Un nuevo informe del United Nations University Institute for Water, Environment and Health (UNU-INWEH) advierte que el impacto ambiental de la inteligencia artificial (IA) está siendo evaluado de manera incompleta. Según el reporte Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints, los análisis actuales suelen centrarse en las emisiones de carbono asociadas al entrenamiento de modelos, pero dejan de lado otros efectos significativos relacionados con el consumo de agua y el uso del territorio.
La investigación sostiene que la rápida expansión de los centros de datos que sustentan el desarrollo de la IA está generando una presión creciente sobre recursos naturales estratégicos. De acuerdo con las proyecciones, para 2030 estas instalaciones consumirán alrededor de 945 teravatios-hora (TWh) de electricidad al año, cifra equivalente a casi el triple del consumo conjunto de Pakistán, Bangladesh y Nigeria.
Los autores estiman además que la huella hídrica asociada a esa demanda energética alcanzará los 9,3 billones de litros de agua, volumen comparable a las necesidades domésticas básicas anuales de 1.300 millones de personas en África Subsahariana. A su vez, la huella territorial vinculada a la infraestructura energética necesaria para alimentar estos sistemas superará los 14.500 kilómetros cuadrados.
Uno de los principales aportes del informe es la incorporación de una visión multidimensional del impacto ambiental de la IA. Los investigadores destacan que cada unidad de electricidad consumida por los sistemas de inteligencia artificial genera simultáneamente una huella de carbono, una huella hídrica y una huella de uso de suelo, variables que no siempre evolucionan en la misma dirección. Por ello, advierten que una estrategia orientada únicamente a reducir emisiones podría trasladar presiones hacia otros recursos naturales.
El documento también cuestiona la idea de que el entrenamiento de modelos sea el principal responsable del consumo energético de la IA. Según sus estimaciones, entre el 80% y el 90% de la energía utilizada por estos sistemas corresponde a la etapa de inferencia, es decir, al procesamiento cotidiano de consultas y solicitudes realizadas por los usuarios una vez que los modelos ya están en funcionamiento.
En este sentido, el reporte señala que ChatGPT procesa alrededor de 2.500 millones de consultas diarias, lo que representa un consumo anual estimado de 383 GWh de electricidad para un único servicio.
La creciente popularidad de las herramientas generativas aparece como otro factor de preocupación. El estudio indica que generar una imagen mediante IA puede requerir unas 1.450 veces más energía que una tarea básica de clasificación de texto, mientras que la creación de un video corto puede demandar tanta electricidad como 200.000 operaciones simples de filtrado de spam.
Los investigadores también alertan sobre el denominado “efecto rebote” o Paradoja de Jevons. A medida que los sistemas se vuelven más eficientes y baratos, aumenta su utilización, lo que puede terminar anulando los beneficios ambientales obtenidos por las mejoras tecnológicas.
Además de los impactos ambientales directos, el informe analiza las desigualdades asociadas al desarrollo global de la IA. Actualmente, más del 90% de la capacidad mundial de cómputo especializada se concentra en Estados Unidos y China, mientras que más de 150 países carecen de infraestructura propia para inteligencia artificial. Según los autores, esta concentración amplía la brecha digital y genera una distribución desigual de los costos y beneficios del sector.
A ello se suma la proyección de que la infraestructura vinculada a la IA podría generar hasta 2,5 millones de toneladas de residuos electrónicos por año hacia 2030, además de incrementar la demanda de minerales críticos extraídos en regiones con estándares ambientales más débiles.
Frente a este escenario, el informe propone avanzar hacia un ecosistema de inteligencia artificial basado en principios de transparencia, eficiencia, responsabilidad ambiental, equidad y cooperación internacional. Entre las recomendaciones se incluyen la incorporación de criterios ambientales en la planificación energética, hídrica y territorial, la creación de estándares de reporte más amplios y una mayor participación de las comunidades afectadas por la instalación de centros de datos.
La conclusión central del estudio es que el desarrollo de la inteligencia artificial puede continuar generando beneficios económicos y sociales, pero requiere mecanismos de gobernanza capaces de medir y gestionar de manera integral sus impactos sobre los recursos naturales y los territorios donde se despliega su infraestructura.
