La inteligencia artificial (IA), una fuerza transformadora global, conlleva un costo ambiental significativamente subestimado, según un reciente análisis de la Universidad de la ONU. Este estudio destaca que la evaluación de su impacto no debe limitarse a las emisiones de carbono, sino que debe incluir el consumo masivo de agua y el uso del suelo por parte de los centros de datos que la sustentan. Es crucial adoptar una visión integral para gestionar proactivamente los efectos no deseados de la IA, asegurando que su desarrollo sea sostenible y equitativo dentro de los límites planetarios.

El informe revela que los mayores consumos energéticos y de agua de la IA ocurren durante su operación continua, no solo durante su fase de entrenamiento, como se creía anteriormente. A pesar de las mejoras en eficiencia, la expansión exponencial de la IA anulará estos beneficios, intensificando la presión sobre los recursos. Esta situación se agrava por una paradoja: las opciones que parecen más ecológicas en términos de carbono a menudo resultan perjudiciales para el agua y el suelo, llevando a una transferencia de cargas ecológicas a regiones ya vulnerables.

La Medición Incompleta de la Huella Ecológica de la IA

El estudio de la Universidad de la ONU resalta que la valoración actual de la huella ambiental de la inteligencia artificial es errónea, pues se concentra casi exclusivamente en las emisiones de dióxido de carbono generadas durante el entrenamiento de grandes modelos. Este enfoque limitado pasa por alto componentes esenciales como el consumo hídrico, derivado tanto de la refrigeración de los sistemas como de la producción de energía, y la ocupación territorial, necesaria para la infraestructura energética y las cadenas de suministro. Consecuentemente, al considerar solamente el carbono, se ignoran impactos significativos sobre el agua y el suelo, desplazando estas cargas ecológicas a regiones ya vulnerables.

Cada kilovatio-hora empleado en la operación de la IA implica no solo una huella de carbono, sino también una considerable demanda de agua para la refrigeración y generación eléctrica, y una huella territorial vinculada a la infraestructura. Esta interacción compleja significa que una reducción en las emisiones de CO2 no necesariamente se traduce en una menor presión sobre los recursos hídricos y terrestres, pudiendo incluso incrementarla. Por ejemplo, optar por bioenergía para disminuir el carbono podría disparar el consumo de agua y el uso del suelo, poniendo de manifiesto que una métrica única es insuficiente para una evaluación de sostenibilidad exhaustiva.

El Creciente Consumo de Recursos y el Efecto Rebote

Los centros de datos, fundamentales para la IA, proyectan un consumo eléctrico global de 448 teravatios-hora (TWh) para 2025, superando la demanda energética de muchos países. Se estima que para 2030, esta cifra ascenderá a 945 TWh, lo que generaría hasta 400 millones de toneladas de CO2 y requeriría vastas extensiones de tierra y billones de litros de agua. Este aumento exacerbado del consumo de recursos, impulsado principalmente por la inferencia (uso continuo de modelos de IA) en lugar del entrenamiento, impone una presión insostenible sobre los ecosistemas, especialmente en regiones áridas donde la disponibilidad de agua es crítica.

La paradoja de Jevons, o efecto rebote, se manifiesta en que, a medida que los modelos de IA se vuelven más eficientes y accesibles, su uso se incrementa exponencialmente, anulando los beneficios de esa eficiencia. El informe advierte que la falta de límites claros en la extensión y complejidad de las interacciones con la IA, como la longitud de los mensajes o la resolución de las salidas, intensifica el consumo de energía y los residuos electrónicos, proyectando hasta 2,5 millones de toneladas de desechos para 2030. Casos como el de Irlanda, donde los centros de datos ya representan el 21% del consumo eléctrico nacional, subrayan la urgencia de integrar la infraestructura de IA en una planificación energética y ambiental más amplia y exigente.