El costo energético de la IA se desploma: Google logra reducirlo 33 veces en un año
La preocupación por el impacto ambiental de la inteligencia artificial no es infundada. En lo que llevamos de 2025, el consumo eléctrico en Estados Unidos ha aumentado casi un 4% comparado con el mismo periodo del año anterior, rompiendo décadas de estabilidad. Y buena parte de este incremento tiene un nombre claro: centros de datos para IA.
Mientras muchos analistas lanzan proyecciones apocalípticas, Google acaba de publicar un análisis detallado sobre el impacto real de sus consultas de IA que ofrece una perspectiva más optimista: han conseguido reducir el consumo energético de cada consulta de inteligencia artificial en 33 veces en solo un año. Una cifra que, francamente, parece demasiado buena para ser cierta.
Lo que Google ha medido (y lo que no)
Valorar el impacto ambiental de la IA es más complejo de lo que parece. No basta con medir la electricidad que consume un procesador al responder una pregunta. El análisis de Google incluye:
- Energía consumida por CPUs, aceleradores de IA y memoria
- Consumo tanto en procesamiento activo como en estado de espera
- Uso de energía y agua del centro de datos completo
- Emisiones de carbono asociadas al suministro eléctrico
- Huella ambiental de la fabricación del hardware utilizado
Sin embargo, hay aspectos que no consideraron. Google no ha incluido el impacto de la red de transmisión de datos, la carga en los dispositivos de los usuarios (que puede variar enormemente entre un smartphone y un ordenador potente), ni —sorprendentemente— el costo energético del entrenamiento de los modelos.
Esta última omisión es especialmente llamativa. El entrenamiento inicial de modelos de IA generativa consume cantidades monumentales de energía, y Google seguramente tiene estos datos. Repartir ese costo entre todas las consultas que atenderá el modelo durante su vida útil daría una imagen más completa del impacto real.
Las cifras que sorprenden
Las estadísticas que presenta Google son llamativas por su aparente modestia:
- Una consulta de texto mediana en Gemini: 0,24 vatios-hora de energía
- Emisiones por consulta: 0,03 gramos de CO₂ equivalente
- Consumo de agua: 0,26 mililitros (aproximadamente cinco gotas)
Para ponerlo en perspectiva: el consumo energético equivale a unos nueve segundos viendo televisión. Suena casi insignificante, ¿verdad?
Pero el volumen marca la diferencia. Cuando hablamos de miles de millones de consultas diarias, estas cifras microscópicas se convierten en magnitudes considerables. Especialmente cuando Google ha decidido ejecutar operaciones de IA con cada búsqueda que hacemos, algo que simplemente no existía hace un par de años.
¿Cómo han logrado esta reducción?
La mejora no se debe a un solo factor, sino a una combinación de estrategias:
-
Mixture-of-Experts: Esta técnica activa solo las partes del modelo necesarias para una consulta específica, reduciendo las necesidades computacionales entre 10 y 100 veces.
-
Modelos compactos: Han desarrollado versiones más ligeras de sus modelos principales que requieren menos recursos.
-
Gestión eficiente de centros de datos: Aseguran que el hardware activo se utilice al máximo, mientras el resto permanece en modo de bajo consumo.
-
Energía más limpia: Han logrado reducir un 1,4 veces las emisiones de carbono por unidad de energía aprovechando el auge de las renovables.
¿Podemos fiarnos de estos datos?
Aquí es donde debemos mantener un sano escepticismo. Google tiene interés en presentar la IA como una tecnología sostenible justo cuando enfrenta críticas por su impacto ambiental. Sin embargo, hay dos factores que dan credibilidad a su informe:
Primero, en lugar de quedarse en cifras generales, han detallado exhaustivamente su metodología, acercándose al formato de una publicación académica.
Segundo, están abogando porque otros actores del sector adopten marcos de medición similares. Esto sugiere confianza en sus métodos y resultados.
El elefante en la habitación: el entrenamiento
A pesar de las mejoras en eficiencia operativa, seguimos sin abordar completamente el entrenamiento inicial. Se estima que entrenar modelos como los de la familia Gemini puede consumir tanta energía como cientos o miles de hogares durante un año.
Optimización constante: una carrera contra el tiempo
La velocidad de mejora en eficiencia es casi tan impresionante como la tecnología misma. Si miramos atrás, hace solo un año, cada consulta de IA consumía 33 veces más energía. Esto diluye otros costos ambientales, como los asociados a la fabricación del hardware, ya que cada componente puede ahora procesar muchas más consultas durante su vida útil.
No obstante, hay un factor que podría contrarrestar estas mejoras: el crecimiento exponencial en el uso de IA. Si las consultas se multiplican por 33 o más en el próximo año, estaríamos de vuelta al punto de partida en términos de impacto total, independientemente de la eficiencia lograda.
El verdadero desafío está por venir
Al final, el impacto ambiental de la IA dependerá de una carrera entre dos fuerzas: optimización tecnológica versus adopción masiva. Las mejoras en eficiencia son impresionantes, pero el hambre por más IA en cada aspecto de nuestras vidas crece día a día.
Los detectores de IA y generadores de imágenes IA son solo la punta del iceberg de aplicaciones que cada vez consumen más recursos. Si queremos que esta tecnología sea realmente sostenible, necesitamos transparencia en todo el sector, no solo informes ocasionales.
Google ha dado un primer paso importante hacia la medición rigurosa del impacto ambiental de la IA. Ahora corresponde al resto de la industria seguir este ejemplo y, quizás más importante, a los usuarios preguntarnos si realmente necesitamos IA en absolutamente cada interacción digital de nuestras vidas.
