ONU: El error de medir el impacto ambiental de la IA sólo por CO2 pone en serio riesgo agua y suelo

Fecha de Publicación: 05/06/2026
Fuente: Agencia EFE Verde
País/Región: Internacional


El coste ambiental de la inteligencia artificial (IA) está siendo subestimado, según un informe elaborado por el Instituto de Agua, Medio Ambiente y Salud de la Universidad de la ONU (UNU-INWEH, por sus siglas en inglés), que advierte de que es un error medir su impacto sólo por emisiones de CO2, dejando fuera el uso masivo de agua y suelo de los centros de datos en los que se basa.
Los mayores consumos de energía y agua se producen durante el uso de la IA y no durante su entrenamiento, como se creía, según la misma fuente, que subraya que las mejoras de eficiencia no bastarán para contener el creciente impacto ambiental de la IA por su cada vez mayor uso y alerta de que, habitualmente, a menos emisones, más consumo de agua y terreno.
La expansión de la IA implica infraestructura física y cadenas de suministro, como centros de datos, chips, generación de electricidad, sistemas de refrigeración, extracción de agua, ocupación de terrenos o minerales críticos, así como la generación de residuos electrónicos.
«Este informe no es un alegato contra la IA, una transformación tecnológica que está mejorando la vida de miles de millones de personas en todo el mundo. Es una llamada a utilizarla de manera responsable y a abordar de forma proactiva sus impactos no deseados para hacerla sostenible y equitativa», según el director de la UNU-INWEH, Kaveh Madani.

Una huella mal medida
El informe concluye que el coste ambiental de la IA se está midiendo de manera sistemáticamente incorrecta, debido a que la mayoría de las evaluaciones se centran en las emisiones de carbono asociadas al entrenamiento de grandes modelos.
Sin embargo, cada kilovatio-hora de electricidad utilizado para entrenar o ejecutar un sistema de IA también conlleva una huella hídrica, derivada de la refrigeración y la generación eléctrica, y una huella territorial, asociada a las infraestructuras energéticas y las cadenas de suministro.
Estas tres huellas no evolucionan necesariamente en la misma dirección. Por ejemplo, sustituir el carbón por bioenergía puede reducir, de media, la huella de carbono de la electricidad en un 70 %, pero aumentar más de 30 veces la huella hídrica y 100 veces la huella territorial.
Bajo en CO2 no significa automáticamente “bajo en agua” o “bajo en uso de suelo”, insisten los autores, que consideran que evaluar la sostenibilidad de la IA mediante una única métrica puede ocultar compensaciones ambientales y trasladar cargas ecológicas a regiones que ya sufren estrés hídrico o territorial.
«Lo que más nos sorprendió es la frecuencia con la que las opciones que parecen más ecológicas desde la perspectiva del carbono resultan peores para el agua o para el suelo», ha apuntado la investigadora y autora principal del informe, Miriam Aczel.

Datos para la alarma
Si los centros de datos, la columna vertebral física de la IA, fueran un país, su consumo estimado de electricidad en 2025, unos 448 teravatios-hora (TWh), se situaría en el puesto 11 por naciones, aproximadamente al mismo nivel que Francia. El de España es de unos 256 TWh al año (según datos de Red Eléctrica).
Para 2030, se prevé que este consumo ascienda a 945 TWh, el equivalente al 3 % del consumo mundial proyectado para ese año o a casi tres veces el consumo eléctrico anual combinado de Pakistán, Bangladés y Nigeria (que suman más de 650 millones de habitantes).
Dependiendo de cómo se genere esa electricidad, las emisiones asociadas podrían alcanzar los 400 millones de toneladas de CO2, cifra  similar a las emisiones del Reino Unido en 2025.
La superficie terrestre necesaria para generar esa electricidad en 2030 superaría los 14.000 km², aproximadamente la superficie de Irlanda del Norte.
Por otra parte, se estima que usarán 9,3 billones de litros de agua, cantidad que cubriría las necesidades de agua potable de los 8.100 millones de habitantes de la Tierra durante aproximadamente 1,6 años.
Incluso aunque parte de ese agua es devuelta, la extracción a gran escala que implicará tener que atender a la IA «puede ejercer presión sobre los acuíferos y los sistemas fluviales, especialmente en regiones áridas o con escasez de agua subterránea».
Se da la paradoja de que, actualmente, los centros de datos se están ubicando en este tipo de terrenos porque son suelos más baratos, presentan menor riesgo de inundación y hay más posibilidades de instalar junto a ellos renovables, en especial, plantas de solar fotovoltaica.

Inferencia, eficiencia y efecto rebote
Por otra parte, el informe alerta de que el debate público se ha centrado principalmente en la energía necesaria para entrenar modelos masivos. Se estima que el entrenamiento de GPT-3 requirió 1,3 GWh de electricidad, mientras que GPT-4 habría consumido entre 50 y 70 GWh.
Sin embargo, este enfoque está desactualizado, pues, una vez desplegado un modelo, la inferencia —la ejecución continua del modelo para responder a las consultas de los usuarios— se convierte en el principal coste energético, representando entre el 80 % y el 90 % del consumo total de energía de la IA.
Se calcula que ChatGPT procesa alrededor de 2.500 millones de consultas diarias, lo que equivale aproximadamente a 383 GWh de electricidad al año para un único producto.

Consumos por consulta
La energía consumida por consulta varía enormemente según la tarea realizada, añade el informe, que destaca que la elección del modelo, la longitud del mensaje, el formato de salida y la resolución influyen significativamente en la huella ambiental. Sin embargo, la mayoría de estas decisiones son invisibles para el usuario y vienen determinadas por configuraciones predeterminadas del producto.
Así, mientras una consulta conversacional típica consume unas 200 veces más energía que una clasificación básica de texto, generar una sola imagen con IA puede requerir aproximadamente 1.450 veces más energía y un único vídeo corto puede consumir tanta electricidad como 200.000 clasificaciones de spam.
Google procesa aproximadamente 5 billones de búsquedas al año y una búsqueda convencional consume alrededor de 0,3 Wh, mientras que una búsqueda generativa mejorada con IA consume hasta 3 Wh, diez veces más.

El coste de un «gracias» o un «por favor»
El informe advierte de que incluso el lenguaje usado por los usuarios puede marcar una gran diferencia, de forma que, simplemente, dejando de utilizar expresiones de cortesía, como «por favor»o «gracias», se puede reducir significativamente el impacto ambiental al hacer más concisas las indicaciones.
Una petición concisa puede reducir la producción de tokens ChatGPT en un 30 %, ahorrando entre 87 y 98 GWh de electricidad al año, lo que equivale al consumo eléctrico residencial anual de casi 760 000 personas en el África subsahariana, según los expertos.
El informe destaca también el efecto rebote (o paradoja de Jevons), que significa que a medida que los modelos se vuelven más eficientes también se abaratan y se utilizan con mayor frecuencia. Por ello, sin límites explícitos sobre el número de tokens, la resolución o la longitud de las respuestas, las mejoras por consulta pueden quedar anuladas por el crecimiento masivo del volumen de uso, advierte.
También subraya el creciente problema del despilfarro de hardware. Se calcula que para 2030, la infraestructura de IA podría generar hasta 2,5 millones de toneladas métricas de residuos electrónicos al año, lo que equivale aproximadamente a desechar 250 torres Eiffel anualmente.

Irlanda, ejemplo vivo de advertencia
En las últimas décadas, Irlanda se posicionó como uno de los principales destinos de centros de datos, entre otras cuestiones por la baja fiscalidad que ofrecía a gigantes tecnológicos como Google, Meta, Microsoft, Amazon Web Services o Tik Tok.
Actualmente, los centros de datos representan el 21 % del total de la electricidad medida en Irlanda, frente al 5 % en 2015, superando el consumo combinado de todos los hogares urbanos, y el operador de la red eléctrica nacional ha suspendido las nuevas autorizaciones en los alrededores de Dublín hasta 2028.
Se trata de un ejemplo concreto y documentado de lo que ocurre cuando el crecimiento de la infraestructura de IA supera la planificación energética, y un anticipo de hacia dónde se dirigen otros países, según el informe.
Por ello, entre otras recomendaciones, la ONU insta a los gobiernos a integrar la infraestructura de IA en la planificación energética, la gestión del agua y la ordenación territorial; así como exigir informes estandarizados sobre huellas ambientales. 

Más Información:

ONU - El coste oculto de la IA: en 2030 consumirá tanta agua como 1300 millones de personas y la electricidad de 650 
Un informe de la Universidad de la ONU advierte que la inteligencia artificial no solo emite carbono: cada consulta a un chatbot, cada imagen generada y cada vídeo sintético deja una huella invisible en el agua y el territorio. Si no se gestiona de forma sostenible, la infraestructura digital podría convertirse en una pesadilla ambiental para los países más vulnerables, mientras los beneficios se concentran en unas pocas naciones ricas.

.