Hola amigos de La Crónica, mi nombre es Humberto Martínez y es para mí un gusto enorme poder compartir con ustedes nuevamente en esta columna en la que tratamos temas de IA y sociedad. Quiero comenzar este artículo con lo siguiente: ¿Se han preguntado alguna vez qué sucede realmente en el mundo físico cada vez que le hacen una pregunta a ChatGPT o le piden a una IA que les genere una imagen?
Aunque interactuamos con esta tecnología a través de pantallas limpias y respuestas instantáneas que parecen surgir de la nada, la realidad es que la Inteligencia Artificial (IA) tiene una “huella material” profunda. No vive en las nubes; vive en gigantescos centros de datos que hoy consumen cerca del 1,5% de la electricidad mundial, una cifra que podría duplicarse para 2030.
Para entender este fenómeno, permítanme llevarlos detrás de cámaras para ver lo que gasta este “cerebro digital” que estamos construyendo.
El Cerebro Humano vs. la Ciudad Eléctrica
La primera gran sorpresa es la ineficiencia de nuestras máquinas frente a nuestra propia biología. Nuestro cerebro es una obra maestra de la ingeniería natural: funciona con apenas 20 vatios, menos de lo que consume una bombilla económica de casa. Con esa energía, somos capaces de crear, amar y resolver problemas complejos.
En cambio, si quisiéramos que una IA igualara la capacidad de procesamiento bruto de un solo cerebro humano, necesitaríamos una infraestructura que consumiera la misma energía que alimenta a toda la ciudad de Dallas (1,3 millones de habitantes). Esta brecha se debe a que la IA actual es “densa”: mantiene miles de chips encendidos al máximo incluso para tareas sencillas, mientras que nuestro cerebro es “escaso” y solo activa las neuronas necesarias.
La Analogía de la Facultad: Entrenar vs. Ejercer
Para entender por qué la IA es tan costosa, hay que dividir su vida en dos etapas, como si fuera un estudiante:
- El Entrenamiento (La Facultad): es cuando la IA “estudia” billones de datos. Es un proceso de inversión masiva. Por ejemplo, entrenar a GPT-4 costó unos $78 millones en poder de cómputo y consumió entre 5.000 y 10.000 MWh de energía.
- La Inferencia (El Médico Ejerciendo): es cuando tú le haces una pregunta. Aunque una respuesta individual gasta poco (0,3 Wh aproximadamente), la escala es tan gigantesca (miles de millones de preguntas al día) que esta fase representa entre el 80% y el 90% del costo energético total de la IA a lo largo de su vida.
El “Sorbete Gigante”: Una tecnología con mucha sed
Quizás lo más alarmante no sea la luz, sino el agua. Los centros de datos se calientan tanto que necesitan sistemas de refrigeración masivos. Investigadores comparan esta demanda con un “sorbete de soda gigante” que succiona agua de las cuencas locales.
¿Sabías que una sesión de 20 a 50 preguntas con una IA equivale a que la máquina se “beba” una botella de 500 ml de agua dulce? A nivel global, para 2027, la IA podría consumir tanta agua como la mitad de todo el Reino Unido. Esto ya ha causado tensiones en lugares como Chile y Uruguay, donde las comunidades han salido a las calles para defender su agua potable frente a la llegada de megacentros de datos de empresas como Google.
Minerales de Sangre y una Montaña de iPhones
La IA no vive en el aire; “corre sobre rocas”. Su fabricación depende de minerales como el galio, germanio y cobre, cuya extracción a menudo contamina acuíferos y suelos.
Pero el problema no termina en la mina. Como la IA avanza tan rápido, el hardware se vuelve obsoleto en apenas 1 o 3 años. El resultado es una crisis de residuos electrónicos (e-waste): para 2030, la IA generativa podría añadir hasta 5 millones de toneladas de basura electrónica. Para que se den una idea, eso equivale a tirar a la basura 13.300 millones de unidades de iPhone 15 Pro cada año.
El Martillo Climático: ¿Amigo o Enemigo?
A pesar de todo esto, la IA no es necesariamente la villana de la historia. Es, en realidad, un “martillo”: puede usarse para construir o para destruir.
Si se usa con sabiduría, la IA es nuestra mejor aliada contra el cambio climático:
- Predicción: herramientas como FloodHub ya predicen inundaciones con 7 días de antelación, salvando vidas en comunidades vulnerables.
- Eficiencia: Google Maps usa IA para sugerir rutas que ahorran combustible, evitando la emisión de 1 millón de toneladas de CO2 al año.
- Energía: DeepMind ha logrado que los parques eólicos sean un 20% más eficientes al predecir cuándo soplará el viento.
Conclusión: Hacia una Responsabilidad Planetaria
El camino no es dejar de usar la IA, sino exigir una “IA Verde”. Necesitamos transparencia: que las empresas nos digan cuánta agua y luz gasta cada modelo. Necesitamos que los centros de datos se construyan donde haya energía limpia y que los algoritmos sean más eficientes por diseño.
La verdadera inteligencia no es solo procesar datos a la velocidad de la luz, sino tener la sabiduría de hacerlo sin agotar el planeta que nos sostiene. ¿Ustedes qué opinan? ¿Vale la pena el costo?
Espero que esta nota les ayude a ver su próxima consulta en el chat con ojos diferentes. ¡Nos leemos en la próxima!
*Mtro. Humberto Martínez – Bibliotecario Investigador de la Universidad Panamericana (UP)