“El costo de la inteligencia artificial será el costo de la energía”. Con esta afirmación, Sam Altman, director ejecutivo de OpenAI, sacudió la reciente audiencia ante el Congreso de Estados Unidos, donde advirtió que el futuro de la inteligencia artificial (IA) no depende solo de avances en software o algoritmos, sino de la capacidad de generar y gestionar energía de forma sostenible.
Según informó Time, Altman subrayó ante los legisladores que la expansión de la IA está limitada por la infraestructura energética, y que las políticas tecnológica y energética deben avanzar de forma conjunta para evitar una crisis ambiental y competitiva.
La intervención de Altman en Capitol Hill no solo expuso la urgencia de regular la IA, sino que también reveló una verdad incómoda: el desarrollo de esta tecnología está atado a la disponibilidad de recursos físicos, desde minerales y chips hasta la electricidad que alimenta los centros de datos.
“Eventualmente, los chips, el equipo de red... serán fabricados por robots, y lograremos que eso sea muy eficiente y cada vez más barato, pero un electrón es un electrón”, declaró Altman ante el Congreso, según recogió Time.
Un principio económico: la energía como límite
La economía de la IA, explicó Altman, se encamina hacia un punto en el que el costo marginal de la inteligencia convergerá con el costo marginal de la electricidad. Es decir, la capacidad de una nación o empresa para innovar dependerá directamente de su acceso a energía abundante, confiable y asequible.
De acuerdo con Time, Altman señaló que “la energía es el factor limitante principal para la innovación”. Algunas estimaciones citadas en el reporte indican que Estados Unidos necesitará hasta 90 gigavatios adicionales de capacidad eléctrica —equivalente a 90 plantas nucleares— solo para alimentar los centros de datos que sostienen la IA.
Este principio sugiere que la competencia por el liderazgo en IA se transformará en una carrera por el dominio energético. Las regiones capaces de generar energía limpia a gran escala marcarán el techo de lo que es posible en el ámbito de la inteligencia artificial.
Consumo energético: cifras concretas
Detrás de cada imagen generada por IA, cada respuesta automatizada o modelo entrenado, existe un alto consumo de energía. TIME detalló que, durante la primera semana tras el lanzamiento de la herramienta de generación de imágenes de OpenAI, los usuarios crearon 700 millones de imágenes. Cada una requirió aproximadamente 7 vatios-hora, lo que representa más de 5 millones de kilovatios-hora en total: el equivalente al consumo semanal de 24.000 hogares estadounidenses.
Estos datos evidencian que la IA no es un fenómeno puramente digital, sino uno con un fuerte impacto físico y ambiental. La extracción de minerales, la construcción de centros de datos y su consumo eléctrico convierten el desarrollo de esta tecnología en un desafío ecológico de gran escala.
Huella de carbono y transparencia
Pese a su impacto, la mayoría de las grandes tecnológicas —incluida OpenAI— no publica datos precisos sobre la huella de carbono de sus modelos. Esta falta de transparencia deja a usuarios y reguladores sin herramientas claras para dimensionar el costo ambiental de la IA.
Sin embargo, TIME informó que especialistas en ciencia de datos ya desarrollaron métodos confiables para estimar el costo de carbono de los principales modelos. El Carbon Disclosure Project, citado por la revista, advirtió que “no abordar los riesgos climáticos en las cadenas de suministro cuesta casi tres veces más que las acciones necesarias para mitigarlos”.
Medir y optimizar la eficiencia energética y de carbono podría convertirse en una ventaja competitiva clave, en un escenario de regulaciones más estrictas y costos energéticos en alza.
Casos concretos de reducción de emisiones
El impacto de la medición y optimización energética se refleja en experiencias verificables. El artículo de TIME menciona el caso de una importante empresa del sector publicitario que, tras migrar de CPUs a GPUs, logró reducir sus emisiones de carbono en un 62% y el uso de agua en un 55%.
Este ejemplo demuestra que, mediante una medición adecuada y ajustes en la infraestructura, es posible mejorar la sostenibilidad operativa de la inteligencia artificial.
Iniciar procesos de seguimiento y análisis permite identificar oportunidades de mejora, establecer líneas base de desempeño y construir capacidades para liderar en sostenibilidad.
Competencia geopolítica: IA y energía
La dimensión geopolítica de esta transformación quedó de manifiesto durante la audiencia en el Senado de Estados Unidos en mayo. Allí, el senador Ted Budd (republicano por Carolina del Norte) afirmó: “La capacidad de Estados Unidos para desplegar nueva generación de energía y modernizar su red eléctrica es, en muchos sentidos, la clave en la carrera contra China. La energía es cómo podemos ganar y también cómo podemos perder”.
Según la Agencia Internacional de Energía, citada por Time, China ya lidera el sector de renovables y representará casi la mitad de la capacidad mundial de energía limpia para fines de la década. Así, mientras Estados Unidos se centra en competir con los modelos de IA chinos, la verdadera batalla se traslada al plano energético.
El liderazgo en inteligencia artificial dependerá, cada vez más, del liderazgo en energía renovable y eficiencia operativa.
Iniciativas legislativas: el ejemplo de Massachusetts
La necesidad de políticas integradas se refleja en proyectos como la Artificial Intelligence Environmental Impacts Act of 2024, impulsada en el estado de Massachusetts. Según Time, esta es una de las primeras leyes que buscan alinear las ambiciones en IA con las limitaciones energéticas, promoviendo herramientas para medir y reportar todo el impacto ambiental asociado.
Escalar la infraestructura de energía renovable requerirá décadas de inversión. No obstante, el informe subraya que es imperioso comenzar desde ahora, midiendo y mitigando la huella de carbono e hídrica de la IA generativa.
Un llamado a la acción
TIME concluye que, sin una respuesta coordinada, se corre el riesgo de consolidar prácticas ineficientes en la economía digital emergente. Por eso, resulta esencial promover centros de datos energéticamente eficientes, con monitoreo continuo y estándares de eficiencia obligatorios.
La carrera por la supremacía en IA podría definirse más por la innovación en energía sostenible que por los avances en software. Gobiernos y empresas que inviertan hoy en infraestructura energética y medición ambiental estarán mejor posicionados para liderar la próxima era tecnológica.
La visión de Sam Altman, reiterada ante el Congreso y recogida por TIME, apunta a un futuro en el que la inteligencia y la energía, combinadas con una buena gobernanza, abren el camino a cualquier otro progreso humano.
“La inteligencia y la energía han sido los factores limitantes del progreso humano durante mucho tiempo; con abundancia de ambos (y buena gobernanza), teóricamente podemos tener cualquier otra cosa”, concluyó Altman. “No hay duda de que el costo de la IA es la energía. Asegurémonos de que sea sostenible”.