Mostrar resumen Ocultar resumen
Un informe reciente de la Universidad de las Naciones Unidas (UNU‑INWEH) advierte que la expansión acelerada de la inteligencia artificial puede convertirse en un problema ambiental crítico durante la próxima década, si no se aplican normas y prácticas sostenibles. El documento vincula el crecimiento de la IA con aumentos importantes en consumo de energía, uso de agua, ocupación de tierras y generación de residuos, y plantea preguntas urgentes sobre equidad global.
Lo que importa ahora
La investigación, presentada como la evaluación más amplia hasta la fecha sobre el impacto ambiental de la IA, amplía la mirada más allá del carbono: incluye consumo energético, huella hídrica, uso territorial y la avalancha de residuos electrónicos. Sus hallazgos tienen consecuencias directas para políticas públicas, planificación energética y decisiones empresariales.
Selección: ciudad anfitriona vive silencio sobre el fútbol
Congelan $665 millones de un fondo ligado a Enacom tras fallo federal en San Luis
Cifras clave
| Variable | Proyección relevante | Comparación ilustrativa |
|---|---|---|
| Gasto global en IA (2024) | Más de US$2,5 billones | |
| Tamaño del mercado (2033) | Cerca de US$5 billones | ~25 veces 2023 |
| Consumo estimado de centros de datos (2025) | ≈ 448 TWh | Similar al consumo anual de Francia |
| Escenario alto para IA (2030) | Hasta 945 TWh | Casi 3% del consumo eléctrico mundial |
| Emisiones asociadas (potencial) | ≈ 400 millones tCO2e | Comparable a emisiones anuales del Reino Unido |
| Uso de agua por centros de datos | ≈ 9,3 billones de litros | Suficiente para cubrir 1,5 años de agua potable para 8.100 millones de personas |
| Residuos electrónicos (2030) | Hasta 2,5 millones de toneladas métricas por año | Equivalente a unas 250 torres Eiffel |
Además de los números, el informe subraya que la huella ambiental depende tanto del diseño tecnológico como del patrón de uso: entrenar un modelo grande o atender miles de millones de consultas diarias tiene impactos muy distintos.
¿Quién paga el costo?
La infraestructura de IA está concentrada: apenas 32 países disponen de centros especializados, y alrededor del 90% de esa capacidad se ubica en Estados Unidos y China. Más de 150 naciones carecen de instalaciones propias y dependen de proveedores externos, lo que limita su autonomía sobre datos, precios y gobernanza.
El resultado es una desigual distribución de beneficios y cargas: unos pocos obtienen ventajas económicas y estratégicas; muchos soportan la extracción de minerales, el consumo local de recursos y la gestión final de residuos.
Impactos operativos y ejemplos
El entrenamiento de modelos de nueva generación exige cantidades notables de electricidad y agua. Según las estimaciones presentadas, la formación de un modelo hipotético de gran escala podría requerir decenas o centenas de gigavatios‑hora y millones de litros de agua—equivalencias que ayudan a entender la escala material detrás de cada avance en IA.
- Uso permanente: Un servicio conversacional masivo procesa miles de millones de solicitudes diarias; ese uso continuo suma un consumo energético anual comparable al de cientos de miles de hogares.
- Búsquedas y generación: Una búsqueda tradicional consume una fracción de la energía que exige una búsqueda generativa; la diferencia se multiplica a escala global.
- Video generativo: Producir vídeo en alta resolución incrementa de forma exponencial la demanda computacional y eléctrica respecto a imágenes estáticas.
Recomendaciones para un despliegue responsable
El informe propone establecer un marco orientado por seis principios para mitigar impactos y repartir responsabilidades:
- Transparencia en reportes ambientales y operativos.
- Eficiencia desde el diseño (optimizar modelos y hardware).
- Equidad y justicia ambiental en la distribución de costos y beneficios.
- Responsabilidad durante todo el ciclo de vida de equipos y servicios.
- Cooperación internacional para normas, datos y financiamiento.
- Uso sostenible de recursos energéticos y hídricos.
Dirigidas a gobiernos, empresas tecnológicas, operadores de centros de datos, inversores y comunidades locales, las medidas incluyen incorporar la infraestructura de IA en planes energéticos y territoriales, exigir métricas estandarizadas de impacto y asegurar la participación de las poblaciones afectadas.
Qué puede cambiar y por qué importa al ciudadano
La elección de la fuente eléctrica —renovable o fósil— alterará dramáticamente las emisiones asociadas a la IA. Asimismo, la ubicación de los centros y las tecnologías de refrigeración determinarán riesgos para acuíferos y ríos locales.
No se trata solo de cifras abstractas: mayor consumo puede traducirse en presión sobre precios de la energía, competencia por recursos hídricos en regiones vulnerables y mayor volumen de aparatos descartados en países que ya gestionan flujos de desechos electrónicos.
La conclusión del documento es doble: la IA tiene potencial para transformar salud, educación e investigación, pero ese avance será sostenible sólo si se internalizan y manejan sus costos ambientales.
En resumen, la expansión de la inteligencia artificial plantea decisiones estratégicas inmediatas para reguladores, empresas y sociedades. Sin un marco de gobernanza que priorice la sostenibilidad y la equidad, los beneficios tecnológicos podrían venir acompañados de cargas ambientales y sociales difíciles de revertir.
