Procesos como entrenar modelos, pero también generar textos o imágenes, consumen grandes cantidades de energía. Una consulta a ChatGPT puede consumir 100 veces más electricidad que una búsqueda de Google
16 jul 2025 . Actualizado a las 05:00 h.Aunque no seamos conscientes porque estamos al otro lado de un monitor, todas las acciones que realizamos en un entorno tecnológico tienen un impacto ambiental. La fabricación, instalación, entrenamiento, mantenimiento y uso de la inteligencia artificial no se queda atrás. Aunque muchas veces se asocia lo digital con lo intangible, la realidad es que detrás de cada modelo de IA hay una enorme infraestructura física que consume recursos naturales y genera emisiones contaminantes.
«Cada búsqueda en internet, cada clic, cada interacción con herramientas basadas en IA genera una huella digital que se almacena en bases de datos y procesadores de información físicos que consumen energía y agua, generan residuos y emiten gases de efecto invernadero», explicaba en el 2024 la Universidad Ramón Llull.
Los motivos de este perjuicio de la IA para el medioambiente viene de un conjunto de factores interrelacionados. «Los requerimientos de energía, capacidad de procesado y refrigeración son los tres más directos, aunque hay otros factores, como la huella climática de las múltiples cadenas de suministro, las infraestructuras disponibles e incluso la regulación, que constituyen dimensiones relevantes en su desarrollo e implantación», dice David Ramírez en La huella medioambiental de la IA.
En datos
La inteligencia artificial lo ha transformado todo, al pasar de manos de profesionales especializados a su completa democratización, pero su impacto ambiental es cada vez más preocupante. Entrenar modelos de lenguaje grandes, como GPT, requiere enormes cantidades de energía. Un estudio de la Universidad de Massachusetts del 2019 apunta a que entrenar un solo modelo puede emitir más de 284 toneladas de CO?, equivalente al consumo de cinco vehículos durante toda su vida útil. Con modelos más avanzados, como GPT-4, esta cifra puede ser aún mayor. Pero no solo el entrenamiento contamina. Cada vez que usamos IA, como al generar texto o imágenes, se realiza un proceso llamado inferencia que también consume energía. Aunque parezca poco a nivel individual, el uso masivo de estos modelos multiplica su huella. Una simple consulta a ChatGPT puede consumir entre 10 y 100 veces más electricidad que una búsqueda en Google.
Más ejemplos: generar imágenes con IA consume entre 0.1 y 1 kWh por imagen, dependiendo del modelo y la complejidad. Esto equivale a entre 0.05 y 0.5 kg de CO? si se usa energía no renovable, comparable a conducir entre uno y tres kilómetros. Herramientas como Midjourney o DALL·E, al usarse masivamente, pueden generar miles de toneladas de CO? al mes.
Los motivos
La inteligencia artificial depende de centros de datos que necesitan energía constante y enfriamiento, lo que se traduce en emisiones adicionales si la fuente energética es fósil. A esto se suma el uso intensivo de agua: se estima que entrenar modelos como GPT-3 o GPT-4 puede implicar el consumo de millones de litros de agua, necesarios para enfriar los servidores.
Los ejemplos concretos son muy llamativos y preocupantes. El modelo BERT de Google utilizó tanta energía durante su entrenamiento como un vuelo de ida y vuelta entre Nueva York y San Francisco. Herramientas generativas como DALL·E o Midjourney también requieren una potencia de cálculo importante. Generar una sola imagen puede consumir tanta energía como cargar un teléfono móvil varias veces. Y si consideramos que millones de personas generan imágenes cada día, el impacto se multiplica rápidamente. Según Everypixel Journal, se calcula que se generan 34 millones de imágenes cada jornada.
Son muchas las compañías que han hecho públicos sus datos. Microsoft asegura que su consumo de agua aumentó un 34% entre el 2021 y el 2022, en parte por la infraestructura necesaria para entrenar modelos de IA avanzados en sus centros de datos. Los centros de datos de Google consumieron aproximadamente 23,1 mil millones de litros de agua potable en el 2023.
Soluciones
Ante este panorama, se han puesto en marcha diferentes iniciativas. Una de las más importantes es el giro hacia energías renovables. Empresas como Google, Amazon y Microsoft están comprometidas con alimentar sus centros de datos con energía solar, eólica o hidráulica, lo que reduciría significativamente las emisiones.
También se está invirtiendo en modelos más eficientes. En lugar de entrenar grandes modelos desde cero, se utiliza el fine-tuning o modelos comprimidos (como los distilled models), que requieren menos energía pero siguen ofreciendo buenos resultados. Esto permite reutilizar modelos ya entrenados sin tener que repetir todo el proceso.
En paralelo, se desarrollan chips especializados y hardware más eficientes, como las TPUs de Google o las nuevas GPUs de NVIDIA, diseñadas para ofrecer más potencia con menor consumo. Esto reduce tanto el gasto energético como la necesidad de refrigeración.
La transparencia también es clave. Cada vez más investigadores y empresas están comenzando a publicar el impacto ambiental de sus modelos, y algunas iniciativas proponen incluir una etiqueta ecológica que indique las emisiones generadas por cada modelo, tal como se hace con electrodomésticos o automóviles.
Además, se está apostando por ubicar los centros de datos en zonas frías con acceso a energías limpias, como Islandia, Noruega o Finlandia, lo que disminuye el uso de aire acondicionado industrial y mejora la eficiencia general. Google, por ejemplo, tiene un centro de datos en Hamina, Finlandia, que utiliza el agua del mar Báltico para refrigeración directa. Microsoft, por su parte, construyó un centro de datos submarino experimental llamado Project Natick frente a la costa de Escocia y ha invertido en instalaciones en Noruega.
Las organizaciones ambientales valoran estas iniciativas, pero advierten que estas medidas no son suficientes ante el crecimiento acelerado del consumo energético y de agua. Piden mayor transparencia y regulaciones más estrictas para limitar el consumo de recursos en este sector. También fomentan la eficiencia tecnológica, la reutilización de agua y una cultura digital más responsable. Critican el uso desmedido de IA y datos, que agrava la crisis climática y de recursos.