¿La IA es mala para el medio ambiente? La respuesta honesta

Respuesta corta: una respuesta de IA no es mala para el medio ambiente, pero la IA en conjunto sí puede serlo, por lo rápido que crece y por cómo se alimenta. Una pregunta de texto típica usa más o menos la electricidad de unos segundos de televisión. El problema es que miles de millones de esas preguntas, más imágenes, video y documentos largos, están disparando el consumo eléctrico de los centros de datos, y buena parte de esa electricidad todavía sale de combustibles fósiles.

Que la IA termine siendo mala para el planeta depende menos de una consulta concreta y más de dos decisiones: qué energía alimenta los centros de datos y qué tan eficientes son los modelos.

Cuánto cuesta de verdad una respuesta de IA

Las mejores cifras vienen de las empresas que operan los modelos:

	Electricidad por respuesta de texto	Agua por respuesta de texto
Google Gemini (consulta mediana)	0.24 Wh	0.26 mL
OpenAI ChatGPT (consulta promedio)	Unos 0.34 Wh	Unos 0.32 mL

Para darte una idea, Google compara 0.24 Wh con ver la tele menos de nueve segundos, y 0.26 mL son unas cinco gotas de agua. Los investigadores independientes de Epoch AI calculan una consulta típica a GPT-4o en unos 0.3 Wh, en el mismo rango.

Algunas tareas cuestan mucho más:

• Documentos largos. El modelo lee todo lo que le envías, cada vez. Epoch AI estima que una consulta con 10,000 tokens de entrada, un informe largo, usa unos 2.5 Wh.
• Imágenes. En un estudio revisado por pares sobre modelos de imagen abiertos, generar una imagen usó de media unos 2.9 Wh, lo mismo que unas diez respuestas de texto.
• Modos de razonamiento y video. Los modelos que «piensan» paso a paso y la generación de video usan muchísimo más.

Las cifras antiguas que todavía circulan, como 3 Wh por pregunta a ChatGPT, son unas diez veces demasiado altas para los modelos actuales, según Epoch AI.

Por qué el problema real es el total

Por respuesta, la IA es cada vez más eficiente. Google informa que la energía de su consulta mediana de texto en Gemini bajó 33 veces en los doce meses hasta mayo de 2025.

Pero el uso crece más rápido que la eficiencia. La Agencia Internacional de la Energía estima que los centros de datos del mundo usaron unos 485 TWh de electricidad en 2025, un 17% más en un año, y los centros de datos dedicados a la IA crecieron un 50%. Espera que el consumo total casi se duplique hasta 950 TWh en 2030, alrededor del 3% de la demanda eléctrica mundial.

Ese crecimiento tiene que alimentarse con algo. Cuando se cubre con nuevas plantas de gas o manteniendo abiertas centrales de carbón, la IA suma emisiones reales. Varias grandes tecnológicas han visto subir sus emisiones al expandir la IA; Google, por ejemplo, dio marcha atrás en su compromiso de cero emisiones netas para 2030 (artículo en inglés).

Agua

Muchos centros de datos enfrían sus chips con torres de refrigeración por evaporación, y el agua que evaporan se pierde para el suministro local. Las centrales eléctricas de carbón, gas y nucleares también usan agua.

Por respuesta, las cantidades son pequeñas. En total suman: investigadores de UC Riverside y UT Arlington proyectan que la demanda mundial de IA podría suponer entre 4,200 y 6,600 millones de metros cúbicos de extracción de agua en 2027. Importa sobre todo donde se construyen centros de datos en regiones calurosas, secas y con escasez de agua. Lee más en cuánta agua usa la IA.

Hardware y entrenamiento

Dos partes de la huella de la IA casi nunca aparecen en las cifras por respuesta:

• El entrenamiento. Crear un modelo grande requiere una enorme cantidad de cómputo antes de que nadie lo use.
• El hardware. Fabricar chips y servidores consume energía, agua y minerales, y el hardware se reemplaza cada pocos años.

Mistral es una de las pocas empresas que ha publicado un estudio completo del ciclo de vida que cubre las dos cosas. Encontró que el impacto crece más o menos en proporción al tamaño del modelo, otra razón para usar modelos más pequeños cuando son suficientes.

Qué decide si la IA es parte del problema

1. De dónde viene la electricidad. La misma respuesta tiene una huella de carbono mínima en una red hidroeléctrica o eólica y una mucho mayor con carbón. Es el factor más importante.
2. Qué tan eficientes son los modelos. Modelos del tamaño adecuado, usados para las tareas adecuadas, reducen mucho la energía.
3. Cómo se refrigeran los centros de datos. Los climas fríos y la refrigeración en circuito cerrado usan mucha menos agua que las torres de evaporación en regiones calurosas.
4. Si se construye energía limpia nueva. El crecimiento de la IA puede afianzar la energía fósil o pagar nueva energía eólica, solar y almacenamiento.

Qué puedes hacer

• Usa un modelo más pequeño y rápido para las preguntas del día a día.
• Evita los modos de razonamiento, las imágenes y el video cuando no los necesites.
• Adjunta solo la parte del documento que necesitas.
• Elige una app de IA que diga dónde están sus centros de datos y qué los alimenta. Mira qué es la IA ecológica.

Cómo lo hace Viro. El modelo propio de Viro funciona en centros de datos de Islandia, Noruega, Finlandia e Irlanda alimentados con energía hidroeléctrica, geotérmica y eólica, con refrigeración por aire frío exterior y circuitos cerrados en lugar de evaporación. Cuando usas ChatGPT, Claude o Gemini dentro de Viro, esas respuestas funcionan en los servidores de sus creadores; Viro estima la electricidad de cada mensaje y financia nueva energía limpia equivalente. Cada respuesta muestra una estimación de la electricidad que usó. Ver los centros de datos.

La IA no tiene por qué ser mala para el medio ambiente. Con energía limpia y modelos eficientes, su crecimiento puede ayudar a pagar la expansión de la energía limpia en lugar de frenarla.

Prueba Viro AI gratis: ChatGPT, Claude, Gemini y el modelo propio de Viro, alimentado con energía renovable, en una sola app y en español.

Preguntas frecuentes

¿La IA es mala para el medio ambiente?

Puede serlo, sobre todo por la escala y por cómo se alimenta. Una respuesta de texto usa entre 0.24 y 0.34 vatios-hora, unos segundos de televisión, pero los centros de datos usaron unos 485 TWh de electricidad en 2025 y la AIE espera que esa cifra casi se duplique para 2030. Una IA con energía limpia y modelos del tamaño adecuado tiene una huella mucho menor.

¿Qué tan malo es ChatGPT para el medio ambiente?

OpenAI dice que una consulta promedio de ChatGPT usa unos 0.34 vatios-hora de electricidad y unos 0.32 mL de agua. Por pregunta es poco. El impacto viene de miles de millones de preguntas al día y de tareas pesadas como imágenes y documentos largos, y OpenAI no ha publicado qué energía alimenta sus centros de datos.

¿La IA usa más energía que una búsqueda en Google?

Para preguntas sencillas la diferencia ya es pequeña, porque las respuestas de IA son mucho más eficientes que antes. La AIE estima que si todas las búsquedas web se hicieran como consultas simples de texto a una IA, usarían menos de 4 TWh al año, menos del 1% de lo que usan hoy los centros de datos.

¿La IA está mejorando o empeorando para el medio ambiente?

Las dos cosas. La energía por respuesta baja rápido: Google redujo 33 veces la energía de su consulta mediana de Gemini en un año. Pero el uso total sube porque la gente usa mucho más la IA, así que de dónde sacan la electricidad los centros de datos importa más cada año.

¿Cómo puedo usar la IA de forma más sostenible?

Usa modelos más pequeños para preguntas sencillas, evita los modos de razonamiento y la generación de imágenes cuando no los necesites, adjunta solo la parte del documento que necesitas y elige un proveedor de IA que diga dónde están sus centros de datos y qué los alimenta.

Fuentes

1. Key Questions on Energy and AI, Agencia Internacional de la Energía, 2026
2. How much energy does Google’s AI use? We did the math, Google Cloud, agosto de 2025
3. The Gentle Singularity, Sam Altman, OpenAI, junio de 2025
4. How much energy does ChatGPT use?, Epoch AI, febrero de 2025
5. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite y Strubell, ACM FAccT, 2024
6. Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models, Li, Yang, Islam y Ren, Communications of the ACM, 2025
7. Our contribution to a global environmental standard for AI, Mistral AI, julio de 2025

Foto de portada de Taylor Vick en Unsplash