Durante años hablamos de la inteligencia artificial como si viviera en una nube abstracta: modelos, algoritmos, agentes, automatización. Pero la nube no flota. Está anclada en terrenos concretos, conectada a redes eléctricas saturadas, refrigerada con agua y alojada en edificios industriales llenos de servidores. La IA no es solo software; es una nueva demanda material sobre el planeta.

El debate público suele concentrarse en empleos, derechos de autor, sesgos o productividad. Todo eso importa. Sin embargo, hay una pregunta menos visible y cada vez más urgente: ¿cuánto cuesta físicamente sostener esta revolución? La respuesta obliga a mirar más allá de las aplicaciones brillantes y entender la infraestructura que las hace posibles.

La IA consume energía antes de responder una sola pregunta

Entrenar grandes modelos de lenguaje requiere procesar cantidades inmensas de datos durante semanas o meses en miles de chips especializados. Ese entrenamiento es intensivo en electricidad, pero no es el único gasto. Una vez desplegado el modelo, cada consulta también consume energía: los servidores calculan, almacenan contexto, generan respuestas y mantienen sistemas redundantes para que el servicio esté disponible en todo momento.

La diferencia con el internet tradicional es de escala y complejidad computacional. Buscar una página web o enviar un correo tiene un costo energético relativamente bajo. Pedir a un modelo que redacte, razone, traduzca, genere imágenes o escriba código implica muchas más operaciones matemáticas. Si millones de personas integran IA en buscadores, oficinas, teléfonos, educación, atención médica y programación, el consumo agregado deja de ser marginal.

Esto no significa que toda IA sea un desastre energético. Hay modelos pequeños, optimizaciones de hardware, técnicas de compresión y centros de datos más eficientes. El problema es que la mejora de eficiencia puede quedar neutralizada por el aumento de uso. Cuando algo se vuelve más barato y fácil de usar, se usa más. En economía esto se conoce como efecto rebote, y la IA parece candidata perfecta: cada reducción de costo abre nuevas aplicaciones y más demanda.

Los centros de datos son las fábricas del siglo XXI

Un centro de datos moderno se parece menos a una oficina tecnológica y más a una instalación industrial crítica. Necesita electricidad constante, conectividad de alta capacidad, sistemas de enfriamiento, seguridad física, baterías, generadores de respaldo y acceso a suelo adecuado. Su ubicación no es casual: depende de precios de energía, disponibilidad de agua, incentivos fiscales, estabilidad regulatoria y cercanía a usuarios o nodos de red.

La expansión de la IA está acelerando una carrera inmobiliaria y energética. Grandes empresas tecnológicas buscan terrenos cerca de subestaciones eléctricas, firman contratos de energía a largo plazo y presionan para ampliar redes de transmisión. En algunos lugares, los operadores de red ya advierten que la demanda de centros de datos compite con electrificación industrial, vehículos eléctricos y crecimiento urbano.

Este punto es clave: la IA no consume energía en el vacío. Compite por capacidad con hogares, hospitales, fábricas y transporte. Cuando una región promete convertirse en polo digital, también debe preguntarse quién pagará las nuevas líneas eléctricas, qué matriz energética alimentará esos servidores y qué ocurre si la demanda supera las previsiones.

El agua: el recurso incómodo de la computación

El otro costo menos discutido es el agua. Los servidores generan calor y deben mantenerse dentro de rangos seguros. Muchos centros de datos utilizan sistemas de enfriamiento evaporativo, que pueden consumir cantidades significativas de agua, especialmente en climas cálidos o secos. Otros usan soluciones cerradas o refrigeración líquida más eficiente, pero no hay una fórmula universal: cada diseño implica intercambios entre consumo eléctrico, consumo hídrico y costo.

El problema no es solo cuánta agua se usa, sino dónde y cuándo. Un centro de datos en una región con abundancia hídrica y energía renovable puede tener una huella muy distinta a otro instalado en una zona con estrés hídrico. Además, las olas de calor elevan simultáneamente la demanda de refrigeración y la presión sobre recursos locales. En ese escenario, la infraestructura digital se vuelve parte de la política del agua.

Para una comunidad, la llegada de un centro de datos puede traer inversión, empleo especializado y recaudación. Pero también puede generar dudas legítimas: ¿cuánta agua usará?, ¿qué garantías hay en periodos de sequía?, ¿se publicarán datos auditables?, ¿la tarifa eléctrica local subirá?, ¿se construirá infraestructura que beneficie a todos o solo a un operador privado?

El mito de que la nube es automáticamente verde

Las grandes tecnológicas suelen anunciar compromisos de neutralidad de carbono y compras de energía renovable. Es positivo que exista presión por descarbonizar, pero conviene distinguir entre marketing climático y reducción real de impacto. Comprar certificados renovables no siempre equivale a consumir energía limpia hora por hora. Un centro de datos puede operar de noche o en picos de demanda cuando la electricidad proviene de gas o carbón, aunque en el balance anual compre energía renovable.

La métrica que importa cada vez más no es solo cuánta energía renovable se compra en promedio, sino si el consumo se alinea con generación limpia en tiempo real y en la misma red. También importa la adicionalidad: que los contratos impulsen nueva capacidad renovable y no simplemente reclamen energía que ya existía. Sin transparencia, es difícil separar avances reales de contabilidad conveniente.

La pregunta no es si debemos usar inteligencia artificial, sino qué tipo de infraestructura queremos construir para sostenerla.

No toda IA merece el mismo costo

Una forma madura de discutir el impacto ambiental de la IA es abandonar los extremos. No tiene sentido afirmar que la IA debe frenarse por completo, ni asumir que cualquier uso se justifica por ser innovador. Hay aplicaciones con alto valor social: diagnóstico médico asistido, optimización de redes eléctricas, descubrimiento de materiales, predicción de desastres, accesibilidad para personas con discapacidad o eficiencia logística. En esos casos, el gasto energético puede ser razonable si el beneficio es claro.

Pero también habrá usos triviales, redundantes o diseñados solo para aumentar engagement: generación masiva de contenido basura, publicidad hiperpersonalizada, automatización de spam, imágenes descartables o asistentes incorporados en productos que no los necesitan. Si la capacidad computacional es limitada y tiene costos ambientales, conviene diferenciar entre IA útil e IA ornamental.

La eficiencia debe medirse por resultado, no solo por operación. Una herramienta que consume energía pero reduce desperdicio industrial, ahorra viajes o mejora tratamientos puede tener balance positivo. Una función que añade complejidad sin mejorar nada simplemente desplaza costos invisibles a la red eléctrica, al agua y al territorio.

Qué deberían exigir gobiernos, empresas y usuarios

  • Transparencia verificable: publicar consumo eléctrico, uso de agua, origen de la energía y emisiones asociadas por centro de datos, no solo cifras globales maquilladas.
  • Ubicación responsable: evitar instalar infraestructura intensiva en agua en zonas con estrés hídrico y priorizar regiones con redes limpias y capacidad disponible.
  • Contratos renovables de calidad: promover energía limpia adicional, local y alineada por horas, no únicamente certificados anuales.
  • Eficiencia por diseño: usar modelos adecuados al tamaño de la tarea. No todo requiere el modelo más grande ni la respuesta más costosa.
  • Planificación pública: integrar centros de datos en estrategias energéticas nacionales, con reglas claras sobre quién financia nuevas redes y cómo se protegen consumidores.
  • Derecho a elegir: permitir que usuarios y empresas activen IA cuando aporte valor, en lugar de imponerla por defecto en cada producto digital.

Una infraestructura que ya es geopolítica

El costo físico de la IA también tendrá consecuencias geopolíticas. Los países con energía abundante, redes estables, agua disponible, suelo seguro y regulación predecible atraerán centros de datos. Los que carezcan de esos recursos dependerán de infraestructura extranjera para procesar datos, entrenar modelos y ofrecer servicios críticos. La soberanía digital, por tanto, no dependerá solo de talento o legislación, sino de megavatios, permisos ambientales y cadenas de suministro de chips.

Esto abre oportunidades para regiones con excedentes renovables, climas fríos o capacidad de reconvertir zonas industriales. Pero también puede crear enclaves tecnológicos que consumen recursos locales sin generar desarrollo amplio. La diferencia estará en la negociación: condiciones ambientales, empleo, transferencia de capacidades, impuestos justos e infraestructura compartida.

Conclusión: hacer visible lo que la nube esconde

La inteligencia artificial puede ser una de las tecnologías más transformadoras de nuestra época, pero su impacto no se resolverá con entusiasmo ni con miedo. Necesitamos una contabilidad más honesta. Cada modelo tiene una huella. Cada centro de datos ocupa territorio. Cada respuesta requiere energía. Cada sistema de enfriamiento depende de decisiones concretas sobre agua y clima.

El desafío no es renunciar a la IA, sino dejar de tratarla como magia barata. Si queremos que sea una herramienta de progreso, debe construirse sobre infraestructura limpia, transparente y socialmente negociada. La verdadera inteligencia no estará solo en los modelos, sino en decidir cuándo usarlos, dónde alojarlos y qué costos estamos dispuestos a aceptar.