La infraestructura que sostiene la inteligencia artificial consume recursos físicos y también puede modificar la producción energética. Dos estudios recientes ayudan a dimensionar esos impactos sin confundir estimaciones con mediciones directas.
La inteligencia artificial tiene impactos ambientales directos e indirectos. Los centros de datos necesitan electricidad y, según su refrigeración, agua. Además, un modelo económico publicado en 2026 estima que las mejoras de productividad que la IA aporta a combustibles fósiles podrían generar más emisiones que las evitadas mediante sus aplicaciones en energías renovables.
La huella ambiental de la IA no está en una “nube” inmaterial. Detrás de cada modelo existen centros de datos, redes eléctricas, sistemas de refrigeración y cadenas industriales que consumen recursos y ocupan territorios.
Un estudio publicado en agosto de 2026 en npj Climate Action, revista de Nature Portfolio, modeló 64 escenarios para estimar cómo la inteligencia artificial puede modificar la productividad de los combustibles fósiles y de las energías renovables.
El trabajo es de varios científicos vinculados a Enabled Emissions Campaign, Purdue University y trabajo independiente en Estados Unidos. No midió emisiones reales de empresas: utilizó un modelo económico global para explorar distintos niveles de adopción y productividad.
¿Qué revela la huella ambiental de la IA?
Los autores calcularon que, si la IA mejora al mismo tiempo la productividad de las energías renovables y de los combustibles fósiles, el resultado neto podría ser un aumento de entre 470 millones y 1.800 millones de toneladas de CO₂ al año. Es una estimación basada en escenarios, no una predicción exacta del futuro.
La IA puede actuar en dos direcciones. Puede mejorar pronósticos, operación de redes y generación renovable, pero también hacer más eficiente la exploración y extracción de petróleo, gas y carbón.
En el modelo, las emisiones habilitadas por las mejoras en combustibles fósiles superaron a las evitadas por las mejoras renovables. Para alcanzar el equilibrio, la productividad renovable tendría que mejorar entre cuatro y cinco veces más que la fósil.
Los autores advierten límites importantes. El modelo es estático, agrupa la economía mundial en cinco regiones y 20 sectores y no reproduce dinámicas temporales como nuevas infraestructuras o cambios progresivos de adopción. Sus resultados describen dirección y escala aproximada, no un pronóstico fechado.
Esa investigación tampoco incorpora al cálculo principal las emisiones operativas de los centros de datos. Esas instalaciones constituyen otro componente de la huella ambiental de la IA.
La Agencia Internacional de Energía actualizó en 2026 su proyección: el consumo eléctrico mundial de los centros de datos pasaría de unos 485 TWh en 2025 a 950 TWh en 2030, (teravatio-hora. 1 TWh equivale a 1.000 millones de kilovatios-hora (kWh), cerca del 3 % de la electricidad global. Los centros especializados en IA triplicarían su consumo en ese periodo.
La AIE estimaba previamente unas 180 millones de toneladas de CO₂ indirectas anuales por la electricidad usada por los centros de datos. Esa cifra corresponde a todas sus cargas de trabajo, no solo a IA, y no incorpora las emisiones de los generadores de respaldo.
¿Por qué el agua también importa?
Making AI Less “Thirsty”, fue publicado en Communications of the ACM en 2025. El equipo pertenece a universidades estadounidenses y desarrolló una metodología para calcular la huella hídrica de la IA.
Los investigadores distinguen tres ámbitos: agua usada directamente para refrigerar centros de datos, agua asociada a producir la electricidad y agua empleada en fabricar servidores y chips.
Para GPT-3, de 175.000 millones de parámetros, estimaron que un entrenamiento bajo condiciones promedio de centros de Microsoft en Estados Unidos implicaría unos 708.000 litros de consumo directo y 5,44 millones de litros al sumar el agua asociada a la generación eléctrica.
Eso no significa que los investigadores midieran físicamente esa cantidad durante el entrenamiento. La ubicación concreta donde se entrenó GPT-3 no es pública, por lo que calcularon distintos escenarios. Tampoco incluyeron la fabricación de servidores por falta de datos públicos.
El estudio diferencia además extracción y consumo. Extraer agua significa tomarla de ríos, lagos o acuíferos; consumirla es la fracción que no regresa inmediatamente al sistema, por ejemplo porque se evapora.
La huella ambiental de la IA ya plantea preguntas concretas en América Latina. En Ceará, Brasil, The Intercept Brasil reveló que la autorización hídrica para un centro de datos asociado a ByteDance en Caucaia pasó de una previsión inicial de 19.700 litros diarios a hasta 144.000 litros.
La relación con la industria fósil también es visible. Petrobras reconoce el uso de algoritmos avanzados, inteligencia de datos y computación de alto rendimiento para estudiar nuevas áreas exploratorias, incluida la Margen Ecuatorial (El Margen Ecuatorial es una extensa zona marítima del norte y nordeste de Brasil donde Petrobras busca nuevos yacimientos de petróleo y gas mediante estudios sísmicos, supercomputación e inteligencia artificial.) En 2024 Petrobras invirtió 500 millones de reales brasileños (R$ 500 millones) para cinco nuevos supercomputadores, unos unos US$96 millones.
Estos datos no demuestran que toda aplicación de IA aumente las emisiones ni permiten asignar una cantidad fija de agua a cada consulta. Sí muestran que su impacto depende de dónde está la infraestructura, cómo se produce su electricidad y para qué actividades se utiliza.
La discusión ambiental, por tanto, no termina en el algoritmo. Medir con transparencia agua, energía y emisiones, incluidos los efectos de las aplicaciones de IA, será necesario para distinguir cuándo esta tecnología reduce impactos y cuándo puede amplificarlos.
¿GPT-3 consumió realmente 5,4 millones de litros de agua?
Es una estimación del estudio Making AI Less “Thirsty”. No fue una medición directa. Los autores modelaron el consumo usando energía, eficiencia hídrica y distintas ubicaciones posibles.
¿Cada consulta de ChatGPT consume una cantidad fija de agua?
No. El consumo depende del modelo, longitud de la tarea, hardware, sistema de refrigeración, ubicación y fuente eléctrica. El estudio de GPT-3 no permite establecer una cifra universal para los modelos actuales.
¿El estudio de 2026 demuestra que la IA aumentará necesariamente las emisiones?
No. Modela 64 escenarios bajo determinados supuestos. Sus autores describen una asimetría estructural entre aplicaciones fósiles y renovables, pero aclaran que el resultado no es una predicción temporal exacta.
F: npj Climate Action, Nature Portfolio
Lee sobre Estado actual de la inteligencia artificial: lo que revelan los datos globales en 2026
