La inteligencia artificial (IA) se ha convertido en una de las grandes protagonistas de la transformación digital. Sus aplicaciones permiten automatizar procesos, optimizar recursos y abordar problemas cada vez más complejos. Sin embargo, detrás de cada modelo y cada consulta existe una infraestructura física que necesita electricidad, agua, servidores y materiales.
Esta dimensión ambiental empieza a ocupar un lugar central en el debate sobre el futuro de la tecnología. Según una información publicada por Pacto Mundial de la ONU España, un reciente estudio de la Universidad de las Naciones Unidas estima que, para 2030, el consumo de agua asociado a la inteligencia artificial será equivalente al que necesitan más de 1.300 millones de personas. Al mismo tiempo, su demanda energética triplicará el consumo eléctrico de alrededor de 650 millones de personas.
Las cifras ponen sobre la mesa una cuestión cada vez más difícil de ignorar: la transición digital y la transición ecológica necesitan avanzar de forma coordinada. La expansión de la IA puede generar importantes mejoras de eficiencia, pero también una creciente huella ambiental si su desarrollo no incorpora criterios de sostenibilidad. Desde Naciones Unidas se reclama, en este contexto, que las empresas globales midan y comuniquen de manera transparente el impacto ambiental relacionado con la inteligencia artificial.
La huella ambiental de la inteligencia artificial se concentra principalmente en tres ámbitos. El primero es el consumo eléctrico. Entrenar y utilizar modelos requiere una elevada capacidad computacional, alojada principalmente en centros de datos. Cuando la electricidad que alimenta estas instalaciones no procede de fuentes limpias, el aumento del consumo energético puede traducirse también en mayores emisiones de gases de efecto invernadero.
El segundo factor es el agua. Los servidores generan calor y necesitan sistemas de refrigeración capaces de mantener las instalaciones dentro de temperaturas adecuadas. Este proceso puede requerir millones de litros de agua cada día.
A ello se suma la generación de residuos tecnológicos y la utilización de minerales críticos. Los equipos que sostienen el funcionamiento de los sistemas de IA pueden quedar obsoletos con rapidez, lo que añade presión tanto sobre la extracción de materias primas como sobre la posterior gestión de los residuos electrónicos.
Esta combinación obliga a ampliar la mirada sobre el impacto de la digitalización. La nube no es una infraestructura inmaterial: detrás de los servicios digitales existen instalaciones, equipos y cadenas de suministro con consecuencias ambientales concretas.
Conocer esta huella resulta especialmente relevante en un escenario europeo en el que la sostenibilidad se incorpora progresivamente a la gestión corporativa. Pacto Mundial señala la importancia de considerar la doble materialidad, es decir, analizar tanto los efectos de la actividad empresarial sobre el entorno como los riesgos que las cuestiones ambientales pueden generar para el propio negocio.
En el caso de la inteligencia artificial, un uso intensivo puede incrementar indirectamente las emisiones de gases de efecto invernadero y las huellas digital e hídrica de una organización. Al mismo tiempo, depender de tecnologías poco eficientes o de proveedores con prácticas ambientales deficientes puede implicar costes ocultos, riesgos reputacionales y dificultades relacionadas con el cumplimiento normativo.
La Directiva sobre información corporativa en materia de sostenibilidad (CSRD) forma parte de este nuevo contexto regulatorio europeo. Por ello, incorporar criterios de IA responsable puede reforzar la gobernanza empresarial, reducir riesgos dentro de la cadena de suministro digital y convertir la gestión ambiental en un elemento de competitividad.
Reducir la huella de la IA no implica necesariamente renunciar a esta tecnología. La cuestión pasa por elegir cuándo, cómo y para qué utilizarla.
Entre las recomendaciones recogidas por Pacto Mundial figura solicitar a los proveedores de servicios en la nube información sobre el origen de la electricidad y la eficiencia de sus centros de datos. También resulta relevante apostar por infraestructuras alimentadas mediante energías renovables.
Otra de las claves es ajustar la herramienta a cada necesidad. Los grandes modelos de IA generativa no siempre son imprescindibles. Para determinadas tareas, modelos de lenguaje más pequeños —conocidos como Small Language Models (SLM)— o herramientas digitales convencionales pueden ofrecer resultados suficientes utilizando hasta un 90% menos de recursos.
La formación de las plantillas completa esta estrategia. Comprender las consecuencias ambientales de las tecnologías digitales permite incorporar criterios de sostenibilidad tanto en las decisiones de compra como en la selección de proveedores, la implantación de soluciones y las propias dinámicas de trabajo.
El desafío ambiental de la inteligencia artificial convive con su potencial para ayudar a las empresas a reducir otros impactos. El informe Inteligencia Artificial y Empresas, elaborado por Pacto Mundial de la ONU España, señala que el 27% de las compañías identifica la reducción de la huella de carbono como uno de los ámbitos en los que la IA presenta mayor utilidad, mientras que un 33% de las empresas españolas ya ha integrado estas tecnologías en sus operaciones habituales.
Los usos son diversos. Un 37% de las empresas emplea algoritmos avanzados para optimizar recursos y un 20% utiliza IA para mejorar su gestión energética. En determinados sectores industriales, estas aplicaciones ya permiten alcanzar reducciones de entre el 5% y el 15% del consumo total de energía.
La tecnología también está entrando en la gestión de emisiones y materiales: el 22% de las organizaciones utiliza IA para reducir su huella de carbono, el 15% para optimizar residuos y el 13% para favorecer procesos de economía circular. En las cadenas de suministro y la logística, por su parte, un 60% de las empresas invierte en capacidades digitales destinadas a optimizar las rutas de transporte y evitar la sobreproducción, con la consiguiente reducción de emisiones de CO₂.
Estos resultados muestran la paradoja que acompañará previsiblemente a la expansión de esta tecnología: la IA necesita recursos para funcionar, pero al mismo tiempo puede convertirse en una herramienta para utilizar mejor esos mismos recursos. El balance dependerá, en buena medida, de cómo se diseñe y aplique.
Lo que no se mide difícilmente puede gestionarse. Por ello, ya existen herramientas de código abierto destinadas a conocer el consumo energético y las emisiones asociadas al desarrollo y funcionamiento de algoritmos. Entre ellas se encuentra CodeCarbon, una librería de Python que permite estimar en tiempo real las emisiones de CO₂ generadas por los servidores durante el entrenamiento o la inferencia de un modelo.
Otra alternativa es Green Algorithms, una calculadora que estima el consumo eléctrico de los procesos informáticos teniendo en cuenta variables como el tipo de hardware, el tiempo de ejecución y el mix energético del país en el que se encuentran los servidores. A estas soluciones se añaden Experiment Impact Tracker y ML CO2 Impact, herramientas orientadas a introducir métricas ambientales en diferentes etapas del ciclo de vida del software.
Pacto Mundial también pone a disposición de sus participantes un curso sobre tecnología y sostenibilidad en UN Academy y cuenta con Responsible AI Navigator, un recurso interactivo destinado a orientar a las compañías en una adopción ética, transparente y ambientalmente responsable de la inteligencia artificial.
El debate, por tanto, ya no consiste únicamente en cuánto puede hacer la IA, sino también en cuántos recursos necesita para hacerlo y si sus beneficios compensan su huella. En plena transición ecológica, medir ese balance será cada vez más importante para que innovación y sostenibilidad dejen de avanzar por caminos separados.
