El coste ambiental de la IA, con honestidad

El coste ambiental de la IA se ha vuelto un fijo en la conversación, normalmente en forma de una comparación alarmante: tantas búsquedas equivalen a una botella de agua, o entrenar un modelo emite tanto como cierto número de coches. Algunas de estas afirmaciones son aproximadamente correctas, muchas están exageradas y casi todas aplanan una historia que es genuinamente más interesante contada sin rodeos. La IA sí consume energía real y agua real, y ese consumo está creciendo. Pero entender dónde vive el coste, y de qué depende, importa más que memorizar una cifra aterradora. Esta es la versión fundada.

Dos costes muy distintos: entrenamiento e inferencia

Lo primero que separar es el entrenamiento de la inferencia, porque no se comportan en nada parecido.

El entrenamiento es el esfuerzo único y enorme de construir un modelo. Hace funcionar enormes cantidades de procesadores durante un periodo prolongado y produce una sola cifra de energía dramática, del tipo que llega a los titulares. Ocurre rara vez, por modelo.

La inferencia es lo que pasa cada vez que alguien usa el modelo terminado. Una consulta es barata. Pero la inferencia ocurre constantemente, entre vastas cantidades de usuarios, indefinidamente. A lo largo de la vida de un modelo popular, la energía acumulada de servirlo puede rivalizar o superar el coste de entrenarlo.

Los titulares se fijan en el entrenamiento porque la cifra es grande y singular. La historia más callada y continua es la inferencia, y a medida que la IA se integra en los productos cotidianos, el coste de funcionamiento es hacia donde apunta la tendencia.

A dónde va realmente la energía

Dentro de un centro de datos, la electricidad hace dos trabajos principales. El primero es la computación en sí: los procesadores haciendo las cuentas. El segundo es la refrigeración, porque toda esa computación produce calor, y el hardware falla si se calienta demasiado. La refrigeración puede ser una fracción sustancial del uso total de energía de una instalación.

Por eso la eficiencia no trata solo de chips más rápidos. La eficiencia global de un centro de datos —cuánta energía llega a la computación útil frente a cuánta se gasta en mantener las cosas frías y alimentadas— varía mucho entre instalaciones. Un centro bien diseñado en un clima frío con refrigeración moderna desperdicia mucho menos que uno más antiguo en una región caliente. La misma carga de trabajo puede tener huellas significativamente distintas según dónde y cómo se ejecute.

La cuestión del agua

El agua entra en escena de dos formas, y es fácil confundirlas. Algunos centros de datos usan agua directamente para refrigerar, evaporándola para disipar el calor. Por separado, generar la electricidad en sí a menudo consume agua, según cómo se produzca esa energía. Así que la huella hídrica de una instalación depende tanto de su método de refrigeración como de la mezcla energética de la que se nutre.

Por eso las cifras genéricas de agua por consulta son endebles. El número real depende del diseño de refrigeración de la instalación concreta y de la red eléctrica local. Un centro que usa refrigeración de circuito cerrado y electricidad de bajo consumo de agua tiene un perfil muy distinto del de uno que evapora agua en una región propensa a la sequía. La respuesta honesta a "cuánta agua usa la IA" es: depende, mucho, de dónde.

Por qué la fuente de energía domina el veredicto

Si hay un factor que determina el impacto climático de la IA más que cualquier otro, es lo que produce la electricidad. La misma computación alimentada por energía baja en carbono frente a combustibles fósiles produce emisiones radicalmente distintas. El coste en carbono de la IA es, en primera aproximación, el coste en carbono de su fuente de energía.

Esto replantea la pregunta de forma productiva. La palanca que más importa no es si la computación ocurre, sino cuán limpia es la red que hay detrás. También explica por qué importan la ubicación y el momento de las cargas de trabajo: ejecutar la computación donde y cuando hay energía más limpia disponible puede cambiar la huella sin cambiar el trabajo. La conversación sobre la infraestructura y la conversación sobre el clima son, en el fondo, la misma conversación sobre fuentes de energía.

Mantener la escala en perspectiva

Vale la pena sostener dos cosas ciertas a la vez. El uso de energía de la IA es real, sube rápido y merece tomarse en serio: la demanda concentrada puede tensar las redes y los suministros de agua locales en lugares concretos. Al mismo tiempo, la IA es una porción del uso total de energía e infraestructura digital, situada junto a muchos otros grandes consumidores, y el uso individual es pequeño en relación con la huella sistémica de entrenar y servir modelos a escala.

Ambos enfoques se distorsionan. "Tu pregunta al chatbot está destruyendo el planeta" exagera el caso individual; "la huella de la IA es insignificante" subestima la tendencia agregada. La posición precisa está en el medio: el coste por uso es modesto, el agregado y el crecimiento son significativos, y el impacto es muy desigual entre regiones. Resiste cualquier cifra única ofrecida como la historia completa.

Lo que realmente mueve la aguja

Las palancas relevantes son en su mayoría estructurales más que individuales:

• Energía más limpia para las instalaciones que hacen el trabajo: el factor más importante por sí solo.
• Hardware y software eficientes, ya que un modelo o chip más eficiente reduce el coste de cada consulta futura.
• Centros de datos mejor ubicados y mejor refrigerados, situados y diseñados para minimizar el desperdicio de energía y agua.
• Modelos del tamaño adecuado, usando un modelo más pequeño cuando basta en lugar del más grande disponible para cada tarea.
• Transparencia, de modo que la información sobre energía y agua permita medir los costes reales en vez de adivinarlos.

La moderación individual no es inútil, pero las mayores ganancias vienen de cómo se construyen y alimentan los sistemas, no de que una sola persona consulte menos.

En resumen

El coste ambiental de la IA es real, pero es más específico de lo que sugieren los titulares. La dramática cifra de entrenamiento es un evento único; el coste continuo y más callado es la inferencia a escala. La energía va tanto a la computación como a la refrigeración, el uso de agua depende por completo de las decisiones locales de refrigeración y energía, y el veredicto climático lo domina una variable por encima de todas: cuán limpia es la electricidad. El resumen honesto no es ni alarma ni desdén: el coste por uso es pequeño, la tendencia agregada es seria y desigual, y el verdadero progreso viene de energía más limpia, sistemas más eficientes e infraestructura mejor construida. Toma el coste en serio, pero exige los detalles.