El consumo energético de la inteligencia artificial ha dado un salto silencioso: un agente autónomo gasta tanta electricidad como un portátil en seis horas, según Earth911. La factura eléctrica y la huella hídrica ya se notan en los hogares.
El salto del agente: de una consulta simple a seis horas de portátil
Una pregunta sencilla a un chatbot de IA consume tanta electricidad como un microondas encendido durante un segundo. Ahora bien, el mismo modelo puede trabajar de forma autónoma como agente de IA: planifica, busca en la web, prueba soluciones y no se detiene hasta completar la tarea. Una sola de esas tareas equivale a mantener encendido un portátil durante casi seis horas.
Vamos a los datos. Un equipo de KAIST, la principal escuela de ingeniería de Corea del Sur, midió el coste energético oculto de estos agentes con un modelo comparable a los comerciales. Resultado: una tarea autónoma consume una media de 348 vatios-hora, unas 136 veces más que responder una consulta simple. La mitad del tiempo, los chips esperan ociosos a que termine una búsqueda web o un programa, pero siguen consumiendo electricidad.
Eso sí, la tecnología mejora. La Agencia Internacional de la Energía señaló en un informe de abril de 2026 que la eficiencia energética de la IA mejora a un ritmo sin precedentes en la historia de la energía. Buena noticia para el coste operativo, que hoy todavía arroja pérdidas en el conjunto del sector. El problema es que la demanda crece más rápido que la eficiencia.
Dónde se rompe la ventaja de la IA: el punto de equilibrio
El debate no es nuevo. En febrero de 2024, tres universidades publicaron en Scientific Reports un estudio que concluía que la IA emitía entre 130 y 1.500 veces menos CO2 que una persona para escribir una página. La metodología cojeaba: atribuía al redactor humano su huella de carbono completa —15 toneladas anuales repartidas por horas—, como si esa persona desapareciera del planeta cuando la IA ocupa su lugar. No es así.
Un agente de IA consume 136 veces más electricidad que una consulta simple, y la mitad se pierde con los chips en espera.
La respuesta llegó en noviembre de 2025. Nolan Woo, en la misma revista, incorporó la calidad del trabajo al cálculo y midió cuántos intentos necesita la IA para acertar. Con problemas de programación con verificación automática, el modelo más pequeño emitió entre el 20% y el 59% de lo que consumiría el ordenador de un programador humano. Los modelos grandes, como ChatGPT o Claude, multiplicaron por entre 5 y 19 veces esa huella. Los intentos fallidos consumieron ocho veces más que los acertados.
Lo que dispara las emisiones no es el tamaño del modelo, sino cuántos intentos necesita para acertar.
El punto de equilibrio es revelador. Un proyecto de investigación de 20 horas humanas emite unos 2 kilogramos de CO2 entre portátil, monitor y fabricación del equipo. ¿Cuántas solicitudes de agente de IA igualan esa cifra? Depende de la limpieza de la red eléctrica donde se aloje el centro de datos. Con energía limpia contratada: unas 46. Con la media estadounidense: 15. Y en las zonas donde de verdad se construyen los grandes centros, bastan 11.
Aquí está la letra pequeña. Un estudio de 2026 concluyó que la electricidad que alimenta a estos centros es un 48% más sucia que la media nacional estadounidense. Se construyen donde la energía es barata, y lo barato suele ser fósil. Cada tarea de IA arrastra una mochila de carbono mayor de la que cabría esperar.
La factura que nadie desglosa: agua y precio de la luz
El agua cuenta otra historia. Los centros de datos estadounidenses consumieron unos 17.400 millones de galones para refrigeración en 2023, según el Laboratorio Nacional Lawrence Berkeley. La cifra que casi nadie reporta es mucho mayor: producir la electricidad que consumen exigió unos 211.000 millones de galones, doce veces más. Cada centro de datos arrastra una parte de esa factura hídrica a través de su recibo de la luz.
Google declaró 7.700 millones de galones en 2024 para todos sus centros. En Texas, el 83% de los 341 centros de datos no presentó los informes de agua obligatorios. Un centro puede cambiar a refrigeración por aire y decir, con razón, que consume casi nada de agua in situ. Su huella hídrica real no ha cambiado ni un galón: solo ha movido el coste a la central eléctrica.
La factura eléctrica es el dato que ha saltado a la mesa. PJM, el operador de la red para 65 millones de personas en 13 estados, celebró una subasta anual de capacidad que pasó de 29 a 329 dólares por unidad entre 2024-2025 y 2026-2027. El monitor independiente del mercado concluyó que los centros de datos causaron el 63% de la subida de un solo año: 9.300 millones de dólares cargados a los clientes.
El golpe ya se nota. Los clientes de Pepco en Washington D.C. pagan unos 21 dólares más al mes. Las tarifas eléctricas domésticas subieron un 9% en Ohio y un 14% en Pensilvania. El Consejo para la Defensa de los Recursos Naturales proyecta que la familia media de la región pagará 70 dólares más al mes en 2028. La industria defiende que Virginia ganó 74.000 empleos y 9.100 millones anuales gracias a los centros de datos, aunque la mayor parte procede de la fase de construcción, no de su operación.
Los municipios empiezan a decir basta. Data Center Watch contabilizó al menos 75 proyectos valorados en 130.000 millones de dólares bloqueados o retrasados solo en el primer trimestre de 2026, una cifra similar a todo 2025. Los grupos de oposición activos se duplicaron hasta 833, repartidos por 49 estados. Más de 300 proyectos de ley relacionados con centros de datos se presentaron en las primeras seis semanas del año.
La respuesta regulatoria apunta a una idea simple: que la nueva demanda pague por sus propias infraestructuras. Virginia creó una categoría tarifaria separada para centros de datos. Ohio aprobó contratos de 12 años con pagos mínimos para los grandes consumidores. El objetivo común es evitar que el hogar medio subvencione el auge de la IA a través de su recibo de la luz.
La paradoja que obliga a repensar el consumo de IA
En 1865, el economista William Stanley Jevons observó un fenómeno que hoy se repite. Las máquinas de vapor más eficientes no redujeron el consumo de carbón británico; lo multiplicaron. Al abaratar el coste, aumentaron los usos. Con la IA sucede lo mismo. Un estudio del National Bureau of Economic Research —aún en revisión— halló que los trabajadores muy expuestos a la IA dedican 3,5 horas extra por semana. Solo una cuarta parte convierte el ahorro de tiempo en tiempo personal; el resto lo llena con más trabajo.
Visto desde la transición energética, el dilema es profundo. La red eléctrica intenta descarbonizarse a la vez que la IA añade una demanda nueva, concentrada y poco flexible. Cada centro de datos instalado en una zona con electricidad sucia retrasa la salida del gas y del carbón, por mucho que la empresa firme un contrato de energía renovable sobre el papel. La lección del estudio de la paradoja de Jevons —la eficiencia sin límite acelera el consumo— y el despilfarro de más de la mitad de la energía en espera demuestran que hay margen inmediato de mejora sin esperar a futuras generaciones de chips. Si el sector quiere ganar su licencia social, necesita tres cosas: ubicar los centros donde la red sea limpia, publicar su consumo de agua con datos verificables y pagar la infraestructura que consume en lugar de socializar el coste.
🌍 El Impacto Real para el Futuro
- Beneficio medible: Separar la tarifa del centro de datos del recibo doméstico, como ya hace Virginia, evita un sobrecoste de hasta 70 dólares mensuales por familia proyectado para 2028.
- Modelo que cambia: La contabilidad hídrica que solo mide la refrigeración in situ queda obsoleta; la transición exige contar también el agua de la generación eléctrica.
- Para las próximas generaciones: Ubicar la IA en redes limpias y publicar su consumo real reduce la presión sobre unas infraestructuras que deben descarbonizarse, no perpetuar el fósil.
