A medida que la inteligencia artificial (IA) sigue transformando industrias, su impacto en el consumo energético se vuelve cada vez más preocupante.
Empresas como Nvidia, líder en la producción de chips para IA, han desarrollado procesadores que multiplican por más de 100 el uso de energía en comparación con los servidores de hace dos décadas.
Frente a este escenario, el sector tecnológico busca soluciones para hacer frente a una creciente demanda de infraestructura sin desbordar los límites energéticos globales.
De acuerdo con la Agencia Internacional de la Energía (AIE), los centros de datos —donde se alojan las aplicaciones de IA— podrían consumir hasta un 3% de la electricidad mundial para 2030, el doble de lo que representan actualmente.
Nuevas tecnologías para un menor impacto
Ante esta realidad, las empresas han comenzado a implementar estrategias más eficientes, desde sistemas de refrigeración líquida hasta algoritmos de programación más precisos.
Gareth Williams, de la consultora Arup, destaca que hoy la energía usada para mantener frescos los servidores equivale apenas al 10% del consumo total, una gran mejora respecto al 100% de hace 20 años. Esto se debe, en parte, al uso creciente de refrigeración por agua, que permite operar a temperaturas más altas, facilitando el proceso de enfriamiento.
En paralelo, compañías como Amazon han presentado nuevas soluciones portátiles de refrigeración, como el sistema IRHX, capaz de instalarse sin modificar la infraestructura existente.
Chips, sensores y eficiencia
También se están desarrollando microprocesadores más eficientes y sistemas que permiten alargar la vida útil de las GPU (unidades de procesamiento gráfico) sin perder rendimiento.
Investigadores de universidades como Míchigan y Purdue trabajan en algoritmos que predicen el consumo eléctrico por chip, lo que podría generar ahorros del 20% al 30%.
Además, los sensores inteligentes en los centros de datos ahora permiten gestionar la temperatura por zonas específicas, optimizando el uso del agua y la electricidad.
IA para controlar a la IA
Los avances también llegan al campo del software. El equipo chino de DeepSeek logró entrenar un modelo de IA generativa competitivo con GPU menos potentes, optimizando la programación y saltándose etapas de entrenamiento consideradas necesarias hasta ahora.
Sin embargo, el reto está lejos de terminar. El profesor Yi Ding, de la Universidad de Purdue, advierte sobre la paradoja de Jevons: cuanto más eficiente se vuelve una tecnología, más se incrementa su uso, ya que se abaratan sus costos y se amplía su demanda.
“Es probable que el consumo energético de la IA siga aumentando, aunque a menor ritmo”, explica.
Un futuro que requiere equilibrio
En este contexto, figuras políticas como el expresidente Donald Trump han anunciado posibles inversiones millonarias —como los 70 mil millones de dólares previstos para Pensilvania— destinados a potenciar infraestructuras de IA y energía, mostrando la magnitud del desafío.
El crecimiento acelerado de la inteligencia artificial no solo plantea retos tecnológicos, sino también ambientales y económicos. El equilibrio entre innovación y sostenibilidad será clave para evitar que el avance de la IA implique un costo demasiado alto para el planeta.
