Por qué la IA devora tanta electricidad: millones de consultas dependen de fábricas digitales que no descansan

La fiebre por la IA no solo se mide en consultas a ChatGPT, millones de usuarios mensuales y chatbots de todo tipo lanzados por Microsoft, Apple, Amazon o X, también en megavatios. Entrenar y ejecutar grandes modelos implica movilizar granjas de unidades de procesamiento gráfico (GPU), sistemas de refrigeración y redes que alimentan millones de peticiones diarias, con una factura energética que ya compite con sectores enteros. Lo que al principio de la revolución industrial eran grandes fábricas, altos hornos o enormes cadenas de montaje, ahora son ordenadores ultrapotentes.

Los reguladores avisan de un salto de demanda, los economistas prevén tensiones en la oferta eléctrica y los ingenieros persiguen cada punto de eficiencia para contener un apetito energético que crece más rápido que la infraestructura. ¿Por qué la IA necesita tanta energía, dónde se concentra ese consumo y qué puede hacerse para frenarlo sin frenar la aparición de nuevos productos? Hay que hacer un recorrido completo para explicar las piezas técnicas, económicas y regulatorias que convierten a la IA en uno de los grandes protagonistas del mix energético de la década.

Fábricas digitales de IA

La IA necesita tanta energía porque funciona en enormes fábricas digitales que mueven y procesan datos sin parar, con miles de chips trabajando a la vez y grandes sistemas de refrigeración, lo que multiplica la factura eléctrica cada vez que entrenamos un modelo y, sobre todo, cada vez que millones de personas lo usan a diario. Al mismo tiempo, el salto en potencia de los nuevos chips y la expansión de centros de datos aumentan la demanda eléctrica de todo el sector tecnológico como nunca había sucedido.

La IA necesita tanta energía porque funciona en enormes fábricas digitales que mueven y procesan datos sin parar

Los modelos de IA que escriben textos, crean imágenes o responden preguntas parece que hacen magia, pero detrás hay un consumo eléctrico difícil de ignorar con clústeres de servidores encendidos 24/7, chips que requieren hasta 1.000 vatios cada uno y edificios enteros dedicados a enfriar máquinas que no pueden detenerse. Informes de bancos centrales y organismos de análisis apuntan a que una simple consulta a un chatbot consume varias veces más energía que una búsqueda web clásica, y que el auge de la IA está reconfigurando la planificación eléctrica.

Entrenar y usar

Entrenar un gran modelo es como poner a trabajar a miles de ordenadores de alta gama durante semanas. Ajustar el «cerebro» de la IA requiere muchísimo cálculo y, por tanto, mucha luz y frío para que las máquinas no se calienten.

Entrenar un gran modelo es como poner a trabajar a miles de ordenadores de alta gama

Pero el verdadero maratón llega con el uso diario ya que cada pregunta a un asistente o cada imagen generada activa esos chips; multiplicado por millones de consultas, el consumo anual se dispara y puede superar lo gastado en el entrenamiento inicial.

Los centros de datos, el corazón del gasto

Un centro de datos no sólo alimenta chips; también gasta en enfriamiento, redes y pérdidas energéticas internas, de modo que por cada kilovatio para cálculo se suma un extra por operar el edificio de forma segura.

En Estados Unidos, los centros de datos ya consumen alrededor del 4 % de la electricidad y podrían más que duplicarse hacia 2030, con instalaciones de IA que llegan a usar lo mismo que cientos de miles de hogares.

La IA se integra en buscadores, ofimática, atención al cliente y vídeo, cuantas más funciones encienda esta tecnología, más servidores hay activos a todas horas para mantener tiempos de respuesta bajos.

Futuro

Los proyectos en marcha para construir nuevos megacentros y la carrera por modelos más grandes hacen prever más demanda eléctrica en pocos años, incluso contando con mejoras de eficiencia.

El Banco Central Europeo señala que una consulta tipo a un chatbot puede consumir del orden de diez veces más energía que una búsqueda tradicional, lo cual, multiplicado por el volumen, tiene un impacto muy alto.

La Agencia Internacional de la Energía junto a análisis recientes citados por centros de investigación apuntan a que la electricidad usada por centros de datos en EE.UU. podría crecer más del 100 % hacia 2030 y que será la IA el motor más importante de este aumento.

¿Reducir el gasto?

Ante esta realidad de gasto energético, algunos expertos ya hablan de soluciones para que el uso de IA no pare, pero se haga de una forma más sostenible.

Una de las soluciones es usar modelos más pequeños cuando sea posible, limitar la longitud de respuestas y optimizar el software reduce la energía por consulta sin que el usuario lo note demasiado. Sobre esto ya trabaja OpenAI con una nueva suscripción de 9,99 euros al mes que no incluye generación de vídeos con Sora o agentes Codex.

Una de la soluciones es usar modelos más pequeños cuando sea posible

Por otro lado, las mejoras en la infraestructura —desde mejores sistemas de enfriamiento hasta ubicar centros cerca de fuentes renovables— ayudan a recortar el gasto y las emisiones asociadas. Ahí Google gana posiciones ya que el gigante tecnológico va a financiar la construcción de tres plantas nucleares en Estados Unidos para alimentar de energía sus centros de datos, que tienen una alta demanda, según un acuerdo firmado entre Google y la empresa Elementl Power del sector de la energía atómica.

Economistas y reguladores advierten que, si no se acelera la nueva capacidad eléctrica y la descarbonización, la expansión de la IA tensará las redes locales y provocará subidas de precios de la energía.

En España, los acuerdos firmados por Amazon, Google o Microsoft para levantar sus centros de datos chocan drásticamente con la ocurrencia del Gobierno de cerrar centrales nucleares como la de Almaraz. Esta fuente de energía limpia que se sigue utilizando y fomentando en otros países puede llevar a España a una crisis energética importante, nuevos apagones o la huida de las grandes multinacionales en busca de más y mejor energía.

En algunos países ya crece la presión para que las empresas publiquen comparativas sobre cuánta energía y agua consumen al entrenar y operar sus modelos y así trabajar en mejorar la eficiencia ante un futuro dedicado a la IA.