Durante años se habló de la inteligencia artificial como si ocurriera en ninguna parte. Modelos, algoritmos, nube, prompts, respuestas instantáneas. Todo parecía limpio, ligero, casi ingrávido. Pero la IA no vive en el aire: vive en centros de datos, cables, chips, redes eléctricas, sistemas de refrigeración y terrenos concretos. Y ahí es donde la promesa digital empieza a parecerse mucho a una industria pesada.
Un nuevo informe del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud, UNU-INWEH, advierte que para 2030 el consumo de agua asociado a la IA podría alcanzar 9,3 billones de litros anuales, una cifra equivalente a las necesidades domésticas de aproximadamente 1.300 millones de personas en África subsahariana. La misma proyección estima que la infraestructura de IA podría consumir 945 TWh de electricidad al año, casi el triple del consumo conjunto de Pakistán, Bangladesh y Nigeria.
El problema no es solo la energía: también es el agua y el territorio
La mayoría de debates sobre el impacto ambiental de la IA se han centrado en el carbono. Tiene sentido: entrenar y operar modelos requiere electricidad, y esa electricidad puede generar emisiones. Pero el informe de UNU-INWEH insiste en que mirar solo el CO₂ deja fuera una parte decisiva de la historia. Cada kilovatio-hora usado por la IA también puede tener huella hídrica y territorial, porque la electricidad se genera en instalaciones físicas, con infraestructuras, refrigeración, cadenas de suministro y uso de suelo.
El dato territorial también impresiona. Para 2030, la infraestructura vinculada a la IA podría ocupar unos 14.500 kilómetros cuadrados entre centros de datos, energía y cadena de suministro. Es una superficie que obliga a abandonar la idea de una tecnología puramente “virtual”. La IA se está convirtiendo en una geografía: se instala en regiones concretas, usa redes concretas y compite por recursos concretos.
Reuters resumió el mensaje central del informe de forma directa: si no hay intervención pública y reglas claras, la expansión acelerada de la IA puede duplicar el consumo de energía y agua de los centros de datos hacia 2030, con presiones crecientes sobre recursos ya limitados.
La inferencia cambió las reglas del consumo
Durante mucho tiempo, el gran villano ambiental parecía ser el entrenamiento de los modelos: esas semanas o meses en los que miles de chips procesan cantidades gigantescas de datos para crear un sistema nuevo. Pero el informe introduce un giro importante. Según sus autores, el uso cotidiano de los modelos, la llamada inferencia, ya representa entre el 80% y el 90% del consumo total asociado.
Esto cambia el foco. El problema ya no está solo en “crear” un modelo enorme, sino en usarlo millones de veces al día. Cada conversación con un chatbot, cada imagen generada, cada vídeo sintético y cada consulta aparentemente mínima forman parte de una demanda agregada mucho mayor.
El informe compara distintos usos: una conversación estándar con un chatbot puede consumir unas 200 veces más energía que una función básica de IA, como clasificar correos sospechosos como spam. Generar una imagen sintética puede elevar ese consumo hasta 1.400 veces, y un vídeo corto puede llegar a unas 200.000 veces más. El salto no es menor: la IA generativa visual y audiovisual no solo produce contenido más complejo, también exige una infraestructura mucho más intensa.
La electricidad “limpia” no siempre resuelve todo
Una de las partes más incómodas del informe es que desmonta una solución demasiado simple: cambiar la fuente eléctrica y declarar limpia la IA. El análisis advierte que reducir emisiones de carbono puede aumentar otros impactos. Pasar de carbón a bioenergía, por ejemplo, podría recortar la huella de carbono, pero multiplicar la huella hídrica y territorial.
Ese punto es fundamental. Una IA alimentada por energía con menos emisiones no necesariamente es una IA con bajo consumo de agua o bajo impacto sobre el suelo. Miriam Aczel, autora principal del estudio, lo resume en El País con una advertencia clara: si solo se miran emisiones, se puede creer que las renovables vuelven “limpia” la infraestructura de IA, aunque en realidad se estén trasladando costes ambientales a otros lugares.
La Agencia Internacional de la Energía también viene advirtiendo sobre el salto de consumo eléctrico de los centros de datos. Sus proyecciones sitúan la demanda global de estos sistemas en una trayectoria de fuerte crecimiento hacia 2030, impulsada por IA, nube y digitalización. La coincidencia entre fuentes no significa que todos los escenarios sean inevitables, pero sí que la tendencia ya es demasiado grande para tratarla como un detalle técnico.
Los beneficios y los costes no caen en los mismos lugares
El informe también habla de desigualdad. Solo una minoría de países dispone de infraestructura especializada para computar IA, y Estados Unidos y China concentran la mayor parte de la capacidad instalada. Pero las externalidades (consumo de agua, energía, residuos electrónicos, presión sobre suelo y redes) pueden distribuirse de forma mucho más amplia.
El caso de Irlanda muestra hasta qué punto los centros de datos pueden alterar un sistema eléctrico nacional: en 2023 ya representaban el 21% del consumo energético del país, lo que llevó a restricciones y moratorias en algunas zonas. En América Latina, el debate aparece ligado sobre todo al agua. Uruguay, Chile y México han visto cómo grandes proyectos de centros de datos entraban en tensión con sequías, acuíferos y permisos ambientales.
La ONU también estima que para 2030 la infraestructura de IA podría generar 2,5 millones de toneladas anuales de basura electrónica. No hablamos solo de servidores viejos: hablamos de procesadores, aceleradores, placas, sistemas de refrigeración, baterías, cables y equipos reemplazados a una velocidad marcada por la carrera tecnológica. Y, como suele ocurrir con los residuos electrónicos, el final de esa cadena no siempre queda en los países que más se benefician de la tecnología.
La transparencia ya no puede ser voluntaria
El gran problema de fondo es que muchas cifras siguen siendo estimaciones. Los investigadores dependen de datos corporativos parciales, informes de sostenibilidad, modelos de consumo eléctrico y aproximaciones sobre refrigeración. Las empresas no siempre publican métricas por instalación, ni distinguen claramente entre agua retirada y agua consumida, ni detallan el impacto indirecto de la electricidad.
Por eso una de las recomendaciones centrales de UNU-INWEH es exigir informes estandarizados sobre la huella ambiental de la IA. No solo carbono. También agua, suelo, residuos y cadena de suministro. La Unión Europea ya se mueve en esa dirección: Reuters informó que Bruselas está preparando estándares mínimos de eficiencia energética y requisitos de etiquetado sostenible para centros de datos, en parte como respuesta al crecimiento de la IA.
A los desarrolladores, el informe les pide otra cosa igual de importante: no usar modelos gigantes para tareas pequeñas. Es decir, aplicar eficiencia por diseño. Si clasificar spam puede hacerse con un sistema liviano, no tiene sentido resolverlo con una infraestructura pensada para generar vídeo, razonar sobre código complejo o sostener conversaciones largas.
La IA puede ayudar al planeta, pero primero tiene que medir su propia huella
La paradoja es evidente. La inteligencia artificial puede servir para mejorar predicciones climáticas, optimizar redes eléctricas, gestionar riego, detectar fugas de agua, diseñar materiales más eficientes o acelerar investigación ambiental. Sería absurdo negar ese potencial. Pero ese futuro positivo no cancela el coste físico del presente.
El informe de la Universidad de Naciones Unidas no plantea apagar la IA ni volver atrás. Plantea algo más difícil: obligar a que una tecnología construida sobre promesas de eficiencia se mida con reglas industriales reales. Cuánta agua usa. De dónde sale. Cuánta energía necesita. Qué residuos genera. Qué territorios ocupa. Quién se beneficia y quién paga la factura.
Quizá esa sea la parte más incómoda de esta nueva revolución tecnológica. Cada prompt parece pequeño. Cada respuesta aparece en segundos. Pero detrás de esa aparente ligereza hay una infraestructura que, si las proyecciones se cumplen, podría consumir tanta agua como 1.300 millones de personas. La nube nunca fue una nube. Solo estábamos mirando desde demasiado lejos.
