En un artículo que publiqué anteriormente La sed de la IA, analizaba las emisiones de efecto invernadero a nivel global en la cadena de valor de la IA y su demanda de agua, en este quiero centrarme en la oportunidad que tenemos de poder equilibrar los consumos y sus eficiencias.
Si en mi artículo de hace una semana, Hacia dónde debe ir la IA en las empresas, defendía que la IA en la empresa necesita criterio antes que entusiasmo, para decidir qué problemas resolver, con qué herramientas y con qué garantías. Hoy quiero ponerle cifras a ese criterio, porque la IA tiene una factura que casi nunca aparece en las propuestas comerciales. Y no me refiero a la licencia ni a la consultoría. Es la energía que consume, el agua que evapora y la dependencia estratégica que compramos con cada modelo que integramos en nuestros procesos.
Esa factura existe, aunque no la veamos. Y en los próximos años va a pasar de ser un asunto técnico de los proveedores tecnológicos a ser un asunto financiero, regulatorio y geopolítico de cualquier empresa que use IA.
Una factura que crece más rápido que el valor
Empecemos por la energía. Según la Agencia Internacional de la Energía (AIE), los centros de datos consumieron alrededor de 415 TWh en 2024, en torno al 1,5% de la electricidad mundial. Para 2030, la AIE proyecta unos 945 TWh. En apenas seis años, el consumo se duplicará exponencialmente. Y la IA es el motor principal: los servidores especializados en IA ya representaban en 2024 el 15% de toda la demanda energética de los centros de datos, y son el segmento que más crece.
Las cifras globales pueden parecer lejanas, así que bajemos al terreno. Irlanda, sede europea de buena parte de las grandes tecnológicas, es el mejor laboratorio de lo que viene. Según su Oficina Central de Estadística, los centros de datos consumían el 5% de la electricidad del país en 2015. En 2025 ya consumían el 23%, frente al 28% de todos los hogares irlandeses juntos. En una década, una sola actividad ha pasado a disputar la red eléctrica con la población entera.
España no está lejos de ese escenario. Solo los siete centros de datos proyectados por Microsoft y Amazon en Aragón prevén una demanda conjunta de 21.559 GWh al año. Es más del doble de toda la electricidad que consumió Aragón en 2024, que fue de 9.994 GWh, y equivale casi a toda la electricidad que la comunidad genera. No digo que esas inversiones sean negativas: atraen empleo, capital y capacidad tecnológica. Digo que su coste energético es de una escala que ninguna empresa usuaria puede ignorar, porque acabará trasladado a precios, a redes y a debate público.
El agua, el recurso que nadie mide
Si la energía es la parte visible de la factura, el agua es la parte invisible. Los centros de datos necesitan refrigeración, y buena parte de ella se hace evaporando agua. A eso se suma el agua que consumen las centrales eléctricas que les suministran energía.
Un equipo de investigadores de la Universidad de California en Riverside, liderado por Shaolei Ren, estimó que la demanda global de IA podría suponer en 2027 una extracción de entre 4.200 y 6.600 millones de metros cúbicos de agua. Es más que la extracción anual total de entre cuatro y seis países como Dinamarca, o la mitad de la del Reino Unido. El mismo estudio calculó que un modelo como GPT-3 consumía aproximadamente medio litro de agua por cada 10 a 50 respuestas de extensión media, según dónde y cuándo se ejecutara.
La clave está en ese último matiz: según dónde y cuándo. El consumo de agua de la IA no es una constante física. Es el resultado de decisiones de diseño. El caso de Aragón lo ilustra bien: según la documentación de los proyectos, los centros de Amazon prevén un consumo de al menos 815.253 metros cúbicos anuales, mientras que Microsoft ha anunciado un sistema de refrigeración en circuito cerrado que, tras el llenado inicial, consumiría unos 3.975 metros cúbicos al año. Dos empresas, una misma región, una diferencia de dos órdenes de magnitud. La tecnología para gastar menos existe. Lo que falta es que los clientes la exijan.
En un país con estrés hídrico estructural como España, este no es solo un detalle técnico ni tampoco lo es menor. Las empresas que hoy contratan servicios de IA sin preguntar por ciertos consumos, en breve tendrán que explicar a sus grupos de interés por qué su transformación digital compite con otros proyectos en materia de consumo.
Por qué la factura acaba llegando a la empresa usuaria
La mayoría de las empresas no ve esta factura porque la paga a través de un proveedor en la nube. Pero la paga, y por cuatro vías.
La primera es el precio. Cuando la energía se encarece o escasea, el coste de cómputo se traslada al cliente, ya sea en la tarifa por consulta, en la suscripción o en las condiciones de renovación.
La segunda es la huella de carbono. Las emisiones de un proveedor tecnológico forman parte del Alcance 3 de sus clientes. Y esas emisiones están subiendo: según sus propios informes, las emisiones de Google aumentaron un 48% entre 2019 y 2023, hasta 14,3 millones de toneladas de CO2 equivalente, y las de Microsoft un 29% desde 2020, en ambos casos impulsadas por la expansión de centros de datos. Como resumió el investigador Alex de Vries, si Google forma parte de la cadena de valor de una empresa, que sus emisiones suban significa que las de esa empresa también suben.
La tercera es la regulación. La Directiva europea de Eficiencia Energética ya obliga a los centros de datos con una demanda informática de al menos 500 kW a reportar cada año su consumo de energía y de agua a una base de datos europea. Lo que hoy se mide, mañana se compara. Y lo que se compara, pasado mañana se exige.
La cuarta y última pero no menos importante es la reputación. A medida que la sociedad entienda lo que cuesta físicamente la IA, el uso indiscriminado de modelos enormes para tareas triviales empezará a percibirse como lo que es: un derroche.
Tres modelos de poder, tres facturas distintas
La IA no se está desarrollando en el vacío. Se está desarrollando bajo tres lógicas geopolíticas que generan facturas distintas, y entenderlas es necesario para decidir a quién compramos.
Estados Unidos apuesta por la escala. Según el AI Index de la Universidad de Stanford, la inversión privada en IA en Estados Unidos alcanzó 109.000 millones de dólares en 2024, casi doce veces la de China y veinticuatro veces la del Reino Unido. Ese mismo año, instituciones estadounidenses produjeron 40 modelos de IA considerados relevantes, frente a 15 de China y solo 3 de Europa. Su ventaja es la frontera tecnológica. Su riesgo, una dependencia energética que ya tensiona sus redes y que la AIE sitúa, junto con China, detrás de casi el 80% del crecimiento mundial del consumo de los centros de datos hasta 2030.
China apuesta por el control y el coste. Con una décima parte de la inversión privada estadounidense, sus modelos han reducido la distancia de rendimiento hasta una práctica paridad en algunas pruebas de referencia, según el propio informe de Stanford. Lo ha conseguido con cadena de suministro propia, energía barata y modelos abiertos que han demostrado que se puede competir con menos chips. Su ventaja es el precio. Su riesgo, la opacidad sobre el tratamiento de datos y el marco legal que rige a sus empresas, algo que abordaré otro artículo de esta serie para no saturar.
Europa no tiene ni la energía barata ni el capital riesgo para hacerlo. Pero tiene tres activos importantes. El primero, una red eléctrica cada vez más limpia: según Eurostat, el 47% de la electricidad consumida en la UE en 2024 procedió de fuentes renovables. El segundo, un marco regulatorio que obliga a medir. El tercero, una tradición industrial de hacer más con menos, nacida precisamente de la escasez de recursos.
La pregunta en cualquier consejo de administración europeo es cómo convertir la escasez en ventaja y parar ello debemos analizar la eficiencia como activo financiero.
La eficiencia como activo financiero
Cuando la energía es el recurso escaso, la eficiencia deja de ser una virtud ambiental y se convierte en un activo financiero. Tiene al menos cuatro traducciones directas en la cuenta de resultados.
1. Coste operativo predecible. Un modelo pequeño y especializado puede resolver una tarea concreta, como clasificar documentos, prever la demanda o detectar anomalías, con una fracción del cómputo que necesitaría un modelo generalista. Menos cómputo significa menos exposición a subidas de precio y a cambios unilaterales de condiciones por parte del proveedor.
2. Menor riesgo regulatorio y de reporte. Las empresas sujetas a obligaciones de información de sostenibilidad tendrán que explicar sus emisiones indirectas con datos cada vez más precisos. Una IA cuyo consumo está medido es un problema menos en la auditoría.
3. Mejor acceso a financiación. Bancos e inversores ya incorporan criterios climáticos en sus decisiones. Una estrategia digital con huella medida y controlada es un argumento en cualquier proceso de due diligence, y una huella digital desbocada empieza a ser una señal de alerta.
4. Autonomía estratégica. Un modelo eficiente puede ejecutarse en infraestructura propia o en centros de datos europeos. Un modelo gigantesco, en cambio, solo puede ejecutarse donde está la capacidad de cómputo masiva, que suele ser fuera de Europa.
Durante años, Europa ha vivido la regulación y la escasez energética como lastres competitivos. En la actualidad, con la inteligencia artificial, este binomio puede convertirse en lo contrario. Para que eso ocurra, las empresas tienen que cambiar la métrica con la que compran IA. Hoy se compra por capacidad bruta. Si lo hacemos en base al rendimiento por unidad de recurso, es un cambio de métrica, y los cambios de métrica cambian mercados.
