Según proyecciones del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH), para el año 2030 la Inteligencia Artificial (IA) consumirá tanta agua como la que consumen mil 300 millones de personas del África subsahariana. Además, se calcula que el consumo energético de esta tecnología requerirá casi el triple de energía que usan cada año Nigeria, Pakistán y Bangladesh, países que suman una población de 650 millones de habitantes.
Con respecto a las emisiones de dióxido de carbono que calientan la atmósfera, la IA podría para finales de esta década emitir 400 millones de toneladas de CO₂, algo así como las emisiones totales del Reino Unido.
Entre infraestructuras y cadena de suministro, se calcula que el espacio que necesitarán estas herramientas será de alrededor de 14 mil 500 kilómetros cuadrados. Esto equivale al doble del área metropolitana de Yakarta, Indonesia, una metrópolis de más de 32 millones de habitantes, o 10 veces el área que ocupa la Ciudad de México.
En su informe, publicado el pasado miércoles, basado en estimaciones conservadoras de crecimiento, los investigadores del UNU-INWEH revelan datos sobre el consumo energético actual de la AI, el cual se encuentra alrededor de los 448 terawatts hora (TWh), cantidad similar al consumo energético total de Francia.
“Este informe no va contra la IA. Es un llamamiento a usar esta tecnología de forma responsable y un intento de evaluar sus impactos indeseados para hacer que sea sostenible y equitativa. Debemos intentar asegurarnos de que esta revolución tecnológica se desarrolla dentro de límites planetarios”, asegura Kaveh Madani, director del UNU-INWEH.
Una de las reflexiones que destaca en este informe es que se está minusvalorando el costo ambiental del crecimiento de la IA, una tecnología que no se limita a modelos y algoritmos, sino que consume recursos vitales para su operación. La huella energética e hídrica de la Inteligencia Artificial se genera principalmente durante el proceso de inferencia de aquellos cálculos que hacen las máquinas cada vez que les emitimos una orden o un prompt. Estas operaciones, que ahora mismo realizan centenares de millones de personas en el mundo, representan entre el 80 y el 90 por ciento del consumo energético de la IA.
La otra parte del pastel energético de la IA se da durante el entrenamiento de sus modelos, procesos previos al lanzamiento de una herramienta en los que, día y noche, se computan millones de parámetros sobre enormes bases de datos.
Miriam Aczel, autora principal del estudio alerta sobre el riesgo de pensar que las energías renovables bastarían para solucionar el problema. «Si solo nos basamos en las emisiones de carbono, podríamos pensar que las renovables hacen que la infraestructura de la IA sea limpia, pero eso supone resolver un problema al tiempo que se crean otros, a menudo en lugares que no lo han solicitado”, advierte.
Un aspecto que se incorpora a la reflexión en este informe es la desigualdad en el reparto de los beneficios de la IA. Como ejemplo se cita a Irlanda, que gracias a su laxo régimen fiscal ayuda a ser el lugar preferido de la Unión Europea para alojar sus sedes. En este país, en 2023 los centros de datos ya representaban el 21% del consumo energético total, por lo que en Dublín ya se han iniciado moratorias en la construcción de nuevas instalaciones que alojan estas herramientas tecnológicas.
El informe también pone sobre la mesa el tema de la basura tecnológica. A partir de 2030 se calcula que, cada año, se generarán alrededor de 2.5 millones de toneladas de basura electrónica (principalmente procesadores obsoletos), compuestos que en muchos casos terminarán en países de bajos recursos, como ya sucede hoy.
Recomendaciones ante el creciente consumo de recursos de la IA
El informe del Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud incluye las siguientes recomendaciones a gobiernos y desarrolladores ante este «boom» de la AI:
- A los gobiernos, exigir a los operadores informes estandarizados de la huella medioambiental de la IA.
- A los desarrolladores, privilegiar la elección de modelos aptos para cada tarea (que no se usen los más robustos y que consumen más recursos para desarrollar tareas sencillas).
