La inteligencia artificial ya es uno de los grandes motores de la economía digital, pero su expansión también empieza a dejar una factura menos visible: más consumo de agua, electricidad, suelo y hardware. Un nuevo informe de la Universidad de Naciones Unidas, elaborado por el Instituto UNU-INWEH para el Agua, el Medio Ambiente y la Salud, advierte de que el impacto ambiental de esta tecnología sigue infravalorado en el debate público.
El dato que más llama la atención está en el agua. Según las estimaciones del informe, el consumo hídrico asociado a la IA podría alcanzar en 2030 los 9,3 billones de litros, una cantidad equivalente a las necesidades domésticas anuales básicas de 1.300 millones de personas en África subsahariana. La cifra incluye tanto el agua empleada para refrigerar centros de datos como la necesaria para generar parte de la electricidad que alimenta estas infraestructuras.
La presión no se queda ahí. El estudio también proyecta un aumento relevante de la demanda eléctrica. Si la IA alcanza el peso previsto dentro del consumo de los centros de datos, podría representar alrededor del 3% de la electricidad mundial al final de la década. En términos comparativos, los autores calculan que la energía necesaria para sostener la IA en 2030 se acercaría a casi tres veces el consumo anual conjunto de Pakistán, Bangladesh y Nigeria.
La IA no vive solo en la nube
La inteligencia artificial suele presentarse como software: modelos, algoritmos, asistentes conversacionales o herramientas capaces de generar textos, imágenes y vídeos. Pero detrás de cada consulta hay una infraestructura física. Centros de datos, sistemas de refrigeración, redes eléctricas, chips, minerales, suelo y cadenas de suministro forman parte del mismo engranaje.
Ese es uno de los mensajes centrales del informe. La IA no consume recursos únicamente cuando se entrena un modelo. También lo hace cada vez que un usuario escribe una consulta, pide una imagen, solicita una respuesta larga o genera un vídeo. Esa fase, conocida como inferencia, ya concentra entre el 80% y el 90% del consumo total asociado a estos sistemas, según los datos recogidos por los investigadores.
La expansión del mercado ayuda a entender la escala del problema. El informe recoge que el sector de la IA podría pasar de 189.000 millones de dólares en 2023 a casi 5 billones de dólares en 2033. Además, la inteligencia artificial generativa, que hoy representa alrededor del 20% del mercado global, podría llegar al 40% en 2030.
No todas las tareas tienen el mismo impacto
El informe también distingue entre usos. Una conversación estándar con un chatbot como ChatGPT o Gemini puede consumir unas 200 veces más energía que una tarea básica de IA, como clasificar correos sospechosos como spam. La generación de imágenes eleva mucho más la demanda: puede requerir unas 1.400 veces más energía que ese uso básico. En el caso de los vídeos cortos, el consumo puede dispararse hasta 200.000 veces más.
Esta diferencia abre un debate práctico para empresas, administraciones y usuarios. No todas las tareas necesitan el modelo más potente ni el formato más intensivo. Usar IA para redactar un borrador, resumir un documento o automatizar una clasificación interna no tiene el mismo impacto que pedir vídeos sintéticos o generar decenas de versiones visuales.
La idea que plantea el informe es sencilla: eficiencia por diseño. Esto implica elegir el modelo adecuado para cada tarea, reducir usos innecesarios y evitar que sistemas de gran escala se empleen para problemas simples que podrían resolverse con herramientas menos costosas.
El coste ambiental no se mide solo en CO₂
Hasta ahora, buena parte del debate sobre sostenibilidad tecnológica se ha centrado en las emisiones de carbono. El informe de Naciones Unidas amplía esa mirada. Cada kilovatio hora utilizado para entrenar o ejecutar un modelo de IA tiene también una huella hídrica y territorial, además de efectos sobre las cadenas de suministro.
La dificultad está en que reducir una métrica puede empeorar otra. Cambiar la fuente eléctrica puede rebajar la huella de carbono, pero aumentar el consumo de agua o la ocupación de suelo. Por eso, los autores advierten de que medir la sostenibilidad de la IA solo por emisiones puede llevar a conclusiones incompletas.
El informe estima que los centros de datos consumieron unos 448 teravatios hora de electricidad en 2025, con la IA representando aproximadamente una quinta parte del total. Si estos centros fueran un país, estarían entre los mayores consumidores eléctricos del mundo. Ese volumen de energía implica una huella de carbono estimada de 189 millones de toneladas de CO₂ equivalente.
Residuos electrónicos y poder concentrado
El crecimiento de la IA también deja otra consecuencia: los residuos electrónicos. El informe calcula que, en 2030, la infraestructura asociada a la inteligencia artificial podría producir 2,5 millones de toneladas métricas de basura electrónica al año, principalmente por procesadores y hardware obsoleto.
A esto se suma una distribución desigual de beneficios y costes. Solo el 16% de los países cuenta con instalaciones especializadas para ejecutar IA, mientras que Estados Unidos y China concentran cerca del 90% de la capacidad instalada. La paradoja es evidente: los impactos ambientales se reparten por distintas regiones, pero el acceso a las capacidades más avanzadas queda en manos de unos pocos actores y territorios.
El informe también menciona casos concretos de tensión local. En Irlanda, los centros de datos ya representaban en 2023 el 21% del consumo eléctrico nacional, lo que ha llevado a limitar nuevas instalaciones en Dublín. En Uruguay, los planes para construir un gran centro de datos intensivo en agua coincidieron con una sequía que afectó a las reservas de agua potable de Montevideo.
Más transparencia para una IA sostenible
La principal recomendación del informe es exigir más transparencia. El documento plantea que los operadores de IA informen de forma estandarizada sobre su huella ambiental, incluyendo electricidad, agua, emisiones, uso de suelo y residuos electrónicos. Sin datos comparables, resulta difícil saber qué modelos son más eficientes, qué tareas generan más impacto y dónde se están desplazando los costes. También se pide a desarrolladores, empresas y organismos públicos que utilicen la IA de forma más selectiva. Algunas medidas son sencillas:
- Escribir consultas más concisas.
- Agrupar tareas relacionadas.
- Reutilizar resultados previos.
- Evitar iteraciones innecesarias.
- Reservar la generación de imágenes o vídeos para usos justificados.
En el caso de los proveedores, el informe defiende que los usuarios deberían conocer cuándo una petición implica una demanda energética mucho mayor. ¿Tiene sentido usar el modelo más avanzado para cualquier tarea, incluso para resolver una gestión sencilla? Esa pregunta empieza a ganar peso a medida que la IA se integra en empresas, administraciones y servicios digitales.
La conclusión no es que la inteligencia artificial deba frenarse, sino que su crecimiento necesita reglas más claras. La tecnología ya forma parte de la productividad, la investigación, el software, la atención al cliente y la automatización empresarial. Pero su infraestructura no es invisible. Consume agua, electricidad, suelo y materiales.
El reto para la próxima década serádecidir si la IA puede escalar sin trasladar su coste ambiental a territorios con menos capacidad de decisión. La carrera tecnológica continúa. Ahora, la pregunta es si también podrá ser sostenible.
