenes, vídeos, simulaciones... de repente todo es posible allí donde antes era demasiado caro o lento.
Esto no supone un ahorro, sino una expansión. La IA no sólo sustituye los procesos existentes, sino que crea otros nuevos. La eficiencia se convierte en un motor de crecimiento.
Cualquiera que piense en la sostenibilidad únicamente en términos de optimización técnica está pasando por alto esta dinámica. Es como esperar que coches más eficientes reduzcan el tráfico.
El mito del „próximo gran avance“
Otro argumento habitual es que la próxima generación de chips lo cambiará todo. Saltos cuánticos, nuevos materiales, arquitecturas revolucionarias. Estos avances no son imposibles, pero son raros y rara vez resuelven todos los problemas al mismo tiempo.
Aunque un chip llegue a ser dos o tres veces más eficiente, el patrón básico sigue siendo el mismo. La IA crece, escala y se extiende. Cada avance se traduce inmediatamente en nuevas aplicaciones. El progreso técnico se absorbe, no se utiliza para limitar.
Además, muchas mejoras de eficiencia ya están incluidas en el precio. Se ha conseguido una optimización sencilla. Seguir avanzando será más complejo, más caro y más lento. Al mismo tiempo, la demanda aumenta más deprisa que la eficiencia.
La IA local como contramodelo - con límites
Un modelo alternativo citado con frecuencia es la IA local. Modelos más pequeños, menos potencia de cálculo, menos requisitos energéticos. Este modelo es atractivo porque ralentiza el escalado y reduce las dependencias.
Pero tampoco en este caso la IA local sustituye a todas las aplicaciones. Los grandes modelos, los análisis complejos y los servicios globales no pueden descentralizarse sin más. La eficiencia local quita presión al sistema, pero no anula la dinámica básica.
La descentralización no genera automáticamente sostenibilidad. Se crea eligiendo conscientemente lo que tiene sentido a nivel local, y lo que quizá no debería hacerse.
Por qué la tecnología por sí sola no asume la responsabilidad
La tecnología optimiza lo que se le da. No conoce objetivos más allá de esta optimización. La sostenibilidad, en cambio, es un objetivo normativo. Requiere que alguien trace límites, establezca prioridades y tome decisiones. Quien espere que la tecnología asuma esta responsabilidad confunde medios y fines. Los chips eficientes son herramientas. Que conduzcan a más o menos consumo depende de cómo se utilicen.
En este sentido, la IA no difiere de las tecnologías anteriores. La diferencia radica únicamente en la velocidad y la escala.
El incómodo papel de la limitación
Limitación no es una palabra popular. Suena a renuncia, a paralización. En realidad, la limitación es una forma de control. Decide dónde tiene sentido la tecnología y dónde no.
La IA sostenible no se creará haciendo que todo sea más eficiente. Se creará decidiendo qué aplicaciones tienen prioridad y cuáles son prescindibles. Esta decisión no es técnica, sino política y social. La eficiencia puede ayudar. Puede aliviar la carga. Pero no puede sustituir a una decisión.
Este capítulo lleva a una clara conclusión provisional: el progreso tecnológico es esencial, pero no resuelve por sí solo el problema de la sostenibilidad. Chips más eficientes, mejor software y refrigeración optimizada son parte de la solución, pero sólo una parte. Si nos tomamos en serio la sostenibilidad, tenemos que hablar de utilización, escalado y limitación. De objetivos, no sólo de medios.
En el próximo capítulo, por tanto, desviaremos nuestra atención de la tecnología pura y nos centraremos en la cuestión energética en sí. ¿De dónde debería proceder la electricidad que la IA necesita a largo plazo? ¿Y qué opciones son realistas, más allá de la ideología y los deseos?
Las necesidades energéticas de la IA: un reto creciente | DW Alemán
¿De dónde debe proceder la electricidad? - Opciones energéticas sin ideología
A estas alturas, a más tardar, la cuestión de la sostenibilidad ya no puede abordarse en abstracto. Si la IA requiere grandes cantidades de electricidad de forma permanente, surge inevitablemente la sencilla pero incómoda pregunta: ¿de dónde debe proceder esta electricidad? No en teoría, sino en la práctica. No en algún momento, sino continuamente.
Esta cuestión es tan explosiva porque carga de nueva urgencia viejos conflictos de política energética. La IA no es un consumidor ocasional, sino una carga permanente. Necesita electricidad cuando la necesita, no sólo cuando brilla el sol o sopla el viento. Esto la convierte en la piedra de toque de todo sistema energético.
Por qué la IA necesita carga base
Los sistemas de IA no pueden activarse y desactivarse a voluntad. Los cursos de formación suelen durar días o semanas. Los servicios deben estar disponibles las 24 horas del día. Las interrupciones no sólo son molestas, sino también económicamente costosas. Las necesidades energéticas de la IA son, por tanto, similares a las de las industrias tradicionales de funcionamiento continuo. Requieren capacidad de carga base. Esto significa que la electricidad debe estar disponible en cantidades suficientes en todo momento, independientemente de la hora del día, el tiempo o la estación.
Aquí empiezan las dificultades. Muchas fuentes de energía no proporcionan un suministro constante de electricidad. Fluctúan o son estacionales. Esto no es un problema fundamental siempre que se disponga de un equilibrio suficiente. Sin embargo, este equilibrio es caro, técnicamente exigente y a menudo políticamente controvertido.
Energías renovables: indispensables, pero no suficientes por sí solas
Las energías renovables desempeñan un papel central en cualquier futuro sostenible. Hay pocas dudas al respecto. Son respetuosas con el clima, cada vez más rentables y socialmente aceptadas. Sin embargo, están alcanzando sus límites en aplicaciones de carga base intensiva como la IA.
La energía solar y la eólica suministran electricidad cuando se dan las condiciones adecuadas. Los sistemas de almacenamiento pueden compensar las fluctuaciones, pero sólo hasta cierto punto. Las grandes instalaciones de almacenamiento que duran días o semanas son técnicamente posibles, pero son caras y requieren mucho terreno.
Para los centros de datos de IA, esto significa que las energías renovables pueden aportar una contribución importante, pero no garantizan un suministro continuo. Sin medidas adicionales, seguirá existiendo una brecha en el suministro. Esta brecha debe cerrarse; de lo contrario, la sostenibilidad seguirá siendo matemática, pero no real.
Energía nuclear: el renacimiento inconveniente
Casi ningún otro tema energético tiene tanta carga emocional como la energía nuclear. Por eso es tan sorprendente que, de repente, se vuelva a hablar de ella con sobriedad en el contexto de la IA. No por entusiasmo, sino por necesidad.
La energía nuclear suministra grandes cantidades de electricidad de forma continua, con bajo consumo de suelo e independientemente de las condiciones meteorológicas. Esto es precisamente lo que la hace atractiva para los centros de datos ávidos de energía. No como panacea, sino como base estable.
Para las empresas de IA, el debate social es menos importante que la realidad técnica. La previsibilidad, la seguridad del suministro y los contratos a largo plazo ocupan un lugar central. El hecho de que las grandes empresas tecnológicas vuelvan a interesarse por la energía nuclear es, por tanto, menos ideológico que pragmático.
Al mismo tiempo, persisten los problemas ya conocidos: largos plazos de construcción, costes elevados, problemas de almacenamiento final, aceptación política. La energía nuclear no es una solución rápida, sino una decisión a largo plazo con grandes barreras de entrada.
Gas: puente con riesgos
El gas natural suele considerarse un complemento flexible. Se puede aumentar y reducir con relativa rapidez, las centrales eléctricas se pueden construir comparativamente rápido y la tecnología está probada. El gas puede ser una solución puente para los centros de datos de IA.
Pero este puente tiene grietas. El gas es fósil. Provoca emisiones y sigue siendo geopolíticamente sensible. Incluso con la captura de CO₂, sigue existiendo un problema residual. Además, el precio del gas es volátil. Es un riesgo para la planificación a largo plazo.
Sin embargo, el gas desempeñará un papel en muchos escenarios. No porque sea ideal, sino porque no hay alternativas. Aquí, sostenibilidad significa a menudo elegir entre opciones malas y menos malas.
Almacenamiento, redes y el gasto subestimado
A menudo se argumenta que el almacenamiento resolvería el problema. Grandes baterías, hidrógeno, almacenamiento por bombeo. Todas estas tecnologías existen, pero no se amplían a voluntad.
Los sistemas de almacenamiento son caros, requieren muchos materiales y consumen mucha energía. Son útiles para equilibrar las fluctuaciones, pero no sustituyen a la generación permanente. Cuanto mayor sea el consumo, mayor deberá ser el sistema de almacenamiento. No se trata de un límite teórico, sino físico.
Luego están las redes. No sólo hay que generar electricidad, sino también transportarla. Los centros de datos de alto rendimiento requieren conexiones de alto rendimiento. La ampliación de estas redes es costosa, lenta y conflictiva.
Suministro privado de energía: Vuelta a los viejos patrones
Ante estos retos, una vieja idea está cobrando nueva relevancia: el suministro privado de energía. Las grandes industrias solían explotar sus propias centrales eléctricas o firmar contratos de suministro exclusivo. Las empresas de IA se mueven cada vez más en esta dirección.
Centrales eléctricas propias, instalaciones de almacenamiento propias, conexiones directas: todo esto reduce las dependencias. Al mismo tiempo, sustrae parte de esta infraestructura al control público. La electricidad se convierte en un recurso privado.
Esta evolución es racional, pero no socialmente neutra. Cambia el equilibrio de poder. Los que controlan la energía tienen margen de maniobra. Esto se aplica tanto a los Estados como a las empresas.
Sostenibilidad sin ilusiones
Llegados a este punto, queda claro por qué los debates ideológicos son de poca ayuda. No existe una solución perfecta. Cada fuente de energía tiene ventajas e inconvenientes. Cada decisión implica objetivos contrapuestos.
Aquí, sostenibilidad no significa encontrar la tecnología „adecuada“, sino nombrar abiertamente las consecuencias de cada opción. ¿Qué riesgos aceptamos? ¿Qué dependencias aceptamos? ¿Qué costes asumimos y quién los asume?
La IA nos obliga a plantearnos de nuevo estas cuestiones porque comprime y acelera las necesidades energéticas.
Este capítulo marca un cambio de mentalidad. La cuestión ya no es si la IA puede funcionar de forma sostenible, sino en qué condiciones. La energía es el factor limitante. No la potencia de cálculo, ni el software, sino la electricidad.
El siguiente capítulo trata, por tanto, de las imágenes del futuro que surgen de estas condiciones. No como previsiones, sino como escenarios. Porque la sostenibilidad de la IA no dependerá de un solo avance, sino de la suma de nuestras decisiones.
Encuesta actual sobre el uso de sistemas locales de IA
Tres escenarios futuros: cómo de sostenible puede llegar a ser la IA
Tras cinco capítulos repletos de cifras, limitaciones técnicas y tensiones políticas, sería fácil tener la impresión de que la IA se encamina inevitablemente hacia un problema de sostenibilidad difícilmente contenible. Esta opinión sería comprensible, pero demasiado corta de miras.
El futuro de la IA no está escrito en piedra. No surgirá de un único avance tecnológico, sino de muchas decisiones que se están tomando hoy y en los próximos años. Decisiones sobre cómo se utilizará la IA, dónde funcionará y qué importancia tendrá en relación con otros objetivos sociales.
Para hacer tangible esta apertura, ayuda no hablar de un futuro único, sino de posibles vías de desarrollo. Hoy en día ya se pueden reconocer tres de estos escenarios. Ninguno de ellos está garantizado, ninguno es completamente irrealista. La realidad contendrá probablemente elementos de los tres.
Escenario 1: Centralización y enclaves energéticos
En este escenario, la lógica del escalado se mantiene constante. Los grandes proveedores de IA agrupan la potencia informática en unas pocas ubicaciones extremadamente potentes. Estas ubicaciones tienen sus propias fuentes de energía, sus propias conexiones de red y, en algunos casos, sus propias soluciones de almacenamiento. Están altamente optimizados, aislados y son eficientes en el sentido industrial.
La ventaja de este modelo es obvia. Se puede planificar el suministro de energía, minimizar los cortes y calcular los costes a largo plazo. La IA se convierte en fiable, eficiente y disponible en todo el mundo. Este escenario es atractivo para las empresas y los países que confían en el liderazgo tecnológico.
El precio también está claro. La energía se privatiza cada vez más. Las infraestructuras se están retirando parcialmente del control público. Aumentan los desequilibrios regionales. La aceptación local se está convirtiendo en una obra de construcción permanente. La sostenibilidad se entiende aquí sobre todo en términos técnicos y menos en términos sociales.
Este escenario es realista porque se basa en los modelos existentes. No se trata de una ruptura radical, sino de una continuación de la lógica industrial con nuevos medios.
Escenario 2: Eficiencia, regulación y limitación deliberada
Otra visión del futuro hace hincapié en el control. En este escenario, los políticos y la sociedad reconocen que la ampliación ilimitada no tiene sentido ni técnica ni socialmente. La IA se utiliza de forma selectiva, se prioriza y se regula.
La eficiencia sigue siendo importante, pero se complementa con condiciones marco. Se favorecen determinadas aplicaciones, otras se restringen deliberadamente. Los entrenamientos de alto consumo energético están sujetos a condiciones. Las decisiones de ubicación se coordinan mejor. La sostenibilidad no se deja únicamente en manos del mercado.
La ventaja de este modelo reside en el equilibrio. La IA sigue siendo potente, pero integrada. La energía y las infraestructuras se consideran conjuntamente. Las cargas se distribuyen de forma más transparente.
La desventaja reside en la complejidad. Regular cuesta tiempo, coordinar cuesta rapidez. La presión para innovar choca con los procesos de planificación. Este escenario requiere capacidad de acción política y consenso social, dos condiciones que no pueden darse por sentadas. Sin embargo, este escenario no es utópico. Muchas industrias se han integrado de forma similar sin perder su eficacia. Presupone que la IA no se vea como un fin en sí misma, sino como una herramienta.
Escenario 3: IA descentralizada y local
El tercer escenario cambia el enfoque. En lugar de construir sistemas centralizados cada vez mayores, la IA se utiliza de forma más descentralizada. Modelos más pequeños, potencia de cálculo local, aplicaciones especializadas. No todas las tareas requieren el máximo rendimiento.
En este modelo, la IA se acerca al punto de uso. Las empresas operan sus propios sistemas. Los dispositivos se vuelven más potentes. Los datos siguen siendo locales. Las necesidades energéticas por aplicación se reducen porque el escalado es limitado.
La ventaja reside en la robustez. Se reducen las dependencias. Se alivian las infraestructuras. La sostenibilidad se consigue con moderación, no con la máxima eficiencia. Los límites de este modelo también están claros. Las aplicaciones grandes y complejas no pueden descentralizarse totalmente. La investigación, los servicios globales y los análisis muy complejos siguen necesitando recursos centralizados.
Este escenario no sustituye a los demás, sino que los complementa. Demuestra que la sostenibilidad también puede lograrse mediante la diversidad: no todo tiene que tener el mismo tamaño, la misma velocidad y el mismo rendimiento.
Por qué no hay un escenario „correcto
Estas tres visiones del futuro no están en una relación de o lo uno o lo otro. Más bien son respuestas diferentes a un mismo reto. Dependiendo de la aplicación, la región y el objetivo, tendrán sentido soluciones diferentes.
El punto crucial no es qué escenario prevalece, sino si las decisiones subyacentes se toman conscientemente. La sostenibilidad no surge automáticamente de la tecnología. Surge de las prioridades.
Si la IA se utiliza en todas partes y en todo momento, sus necesidades energéticas aumentarán inevitablemente. Si se utiliza de forma selectiva, esta demanda puede controlarse. No se trata de un juicio moral, sino de una observación sobria.
La verdadera cuestión de la sostenibilidad
No hay una respuesta sencilla al final de este artículo. La pregunta „¿Es sostenible la IA?“ es engañosa. Sugiere que hay un claro sí o no.
La pregunta más sensata es: ¿para qué utilizamos la IA y cuánto estamos dispuestos a gastar en ella? Energía, recursos, infraestructuras, atención política. Esta cuestión no puede delegarse en los algoritmos.
La IA es una herramienta con un enorme potencial. Puede hacer más eficientes los procesos, más accesibles los conocimientos y más informadas las decisiones. Al mismo tiempo, requiere recursos reales. Ambas cosas son ciertas.
Una perspectiva prudentemente optimista
A pesar de todos los retos, hay motivos para un cauto optimismo. Los problemas son visibles. Se están debatiendo. Se les puede poner nombre. Eso es más de lo que se podía decir de muchos cambios tecnológicos anteriores.
El debate sobre la IA sostenible no empieza con la renuncia, sino con la comprensión. Quienes reconocen la realidad física de la IA pueden tomar mejores decisiones. Quienes reconocen sus limitaciones pueden utilizarla con sensatez.
No „todo irá bien por sí solo“. Pero tampoco está todo perdido. Existe un amplio espacio entre la fe ciega en el progreso y el escepticismo paralizante. Este espacio decidirá qué papel desempeñará la IA en el futuro y hasta qué punto puede ser sostenible.
Al final, la sostenibilidad no es un estado, sino un proceso. La IA formará parte de este proceso. No como una promesa de salvación, sino como una herramienta que debe utilizarse de forma responsable.
Preguntas más frecuentes
- ¿Qué significa exactamente „sostenibilidad“ en el ámbito de la inteligencia artificial?
La sostenibilidad en la IA no significa sólo protección del clima o ahorro de electricidad, sino todo el consumo de recursos a lo largo del ciclo de vida. Esto incluye la energía para los centros de datos, el agua para la refrigeración, las materias primas para los chips, la infraestructura de red y las repercusiones sociales a largo plazo. La IA es sostenible cuando sus beneficios guardan una proporción razonable con estos costes. - ¿Por qué la IA consume tanta energía cuando sólo es software?
La IA parece un software, pero se ejecuta en un hardware muy potente. Este hardware funciona las 24 horas del día, procesa enormes cantidades de datos en paralelo y genera mucho calor en el proceso. La potencia no solo es necesaria para la computación, sino también para la refrigeración, la tecnología de red y la fiabilidad. - ¿Es realmente el consumo de energía de la IA un problema nuevo?
No es fundamentalmente nueva, pero sí nueva en su escala y velocidad. Mientras que las tecnologías digitales anteriores crecían lentamente, la IA escala en pocos años. Las redes y el suministro de energía no suelen estar preparados para ello. - ¿Más inteligencia artificial significa automáticamente más consumo de energía?
En la práctica, casi siempre sí. Aunque los sistemas son cada vez más eficientes, la caída de los costes hace que se utilicen más. Se crean nuevas aplicaciones, se multiplican los procesos antiguos. La eficiencia frena el aumento, pero rara vez lo anula. - ¿Por qué los sistemas de IA no pueden simplemente calcular cuándo hay suficiente energía?
Muchas aplicaciones de IA requieren una disponibilidad continua. Los entrenamientos duran días o semanas, los servicios deben estar disponibles en todo momento. Por tanto, la IA no es un consumidor flexible, sino una carga base permanente. - ¿Qué papel desempeñan los centros de datos en el debate sobre la sostenibilidad?
Los centros de datos son el corazón físico de la IA. Agrupan el consumo de energía, la generación de calor y la refrigeración en un solo lugar. Cuanto más grandes y densos son, mayor es su impacto en la infraestructura local y el medio ambiente. - ¿Por qué es tan importante la refrigeración en la IA?
Los potentes chips generan enormes cantidades de calor. Sin una refrigeración eficaz, fallarían rápidamente. Los sistemas de refrigeración modernos son complejos, consumen mucha energía y suelen depender del agua, lo que crea nuevos cuellos de botella. - ¿Es el consumo de agua realmente relevante para la IA?
Sí, sobre todo a nivel regional. En las zonas donde el agua escasea, los centros de datos compiten con los hogares, la agricultura y la industria. El agua no puede transportarse a voluntad y se convierte rápidamente en un factor de conflicto político. - ¿Pueden las energías renovables cubrir totalmente las necesidades de electricidad de AI?
A largo plazo, pueden suponer una contribución importante, pero actualmente no bastan por sí solas. La IA necesita electricidad las 24 horas del día. Sin almacenamiento, ampliación de la red y fuentes de energía suplementarias, seguirá habiendo un déficit de suministro. - ¿Por qué las empresas de IA vuelven a interesarse de repente por la energía nuclear?
No por ideología, sino por necesidad. La energía nuclear suministra electricidad predecible, continua y de bajo consumo. Esta estabilidad resulta atractiva para los centros de datos que consumen mucha energía, a pesar de todos los problemas conocidos. - ¿Es el gas natural una solución sostenible para la IA?
El gas natural es más bien una solución transitoria. Es flexible y está disponible, pero provoca emisiones y dependencias geopolíticas. Sólo es sostenible en un sentido relativo, no como solución permanente. - ¿Por qué las empresas de IA construyen sus propias centrales eléctricas?
El suministro energético propio ofrece previsibilidad e independencia. Las redes públicas alcanzan sus límites, las autorizaciones tardan mucho. Las centrales privadas aseguran el funcionamiento, pero trasladan la responsabilidad del Estado a la empresa. - ¿Es problemático el suministro privado de energía para la IA?
Es eficiente, pero no socialmente neutral. Puede aliviar la carga de las redes públicas, pero escapa parcialmente al control democrático. La energía se está convirtiendo en un recurso privado con un poder político explosivo. - ¿Podría la IA local resolver el problema de la sostenibilidad?
La IA local puede ayudar utilizando modelos más pequeños y procesando los datos localmente. Reduce las cargas centralizadas, pero no sustituye a todas las aplicaciones. Los modelos grandes siguen consumiendo mucha energía. - ¿Por qué no basta con el progreso técnico?
Porque la eficacia suele conducir a una mayor utilización. La tecnología optimiza los medios, no los fines. La sostenibilidad requiere decisiones sobre para qué se utiliza la IA, no solo sobre la eficiencia de sus cálculos. - ¿Es necesario, por tanto, regular más estrictamente la IA?
La regulación puede ayudar a establecer prioridades y limitar los desarrollos extremos. Sin embargo, es compleja y lenta. Lo decisivo no es el máximo control, sino un marco sensato. - ¿Existe el riesgo de que la IA refuerce las desigualdades sociales?
Sí, sobre todo por cuestiones de ubicación y energía. Las regiones con buenas infraestructuras se benefician, otras se quedan atrás. Las islas energéticas privadas pueden agravar estos desequilibrios. - ¿Hay motivos para el optimismo a pesar de todos estos problemas?
Sí, los retos son visibles y pueden debatirse. La IA no es un fenómeno natural, pero se le puede dar forma. Con conciencia, moderación y prioridades claras, puede utilizarse con sensatez, sin sobrepasarse.
