En resumen: La ONU alertó en 2024 de que el desarrollo de inteligencia artificial genera un impacto ambiental potencialmente irreversible: entrenar un modelo como GPT-3 emitió unas 552 toneladas de CO₂, equivalente a 300 vuelos de ida y vuelta entre Madrid y Nueva York, sin contar el consumo de agua ni los minerales críticos como el litio y el cobalto que requieren sus chips y centros de datos.
La ONU advierte que entrenar un solo modelo grande de IA consume tanta energía como cientos de vuelos y agota minerales que tardan siglos en formarse. Aquí están las cifras reales.
El impacto ambiental real de la IA explicado sin rodeos
El consumo energético de la inteligencia artificial no es un problema futuro: ya está ocurriendo y los números son difíciles de ignorar. Entrenar un solo modelo de lenguaje grande requiere semanas de cómputo intensivo en miles de chips especializados, todos funcionando a plena potencia dentro de centros de datos que nunca se apagan.
El caso de GPT-3, el modelo de OpenAI que sentó las bases de ChatGPT, es el más documentado. Según extrapolaciones basadas en el estudio de Emma Strubell (UMass Amherst, 2019), su entrenamiento consumió aproximadamente 1.287 MWh de electricidad y emitió unas 552 toneladas de CO₂. Para tenerlo en perspectiva: un vuelo Madrid–Nueva York ida y vuelta genera en torno a 1,8 toneladas de CO₂ por pasajero.
Los modelos más recientes multiplican esas cifras. GPT-4 no tiene datos oficiales publicados por OpenAI, pero estimaciones académicas independientes apuntan a un consumo varias veces superior al de su predecesor. La tendencia es clara: más capacidad, más coste ambiental.
El informe de la ONU que puso cifras al problema
El Programa de Naciones Unidas para el Medio Ambiente (UNEP) colocó la huella de carbono de ChatGPT y otros grandes modelos en el centro del debate climático durante 2024. No fue el primero en alertar, pero sí el que logró que el tema llegara a medios generalistas y gobiernos.
La advertencia de la ONU va más allá de la energía. El informe señala que la infraestructura de IA depende de minerales cuya extracción genera daños que ningún algoritmo puede compensar. El cobalto, imprescindible en las baterías y algunos componentes electrónicos de los servidores, proviene en un 70% de la República Democrática del Congo, donde su extracción está asociada a contaminación severa del suelo y agua, y en numerosos casos a trabajo infantil documentado.
A eso se suma el litio, el tantalio y las tierras raras como el neodimio. Todos comparten el mismo problema: son recursos que tardan millones de años en formarse y que la demanda tecnológica global está consumiendo a un ritmo sin precedentes.
Tu uso diario de IA también cuenta
Cada vez que lanzas una consulta a ChatGPT, Gemini o Copilot, estás usando agua. Literalmente. Los centros de datos necesitan sistemas de refrigeración que consumen millones de litros para mantener la temperatura de los servidores dentro de rangos operativos.
Microsoft lo reconoció en su informe de sostenibilidad de 2023: su consumo global de agua creció un 34% en un solo año, hasta alcanzar 6.400 millones de litros. La expansión de servicios como Azure y Copilot figura entre las causas principales. Para que la cifra resulte tangible: esa cantidad equivale a más de 2.500 piscinas olímpicas.
Aun así, el impacto individual de un usuario es marginal comparado con el coste del entrenamiento de modelos. Lo que sí está en manos del usuario es elegir con criterio, y sobre todo exigir transparencia a las empresas que desarrollan estas herramientas.
Datos, minerales, agua y qué se está haciendo
El sector tecnológico ha empezado a medir su huella, aunque las cifras que publica siguen siendo parciales. Google DeepMind y otras divisiones de Google han trabajado en técnicas de entrenamiento más eficientes, y algunas investigaciones internas apuntan a reducciones significativas de energía sin pérdida de rendimiento. Pero el volumen total de modelos entrenados cada año sigue creciendo, lo que neutraliza parte de esa eficiencia.
Esto es lo que necesitas tener claro sobre el impacto ambiental de la IA:
- El entrenamiento es el momento más costoso. Una vez entrenado, usar un modelo consume mucho menos energía. El problema está en la carrera por entrenar modelos cada vez más grandes.
- No todos los modelos son iguales. Existen modelos pequeños y locales que corren en un portátil y consumen una fracción de lo que requiere GPT-4. Para muchas tareas cotidianas, son igual de útiles.
- La ubicación del centro de datos importa. Un servidor en Islandia (energía geotérmica) tiene una huella de carbono radicalmente distinta a uno en Polonia (carbón). Elegir proveedores con compromisos verificables de energía renovable tiene efecto real.
- La transparencia es la demanda más urgente. OpenAI no publica el coste energético de entrenar GPT-4. Ninguna empresa debería poder evitar esa información indefinidamente.
- Los minerales son el flanco más ignorado. El debate se centra en CO₂, pero la crisis del cobalto en la República Democrática del Congo y el litio en el Cono Sur merecen la misma atención.
Hay algo que resulta contradictorio en todo esto: la misma industria que promete usar IA para resolver la crisis climática está generando una huella ambiental que muchas veces no cuantifica ni informa. Eso no significa que la tecnología sea el problema en sí misma, pero sí que el crecimiento sin rendición de cuentas lo es.
La presión regulatoria existe. La Unión Europea, dentro del marco del AI Act, está discutiendo requisitos de transparencia energética para los modelos más grandes. Si se aplica con rigor, será el primer paso real hacia una IA con coste ambiental visible y comparable.
—
Preguntas frecuentes sobre el consumo energético de la inteligencia artificial
¿Cuánta energía consume entrenar un modelo de inteligencia artificial?
Entrenar GPT-3 consumió aproximadamente 1.287 MWh de electricidad y emitió unas 552 toneladas de CO₂, según extrapolaciones académicas basadas en el trabajo de Emma Strubell (UMass Amherst, 2019). OpenAI no ha publicado cifras oficiales para GPT-4, pero estimaciones independientes apuntan a un consumo varias veces superior.
¿Qué minerales raros consume la inteligencia artificial y dónde se extraen?
Los chips y centros de datos de IA dependen del cobalto —el 70% proviene de la República Democrática del Congo—, el litio, el tantalio y tierras raras como el neodimio. Su extracción genera contaminación severa y, en varios casos, está documentada la explotación laboral infantil.
¿Cuánta agua gastan los centros de datos de IA?
Microsoft reportó en su informe de sostenibilidad de 2023 que su consumo global de agua creció un 34% en un año, hasta 6.400 millones de litros, en parte por la expansión de servicios de IA como Azure y Copilot. Esa cantidad equivale a más de 2.500 piscinas olímpicas.
¿Hay algo que yo pueda hacer con mi uso de IA para reducir ese impacto?
Sí: usar modelos más pequeños y locales cuando la tarea lo permite, evitar regenerar respuestas sin necesidad y elegir proveedores que publiquen métricas de sostenibilidad verificables son pasos concretos. Exigir transparencia a empresas como OpenAI o Google DeepMind tiene más impacto que cualquier ajuste en el uso individual.
