¿Sabías que cada vez que generas una imagen con IA estás consumiendo 1.450 veces más energía que cuando clasificas un correo como spam? ¿O que ChatGPT solo requiere, para compensar sus emisiones de carbono, plantar 2,6 millones de árboles durante diez años en una superficie del tamaño de Manhattan?
No son exageraciones de activistas digitales. Son datos del informe Coste ambiental del uso energético de la IA: huellas de carbono, agua y suelo, publicado en junio de 2026 por el Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH). Y merece la pena leerlo con atención, porque cambia bastante la narrativa habitual sobre IA y sostenibilidad.
Lo que viene a decir, en síntesis: el sector lleva años midiendo mal. Nos hemos obsesionado con el carbono y hemos ignorado el agua y el suelo. Y eso es un problema gordo.
Las tres cifras que hay que conocer para 2030
El informe proyecta tres escenarios para dentro de cuatro años, cuando la infraestructura de IA habrá terminado de escalar. Los números son difíciles de ignorar:
- 945 teravatios-hora de electricidad al año. Equivale al consumo combinado de Pakistán, Bangladés y Nigeria juntos, países que suman más de 650 millones de personas. En 2025 ya consumían 448 TWh, más que toda Arabia Saudí.
- 9,3 billones de litros de agua. Lo que necesitan anualmente 1.300 millones de personas en el África subsahariana, básicamente para sobrevivir. El agua se usa principalmente para refrigerar los centros de datos y para generar la electricidad que los alimenta.
- 14.500 kilómetros cuadrados de suelo ocupado. El doble de la superficie metropolitana de Yakarta. Infraestructura energética, instalaciones de datos, cadenas de suministro de hardware.
A esto hay que sumar 2,5 millones de toneladas de residuos electrónicos al año, la mayor parte procesados en países con escasas garantías ambientales y laborales.
Son proyecciones, no certezas. Pero vienen avaladas por la Universidad de la ONU y se basan en las tendencias de crecimiento actuales. No hay razón para descontarlas.
El error de medir solo el carbono
Aquí está el argumento más interesante del informe, y el que más me interpela como profesional que trabaja con empresas en transformación digital.
Durante años, la industria tecnológica ha utilizado las emisiones de CO₂ como único indicador de sostenibilidad. Las grandes tecnológicas compran créditos de carbono, anuncian compromisos de neutralidad climática, cambian sus matrices energéticas hacia renovables. Y eso suena bien. El problema es que las tres huellas —carbono, agua, suelo— no se mueven en la misma dirección.
El informe pone un ejemplo concreto: cambiar del carbón a la bioenergía reduce la huella de carbono en un 70%. Hasta aquí, perfecto. Pero esa misma decisión multiplica la huella de agua por treinta y la de suelo por cien. «Bajo en carbono» no es lo mismo que «bajo en agua» ni «bajo en territorio».
Esta es la trampa en la que estamos cayendo a escala global. Las empresas que se presentan como sostenibles porque compran energía renovable para sus centros de datos pueden estar, simultáneamente, agotando acuíferos en zonas con estrés hídrico severo.
El consumo real no está en el entrenamiento, sino en el uso diario
Hay otro malentendido que el informe corrige con datos. El debate público se ha centrado en el coste energético de entrenar grandes modelos. GPT-3 requirió 1,3 gigavatios-hora; GPT-4 se estima entre 50 y 70 GWh. Cifras impresionantes, sin duda.
Pero una vez que el modelo está desplegado, lo que consume es la inferencia: el procesamiento continuo de cada consulta de cada usuario. Y eso representa entre el 80% y el 90% del consumo energético total de la IA a lo largo de su vida útil.
Solo ChatGPT maneja unos 2.500 millones de consultas al día. Eso se traduce en unos 383 gigavatios-hora al año. Y no todas las consultas cuestan lo mismo:
- Una conversación con un chatbot consume 200 veces más energía que clasificar texto.
- Generar una imagen consume 1.450 veces más.
- Un vídeo corto generado con IA puede equivaler a 200.000 clasificaciones de spam.
Esto tiene implicaciones directas para cualquier empresa que esté pensando en su estrategia de IA. Elegir entre texto, imagen y vídeo no es solo una decisión creativa o de eficacia comunicativa: es también una decisión con huella ambiental medible.
La paradoja de Jevons: cuando la eficiencia empeora el problema
El informe cita la paradoja de Jevons, también conocida como efecto rebote, y lo hace con razón. El argumento habitual de la industria es que los modelos cada vez son más eficientes, que consumen menos por consulta, que la tecnología se optimiza sola. Todo eso es cierto.
El problema es que una tecnología más barata y eficiente se usa exponencialmente más. Las ganancias en eficiencia por consulta se ven anuladas —y con creces— por el crecimiento del volumen total de uso.
En las formaciones que imparto, suelo usar este ejemplo: cuando el coche se hizo más eficiente en consumo de combustible, la gente no ahorró gasolina. Compró coches más grandes y condujo más kilómetros. Con la IA está pasando exactamente lo mismo, pero a escala global y en tiempo récord.
El impacto local de un problema presentado como global
Uno de los aspectos más relevantes del informe, y que menos se ha cubierto en los medios, es la dimensión geográfica del problema.
Los costes no se distribuyen de forma equitativa. En Irlanda, los centros de datos ya representaron el 21% de la electricidad medida en 2023, más que todos los hogares urbanos del país, y el operador de la red ha paralizado nuevas aprobaciones en Dublín hasta 2028. En Querétaro (México), la expansión de la infraestructura de computación está agotando suministros de agua en medio de sequías prolongadas. En Uruguay, un centro de datos de alto consumo hídrico se construyó justo cuando una sequía vaciaba las reservas de agua dulce de Montevideo.
Y luego está el dato que debería preocupar a cualquiera que trabaje con IA: solo 32 países del mundo albergan centros de datos especializados en IA, y el 90% de esa capacidad se concentra en dos de ellos. Más de 150 naciones no tienen acceso a computación soberana de IA. Mientras tanto, esos mismos países excluidos del beneficio son los que soportan la extracción de minerales críticos para fabricar los chips, y los que gestionan, con escasas garantías, los residuos electrónicos que genera el sistema.
Esto no es solo un problema ambiental. Es una cuestión de justicia global con implicaciones regulatorias que tarde o temprano van a llegar a la mesa legislativa.
Qué significa esto para las empresas que usan IA hoy
El informe no es un manifiesto contra la IA, y yo tampoco lo entiendo así. Sus propios autores lo dejan claro: es un llamamiento a usarla de forma responsable. Pero eso implica empezar a tomar decisiones que hasta ahora nadie consideraba relevantes.
Algunas preguntas concretas que las empresas deberían empezar a hacerse:
¿Qué modelo estoy eligiendo y por qué? Usar el modelo más potente disponible para tareas que podría resolver un modelo más ligero es un derroche con coste real. La selección de modelo es ya una decisión de huella ambiental.
¿Qué formato de salida necesito realmente? Generar un vídeo cuando un texto hubiera servido no es una exigencia del negocio: es una costumbre. Cambiarla tiene impacto.
¿Dónde está alojado mi proveedor de IA? La fuente de energía y la localización geográfica del centro de datos determinan en gran medida la huella hídrica y de carbono del servicio. Es información que empieza a estar disponible y que conviene pedir.
¿Cuánto vale la transparencia para mi marca? Los inversores, según el propio informe de la ONU, ya deben tratar las huellas de carbono, agua y suelo como riesgos materiales en sus carteras. Las empresas que no tengan esta información organizada van a tener problemas.
En definitiva
La IA no es software. Es infraestructura física con impacto real en recursos finitos. Agua, territorio, minerales, electricidad. El informe de la Universidad de la ONU no nos pide que dejemos de usar IA. Nos pide que dejemos de usarla como si fuera gratuita.
Para quienes trabajamos en transformación digital, y especialmente para quienes asesoramos a empresas en la adopción de IA, esto abre un nuevo capítulo de responsabilidad. No se trata de culpa: se trata de información. Y ahora la tenemos.
La pregunta es qué hacemos con ella.
¿Quieres que tu equipo entienda no solo cómo usar la IA, sino cómo hacerlo de forma estratégica y responsable?
En Academia de IA diseñamos formaciones a medida para empresas: desde talleres de iniciación hasta programas avanzados de automatización y cumplimiento normativo, incluyendo los nuevos marcos de sostenibilidad y gobernanza de IA.
👉 Solicita información sobre formación para tu empresa
Fuente principal: UNU-INWEH (2026). «Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints». Universidad de las Naciones Unidas. Publicado el 3 de junio de 2026.
Abogada especializada en Inteligencia Artificial. Profesora externa de IA en ENAE. Speaker. CEO Fundadora de academiadeia.es, legalprompt.es, fenixcomunicación.es, murciaunica.com y la revista digital para «Nostálgicos de mentes inquietas» generacionfenix.com.
