La inteligencia artificial (IA) no es etérea; tiene una huella material profunda. Aunque interactuamos con ChatGPT o generamos imágenes mediante IA a través de pantallas limpias, detrás hay gigantescos centros de datos que consumen cerca del 1.5% de la electricidad mundial, cifra que podría duplicarse para 2030.
Ineficiencia de las máquinas frente al cerebro humano
Nuestro cerebro funciona con apenas 20 vatios, menos que una bombilla. En cambio, para igualar su capacidad de procesamiento bruto, una IA necesitaría una infraestructura que consuma la energía de toda la ciudad de Dallas (1.3 millones de habitantes). Esta brecha se debe a que la IA actual mantiene miles de chips encendidos al máximo, mientras que el cerebro solo activa las neuronas necesarias.
Entrenar vs. ejercer: dos etapas costosas
La IA tiene dos fases: el entrenamiento (estudiar billones de datos) y la inferencia (responder preguntas). Entrenar GPT-4 costó unos 78 millones de dólares en poder de cómputo y consumió entre 5,000 y 10,000 MWh. Aunque una respuesta individual gasta poco (0.3 Wh), la escala es gigantesca: la inferencia representa entre el 80% y 90% del costo energético total.
Sed de agua: los centros de datos y la refrigeración
Los centros de datos requieren sistemas masivos de refrigeración. Una sesión de 20 a 50 preguntas equivale a que la máquina se beba una botella de 500 ml de agua dulce. Para 2027, la IA podría consumir tanta agua como la mitad del Reino Unido. Ya hay tensiones en Chile y Uruguay, donde comunidades defienden su agua potable frente a megacentros de datos de Google.
Minerales y residuos electrónicos
La IA depende de minerales como galio, germanio y cobre, cuya extracción contamina acuíferos. El hardware se vuelve obsoleto en 1 a 3 años, generando una crisis de residuos electrónicos. Para 2030, la IA generativa podría añadir hasta 5 millones de toneladas de basura electrónica, equivalente a 13,300 millones de iPhones 15 Pro al año.
La IA como martillo climático
La IA no es villana; es una herramienta. Puede predecir inundaciones con 7 días de antelación (FloodHub), ahorrar combustible con rutas eficientes (Google Maps evita 1 millón de toneladas de CO2 al año) y hacer parques eólicos un 20% más eficientes (DeepMind).
Hacia una responsabilidad planetaria
No se trata de dejar de usar IA, sino de exigir una IA Verde: transparencia sobre el consumo de agua y luz, centros de datos con energía limpia y algoritmos eficientes por diseño. La verdadera inteligencia es procesar datos sin agotar el planeta. ¿Vale la pena el costo?
