¿Puede la IA salvar al planeta sin acabar destrozándolo antes?

08 Octubre de 2025

Esto es así: parece que la IA que sirve para todo. Tan pronto te recomienda qué serie ver un perezoso domingo por la tarde como te inventa una receta exprés con lo poco que queda en la nevera. Pero hay un detalle del que no se habla mucho: la IA consume mucha energía, y eso contamina. Entrenar un modelo de IA puede generar más emisiones de CO₂ que cinco coches a lo largo de toda su vida útil. ¡Cinco! Y todo para que el algoritmo te diga qué zapatillas comprar.

Un informe reciente de la organización Beyond Fossil Fuels ha estimado, como puede observarse en un artículo de La Vanguardia, que la demanda eléctrica en Europa aumentará un 160 % durante esta década para cubrir las necesidades de la IA. Para 2030, será necesario incorporar a la red lo que consume España en un año. Como si se creara un nuevo país, el de la IA.

Detrás de cada modelo hay miles de servidores trabajando a destajo sin parar durante semanas. Eso significa calor, electricidad, emisiones. La contradicción acontece evidente: ¿y si la IA, que debería ayudarnos a ser más eficientes, termina aumentando el consumo de electricidad en todo el mundo?

Por suerte, parte de la industria (los que tienen más dinero) se está dando cuenta. Google, por ejemplo, se ha atrevido incluso a poner cifras sobre la mesa.

Google y los 9 segundos de tele

En agosto de 2025, Google publicó algo que puede marcar un antes y un después: una metodología detallada para medir la huella ambiental de la IA. Energía, agua, emisiones… todo contabilizado. Porque, ojo, hasta ahora casi nadie sabía cuánto contamina realmente un “prompt” (es decir, una consulta a un modelo).

Lo curioso es que, en un año, el consumo de energía de sus modelos bajó un montón, y la huella de carbono por pregunta también. Para que nos entendamos: preguntar algo a Gemini ahora contamina lo mismo que tener la tele encendida menos de nueve segundos.

¿Magia? No. Eficiencia. Lo han “mejorado” todo, desde el hardware (chips diseñados a medida) hasta el software, pasando por la refrigeración y sus centros de datos. No nos olvidemos, no obstante, que su consumo eléctrico subió un 27 %.

Conclusión: se puede ser más eficiente incluso cuando el negocio crece. Pero hace falta innovación.

Tres desafíos que pueden maquillarse

Ahora bien, que Google saque pecho con todo lo que ha hecho no significa que todo esté resuelto. La industria de la IA encara tres desafíos enormes:

Transparencia: Google ha dado el primer paso mostrando sus datos, algo que la mayoría de empresas aún no ha hecho. Sin cifras verificables, hablar de “IA verde” es puro marketing.
Escalabilidad: un modelo pequeño es fácil de manejar. Pero ¿qué pasa cuando decenas de empresas entrenan modelos del tamaño de Gemini o ChatGPT cada mes? Ahí la huella se dispara.
Compensar no es suficiente: plantar árboles está bien, pero no arregla que un modelo devore megavatios. Lo urgente es consumir menos, no solo compensar.

Soluciones sencillas y útiles (más allá de Google)

No solo hay que mejorar la eficiencia de empresas como Google. Un informe reciente de la UNESCO y la UCL revela que pequeños cambios en cómo se crean y se usan los modelos de IA pueden reducir mucho el consumo de energía sin afectar el rendimiento. Recomienda usar modelos más pequeños en lugar de los grandes, lo que podría reducir el consumo de energía hasta en un 90 %. El informe explora tres innovaciones clave:

Modelos más pequeños y especializados: los modelos más pequeños, adaptados a tareas específicas, pueden reducir el consumo de energía hasta en un 90 %.
Respuestas y prompts más cortos y concisos: el uso de prompts más directos y menos extensos puede reducir el consumo de energía en más de la mitad.
Compresión de modelos: la implementación de técnicas de compresión, como la cuantización, puede ahorrar hasta un 44 % de energía al reducir el tamaño de los modelos sin pérdida de precisión.

¿Qué se está haciendo y qué falta por hacer?

Más allá de lo mencionado, las soluciones pasan por tres caminos que ya están en marcha:

Modelos más eficientes: algoritmos que requieren menos datos, menos parámetros y menos tiempo de entrenamiento.

Energías renovables: cada vez más centros de datos funcionan con solar o eólica. No solo por amor al planeta, sino porque, además, sale rentable.

Optimización inteligente: aplicar IA para reducir el consumo de la propia IA. Sí, suena a trabalenguas, pero funciona (el ejemplo de Google lo demuestra).

El problema es que no todas las empresas tienen el dinero de Google para invertir en tecnología cara. Y ahí está el peligro: que la sostenibilidad sea solo para los grandes, mientras los demás siguen contaminando.

El papel de la regulación (y el nuestro)

Europa ya está presionando con marcos legales que exigen transparencia en el consumo energético de la IA. Y es probable que en pocos años veamos etiquetas de impacto ambiental junto a los servicios digitales, igual que hoy las tenemos en los electrodomésticos.

Como usuarios, no podemos auditar servidores, pero sí podemos exigir que las empresas publiquen sus datos y optar por soluciones que prioricen la eficiencia. No es la panacea, pero la presión del mercado también cuenta.

Es obvio que la IA es una de las transformaciones tecnológicas más grandes de nuestra era. Y que ha venido para quedarse. Puede ayudarnos a diagnosticar enfermedades, predecir incendios o gestionar mejor la energía. Pero también puede convertirse en una aspiradora de electricidad si no se controla.

altamente interactivos en el futuro.

La pregunta ya no es si la IA puede reducir su huella de carbono. La pregunta es si lo hará lo bastante rápido como para que no tengamos que usarla, dentro de unos años, para calcular cuántas ciudades se tragó el cambio climático. Hay que actuar ya.