El avance acelerado de la inteligencia artificial tiene un coste físico que empieza a notarse fuera de las pantallas: electricidad y agua. Cada vez más gobiernos y ciudades están tomando medidas para frenar o condicionar la construcción de centros de datos, mientras organismos internacionales advierten de un crecimiento del consumo energético que se multiplicará en pocos años.
El debate ya no es solo técnico. Afecta a las facturas eléctricas, a la disponibilidad de agua en algunas regiones y a la planificación urbana de ciudades que compiten por atraer o, en algunos casos, por rechazar nuevas instalaciones.
Cuánta electricidad consumen los centros de datos dedicados a IA
Según el informe Energy and AI de la Agencia Internacional de la Energía (AIE), los centros de datos consumieron en 2024 alrededor de 415 teravatios hora (TWh), lo que equivale a cerca del 1,5 % de toda la electricidad generada en el mundo ese año.
La distribución geográfica es muy desigual. Estados Unidos concentra el 45 % de ese consumo, China el 25 % y Europa el 15 %, según los mismos datos de la AIE.
El crecimiento es el dato más llamativo. Desde 2017, el consumo eléctrico de los centros de datos aumenta un 12 % cada año, un ritmo más de cuatro veces superior al del consumo eléctrico global en su conjunto.
Con esa tendencia, la AIE proyecta que el consumo llegará a unos 945 TWh en 2030, una cifra superior a todo el consumo eléctrico actual de Japón. Para 2035, el escenario base de la agencia sitúa la cifra en torno a 1.200 TWh, aunque reconoce un margen de incertidumbre amplio: entre 700 y 1.700 TWh según el escenario que se cumpla.
La propia AIE compara el consumo de un gran centro de datos centrado en IA con el de una fundición de aluminio, pero con una diferencia clave: estas instalaciones están mucho más concentradas geográficamente, lo que hace que su impacto se perciba con fuerza en zonas muy concretas.
Cuánto gasta una sola consulta a una IA
Google ha publicado sus propias cifras sobre el coste de una consulta de texto en Gemini. Según la compañía, una consulta «mediana» consume 0,24 vatios hora de energía, genera 0,03 gramos de CO₂ equivalente y utiliza 0,26 mililitros de agua, el equivalente a unas cinco gotas.
La empresa asegura además que, en los últimos doce meses, la energía necesaria por consulta se redujo 33 veces y la huella de carbono asociada, 44 veces.
Conviene matizar estos datos. Proceden de la propia empresa y no han sido verificados por un organismo independiente. Además, se refieren a una consulta de texto mediana y al uso diario del sistema, no al proceso de entrenamiento de los modelos, que tiene un coste energético distinto. La eficiencia mejora con rapidez, pero el número total de consultas crece todavía más rápido.
Ciudades y gobiernos que están frenando nuevos centros de datos
Varios territorios han empezado a imponer límites o condiciones a la construcción de nuevas instalaciones, según un repaso de Reuters sobre restricciones en distintos países.
Estados Unidos
En Nueva York se aprobó una moratoria de un año para los centros de datos de 50 megavatios o más. Pensilvania, por su parte, exige salvaguardas ambientales, transparencia y aprobación local para este tipo de proyectos.
En Texas, el gobernador Greg Abbott pidió en agosto una auditoría sobre el impacto de los centros de datos y ordenó frenar la conexión de nuevas instalaciones a la red eléctrica. El 21 de septiembre amplió la medida al detener también los permisos ambientales hasta que concluya esa auditoría, según recogió Texas Standard. Los centros de tamaño medio, de entre 25 y 75 megavatios, quedan fuera de la pausa de conexión a la red.
Europa
Ámsterdam ha prohibido la construcción de nuevos centros de datos o la ampliación de los existentes hasta, al menos, 2030.
Irlanda levantó en diciembre de 2025 el bloqueo que mantenía en torno a Dublín, pero ahora exige que cada nueva conexión eléctrica venga acompañada de su propia capacidad de generación.
Formas de reducir el consumo sin frenar la IA
Existen varias vías para reducir el gasto energético y de agua asociado a la inteligencia artificial. Algunas ya se aplican en la práctica; otras son propuestas en estudio.
- Usar el modelo más pequeño para cada tarea. No todas las consultas requieren el modelo más potente disponible. Dirigir cada tarea al modelo más sencillo capaz de resolverla ahorra energía y costes.
- Ejecutar IA directamente en el dispositivo. Los modelos que funcionan en el propio móvil o portátil no necesitan recurrir a un centro de datos.
- Aprovechar la capacidad sobrante. La AIE señala que muchos centros de datos operan con servidores infrautilizados y propone que los reguladores estudien incentivos para aprovechar esa capacidad con mayor flexibilidad.
- Reutilizar el calor generado. El calor de los servidores puede emplearse para calefacción en zonas cercanas en lugar de desperdiciarse.
- Programar tareas no urgentes en horas de energía barata. Entrenar modelos o procesar grandes volúmenes de datos cuando hay excedente de energía renovable disponible.
Una propuesta en debate: compartir potencia de cómputo ociosa
Existe una idea, todavía en fase de discusión y no un hecho confirmado, que plantea aprovechar los millones de ordenadores y servidores que permanecen inactivos buena parte del día. Una red en la que sus propietarios alquilaran ese tiempo de cómputo para tareas de IA sin urgencia podría reducir la necesidad de construir nueva infraestructura.
Ya existen plataformas con una filosofía similar. Akash se presenta como un mercado descentralizado de computación, Render ofrece capacidad de tarjetas gráficas inactivas en distintos puntos del mundo, y io.net sigue un enfoque parecido. Su alcance real está todavía por comprobarse.
Una variante de esta idea plantea pagar ese tiempo de cómputo con créditos de uso de IA en lugar de dinero, a modo de trueque. La ventaja sería evitar pagos complejos y facilitar la participación de quien solo busca usar IA de forma gratuita. Entre las dificultades estarían verificar que el trabajo se realizó correctamente, proteger los datos que viajan a máquinas ajenas y evitar que ese crédito se convierta en un activo especulativo.
Qué implica todo esto para el usuario
- Una consulta individual a una IA consume relativamente poco, pero el impacto real surge de sumar miles de millones de consultas diarias.
- Elegir el modelo más pequeño o una versión que funcione en el propio dispositivo, cuando sea suficiente, es la forma más sencilla de reducir el consumo.
- Quienes vivan cerca de un proyecto de centro de datos pueden solicitar a la empresa promotora información detallada por escrito sobre su consumo previsto de agua y electricidad.
Preguntas frecuentes
¿Cuánta electricidad consumen hoy los centros de datos de IA?
Según la Agencia Internacional de la Energía, en 2024 consumieron unos 415 teravatios hora, alrededor del 1,5 % de toda la electricidad generada en el mundo.
¿Cuánto crecerá ese consumo en los próximos años?
La AIE proyecta unos 945 TWh en 2030 y alrededor de 1.200 TWh en 2035 en su escenario base, aunque el rango de incertidumbre para 2035 va de 700 a 1.700 TWh.
¿Cuánta agua gasta una consulta a una IA?
Según datos de Google, una consulta de texto mediana en Gemini consume unos 0,26 mililitros de agua, el equivalente a cinco gotas aproximadamente.
¿Qué ciudades han limitado la construcción de centros de datos?
Nueva York, Pensilvania y Texas en Estados Unidos, además de Ámsterdam en Europa, han impuesto moratorias, auditorías o condiciones ambientales específicas. Irlanda levantó restricciones en Dublín pero exige generación eléctrica propia para nuevas conexiones.
¿Cómo se puede reducir el consumo energético de la IA sin dejar de usarla?
Entre las vías disponibles están usar modelos más pequeños para tareas sencillas, ejecutar IA en el propio dispositivo, aprovechar servidores infrautilizados, reutilizar el calor generado y programar tareas no urgentes en horarios de energía más barata.
¿Qué es el llamado Airbnb de la potencia de cómputo?
Es una propuesta en discusión que plantea que propietarios de ordenadores y servidores inactivos alquilen ese tiempo de cómputo para tareas de IA sin urgencia, reduciendo así la necesidad de construir nuevos centros de datos. No es un hecho confirmado, sino una idea en debate.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
