Costo energético de la IA

Entrenar un modelo de frontera implica miles de GPU corriendo en paralelo durante semanas o meses. Pero el costo agregado más grande a lo largo de la vida de un modelo suele ser la inferencia: cada consulta individual consume poco, pero multiplicada por miles de millones de consultas diarias se convierte en la mayor parte de la factura energética real.

La preocupación se volvió tema de política energética recién en los últimos años: la Agencia Internacional de Energía (IEA) empezó a dedicar análisis específicos al impacto de los centros de datos, primero en su reporte "Electricity 2024" (enero de 2024) y luego con un informe íntegro, "Energy and AI" (abril de 2025), dedicado a modelar cuánta electricidad adicional podría demandar la IA en la próxima década.

En términos accesibles: cada consulta implica multiplicar matrices en chips que disipan calor, y ese calor hay que sacarlo con aire acondicionado o, cada vez más, con agua. Li, Yang, Islam y Ren (2023) hicieron el cálculo menos visible de todos —el del agua—: entrenar GPT-3 en los centros de datos estadounidenses de Microsoft evaporó directamente 700.000 litros de agua dulce, y proyectaron que la demanda global de IA podría requerir entre 4.200 y 6.600 millones de metros cúbicos de agua para 2027, un volumen comparable al consumo anual de varios países.

Esa presión ya se tradujo en decisiones de infraestructura energética real: en septiembre de 2024, Microsoft firmó un acuerdo de compra de energía a 20 años con Constellation Energy para reabrir la Unidad 1 de la central nuclear de Three Mile Island —rebautizada Crane Clean Energy Center— con el objetivo explícito de abastecer de electricidad libre de carbono a sus centros de datos de IA, con reinicio proyectado para 2028.

Lo que se discute hoy tiene dos caras. Una es la falta de transparencia: como señalan Li et al., la huella hídrica de entrenar modelos grandes era hasta hace poco un dato prácticamente "secreto", no reportado de forma sistemática por las empresas. La otra es si la demanda de electricidad impulsada por la IA retrasa el retiro de plantas a combustibles fósiles y la descarbonización de la red, o si —como plantea el propio informe de la IEA— la misma IA puede ayudar a optimizar el uso de los sistemas energéticos. Ambas caras del debate son reales y están documentadas en la misma fuente oficial.