miniaturadeimagen|300x300px| Se observa que los chips de GPU utilizados en IA requieren más energía y refrigeración en comparación con un chip de CPU tradicional. El impacto ambiental de la inteligencia artificial, concretamente aquel producto de su diseño, capacitación, despliegue y uso, incluye las emisiones de gases de efecto invernadero derivadas de la generación de electricidad para centros de procesamiento de datos y hardware informático, el uso de agua operativa y aguas arriba, y los impactos materiales derivados de la fabricación de hardware, la minería y la chatarra electrónica.
Estimar los efectos ambientales de la IA puede ser difícil porque los resultados dependen de cómo se midan los impactos, incluyendo si la contabilidad incluye solo el cálculo del modelo o también los gastos generales del centro de datos, la capacidad ociosa, la fabricación de hardware y el suministro eléctrico local.
A medida que estos temas han recibido mayor atención, los gobiernos y los reguladores han considerado cada vez más los requisitos de presentación de informes de los centros de datos, los estándares de eficiencia energética y medidas de transparencia más amplias para el uso de recursos relacionados con la IA.
Huella de carbono La IA tiene una importante huella de carbono debido al creciente consumo de energía, especialmente debido al entrenamiento y el uso. Los investigadores han argumentado que la huella de carbono de los modelos de IA durante el entrenamiento debe tenerse en cuenta al intentar comprender el impacto de la IA. Un estudio sugirió que para 2027, los costos de energía para IA podrían aumentar a 85-134 Twh, casi el 0,5% de todo el uso de energía actual. El entrenamiento de un modelo de aprendizaje profundo puede utilizar hasta la misma huella de carbono que las emisiones de la vida útil de cinco automóviles. El entrenamiento de un modelo de lenguaje grande (LLM) y otras IA generativas generalmente requiere mucha más energía en comparación con la ejecución de una única predicción en el modelo entrenado. Sin embargo, el uso repetido de un modelo entrenado puede fácilmente multiplicar los costos energéticos de las predicciones. El cálculo necesario para entrenar los modelos de IA más avanzados se duplica cada 3,4 meses en promedio, lo que genera un uso exponencial de energía y la consiguiente huella de carbono.
BERT, un modelo de IA generativa entrenado en 2019, consumió «la energía de un vuelo transcontinental de ida y vuelta». El GPT-3 liberó 552 toneladas métricas de dióxido de carbono a la atmósfera durante el entrenamiento, «el equivalente a 123 vehículos propulsados por gasolina conducidos durante un año». Gran parte del coste energético se debe a arquitecturas de modelos y procesadores ineficientes. Un modelo llamado BLOOM, de Hugging Face, entrenó con chips más eficientes y, por lo tanto, solo liberó 25 toneladas métricas de CO2. Si se tiene en cuenta el coste energético de la fabricación de los chips para el sistema, se duplicó la huella de carbono, hasta «el equivalente a unos 60 vuelos entre Londres y Nueva York». Se calcula que operar BLOOM a diario libera una huella de carbono equivalente a conducir 54 millas.
Los algoritmos que tienen menores costos de energía pero se ejecutan millones de veces al día también pueden tener huellas de carbono significativas. La integración de la IA en los motores de búsqueda podría multiplicar significativamente los costos de energía y algunas estimaciones sugieren que los costos de energía aumentarían a casi 30 mil millones de kWh por año, una huella energética mayor que la de muchos países. Otra estimación determinó que integrar ChatGPT en cada consulta del buscador de Google consumiría 10 tWh cada año, el equivalente al consumo energético anual de 1,5 millones de residentes de la Unión Europea.
La IA ha provocado un mayor consumo de agua y energía, lo que genera demandas significativamente mayores en la red. Debido a la creciente demanda de energía de los proyectos relacionados con la IA, una central eléctrica de carbón en Kansas City y otra en Virginia Occidental retrasaron su cierre. Otras centrales de carbón en la región de Salt Lake City han pospuesto su cierre hasta por una década. En Virginia y Francia se han producido intensos debates ambientales sobre si se debería convocar una «moratoria» para la construcción de centros de datos adicionales. En 2024, en el Foro Económico Mundial, el ejecutivo de OpenAI, Sam Altman, pronunció un discurso en el que dijo que la industria de la IA solo puede crecer si hay un gran avance tecnológico para aumentar el desarrollo energético.
En 2024, Google no logró alcanzar los objetivos clave de su plan de cero emisiones netas como resultado de su trabajo con IA, y tuvo un aumento del 48% en las emisiones de gases de efecto invernadero atribuible a su crecimiento en IA. Microsoft y Meta tuvieron aumentos similares en su huella de carbono, atribuidos de manera similar a la IA. La huella de carbono de los modelos de IA depende de la fuente de energía utilizada, y los centros de datos que utilizan energía renovable reducen su huella. Muchas empresas tecnológicas afirman compensar el consumo de energía comprando energía de fuentes renovables, aunque algunos expertos sostienen que las empresas de servicios públicos simplemente reemplazan la energía renovable declarada con mayores fuentes no renovables para sus otros clientes. El análisis de la huella de carbono de los modelos de IA sigue siendo difícil de determinar, ya que se agregan como parte de las huellas de carbono de los centros de datos, y algunos modelos pueden ayudar a reducir las huellas de carbono de otras industrias, o debido a las diferencias en los informes de las empresas.
Algunas aplicaciones del aprendizaje automático, como el descubrimiento y la exploración de combustibles fósiles, pueden empeorar el cambio climático. El uso de IA para mercadotecnia personalizada en línea también puede conducir a un mayor consumo de bienes, lo que también podría incrementar las emisiones globales.
Eficiencia energética thumb|upright=1.75|El consumo energético por consulta de ChatGPT es reducido en comparación con el consumo eléctrico diario.
Los chips de IA (es decir, las GPU) utilizan más energía y emiten más calor que los chips de CPU tradicionales. Los modelos de IA con arquitecturas implementadas de manera ineficiente o entrenados en chips menos eficientes pueden utilizar más energía. Desde la década de 1940, la eficiencia energética de la computación se ha duplicado cada 1,6 años. Algunos escépticos argumentan que las mejoras en la eficiencia de la IA sólo pueden aumentar su uso y, por lo tanto, la huella de carbono debido a la paradoja de Jevons.
En septiembre de 2024, Microsoft anunció tener un acuerdo con Constellation Energy donde acordaban volver a abrir la Planta de energía nuclear Three Mile Island, para proveer a Microsoft con el 100% de toda la energía producida por la planta durante 20 años. Al volver a reanudar la actividad de la planta, la cual sufrió un colapso nuclear parcial de su Unit 2 reactor en 1979, se necesitará que Constellation pasé por procesos regulatorios estrictos que incluirán una exhaustiva evaluación de seguridad por parte de la Comisión Reguladora Nuclear de Estados Unidos. Si se aprueba (sería la primera vez que se reautoriza la operación de una planta nuclear en EE. UU.), se producirán más de 835 megavatios de energía, suficientes para abastecer 800 000 hogares. El costo estimado para la reapertura y modernización es de 1.6 mil millones de dólares estadounidenses, y depende de los incentivos fiscales para la energía nuclear incluidos en la Ley de Reducción de la Inflación de 2022. El gobierno de EE. UU. y el estado de Míchigan están invirtiendo casi 2 mil millones de dólares para reabrir el Reactor Nuclear Palisades, ubicado en el lago de Míchigan. Cerrada desde 2022, se prevé que la planta vuelva a operar en octubre de 2025. La instalación de Three Mile Island será renombrada como Centro de Energía Limpia Crane (Crane Clean Energy Center) en honor a Chris Crane, defensor de la energía nuclear y exdirector ejecutivo de Exelon, quien fue responsable de la escisión de Constellation.
En 2025, Microsoft anunció planes para invertir 80 mil millones de dólares en el desarrollo y expansión de centros de datos diseñados para respaldar tecnologías de inteligencia artificial. Estas instalaciones, fundamentales para el avance de la ISA, dependen de vastas redes clústeres de chips interconectados y de un suministro eléctrico significativo para funcionar de manera eficiente.
La Agencia Internacional de la Energía (AIE) publicó en febrero de 2025 su Análisis y Pronóstico de Electricidad 2025, proyectando un crecimiento del 4% en la demanda mundial de electricidad durante los próximos tres años. Este aumento se atribuye al crecimiento de los centros de datos, el incremento de la producción industrial, la mayor electrificación y el uso creciente del aire acondicionado. Para 2027, se espera que el consumo energético de Estados Unidos aumente en una cantidad equivalente al consumo anual total de energía de California, impulsado principalmente por los centros de datos que están hambrientos por más energía y las operaciones manufactureras. En 2024, la generación eléctrica estadounidense aumentó un 3%, con los centros de datos emergiendo como la principal fuerza detrás de ese incremento. Se prevé que la tendencia continúe a medida que las plantas de fabricación de semiconductores y baterías aumenten su actividad, intensificando aún más la demanda.
En 2024, un grupo de políticas públicas de EE. UU. informó que la inteligencia artificial y otras tecnologías e industrias que están llamadas a dominar la economía mundial se caracterizan por su alta demanda de electricidad. Por lo tanto, la base de la estrategia y la formulación de políticas energéticas de EE. UU. será priorizar el suministro confiable y abundante de electricidad para respaldar estos sectores críticos, esenciales para mantener el liderazgo económico y tecnológico del país en el . La rápida expansión de la IA ha generado una demanda de energía eléctrica sin precedentes, lo que representa un gran obstáculo para el crecimiento del sector. Por ejemplo, en el norte de Virginia, el centro global de datos de IA más grande , el tiempo necesario para conectar instalaciones grandes (aquellas que requieren más de 100 megavatios de potencia) a la red eléctrica se ha extendido hasta sete años, lo que refleja la presión sobre la infraestructura energética y la dificultad para satisfacer las crecientes necesidades eléctricas de la IA. En todos Estados Unidos, las compañías eléctricas están experimentando el mayor aumento en demanda eléctrica en décadas, lo que contribuye directamente a mayores tiempos de espera para las conexiones y complica los esfuerzos por mantener el liderazgo tecnológico del país en inteligencia artificial. La magnitud de estos desafíos energéticos va más allá de lo logístico. Una editorial del New York Times subrayó el rol crítico de la infraestructura energética, "La electricidad es más que un servicio público; es la base de la era digital. Si Estados Unidos realmente quiere asegurar su liderazgo en la IA, debe invertir igualmente en los sistemas energéticos que la impulsan."
Un informe bibliográfico de 2023 elaborado por Inria y CEA-Leti destaca la huella de carbono de la IA debe evaluarse mediante un análisis completo del ciclo de vida (LCA), que incluya la fabricación del hardware, el consumo energético durante el entrenamiento y las fases de implementación, y no solo las emisiones operativas.