Centros de datos e inteligencia artificial: cuánta energía consumen y cómo hacerlos más sostenibles

La inteligencia artificial parece inmaterial: escribimos una consulta, esperamos unos segundos y recibimos texto, imágenes, vídeo o código. Sin embargo, cada respuesta depende de una infraestructura física formada por centros de datos, servidores acelerados, redes eléctricas, sistemas de refrigeración y cadenas de suministro de semiconductores. Esa infraestructura está creciendo con rapidez y convierte el consumo energético de la inteligencia artificial en una cuestión tecnológica, económica y ambiental de primer orden.

La discusión suele reducirse a una pregunta demasiado simple: «¿cuánta electricidad consume una consulta de IA?». La realidad es bastante más compleja. El impacto depende del tipo de tarea, del modelo, del hardware, de la eficiencia del centro de datos, de la mezcla eléctrica de la región y de si hablamos de entrenamiento o de uso cotidiano. Además, la eficiencia por tarea está mejorando con enorme rapidez, al mismo tiempo que aparecen aplicaciones —razonamiento avanzado, vídeo generativo o agentes autónomos— que demandan muchos más recursos que una consulta de texto sencilla.

En 2026 disponemos ya de datos más sólidos para separar hechos de exageraciones. La Agencia Internacional de la Energía (IEA) estima que el consumo eléctrico mundial de los centros de datos alcanzó unos 485 TWh en 2025 y proyecta alrededor de 950 TWh en 2030 en su escenario central, aproximadamente el 3 % de la demanda eléctrica global. La institución subraya, no obstante, que el crecimiento no procede únicamente de la IA y que las previsiones siguen sujetas a incertidumbre tecnológica, económica y regulatoria. El informe actualizado de la IEA sobre energía e inteligencia artificial es una de las referencias más completas para entender esta evolución.

Por qué la inteligencia artificial necesita tanta infraestructura física

Los modelos de IA modernos funcionan sobre grandes cantidades de cálculo. Para ejecutarlo se utilizan centros de datos equipados con procesadores convencionales y, cada vez más, aceleradores especializados como GPU y otros chips diseñados para operaciones matriciales. Un centro de datos no consume electricidad únicamente cuando realiza cálculos: también necesita almacenamiento, equipos de red, sistemas de alimentación ininterrumpida, transformación eléctrica y refrigeración.

Según la IEA, los servidores representan de media alrededor del 60 % de la electricidad utilizada en un centro de datos moderno, aunque la cifra cambia mucho según la instalación. El resto corresponde a redes, almacenamiento y sistemas auxiliares. La llegada de cargas de IA de alta densidad está alterando además el diseño físico de las instalaciones: más potencia concentrada en menos espacio significa más calor que extraer y nuevas exigencias para la alimentación eléctrica.

Esta evolución conecta directamente con una cuestión que ya tratamos al hablar de sostenibilidad en el diseño digital: cada servicio digital tiene una infraestructura detrás. Optimizar una interfaz, una web o una aplicación ayuda, pero el impacto final también depende del lugar y la forma en que se ejecutan los procesos que no vemos.

Entrenamiento e inferencia: dos consumos diferentes

Conviene separar dos fases. El entrenamiento consiste en ajustar un modelo utilizando grandes conjuntos de datos y enormes cantidades de operaciones matemáticas. Es un proceso concentrado en el tiempo y puede requerir miles de aceleradores trabajando durante días o semanas. La inferencia, en cambio, es lo que ocurre cuando una persona utiliza el modelo ya entrenado para generar una respuesta.

Durante años se prestó mucha atención al entrenamiento porque su consumo era muy visible. A medida que millones de personas y empresas incorporan IA a sus tareas diarias, la inferencia adquiere cada vez más peso. Una sola consulta puede ser relativamente pequeña, pero multiplicada por miles de millones de interacciones se convierte en una carga considerable.

Aun así, comparar consultas individuales sin conocer sus características puede inducir a error. La IEA señala que la energía necesaria por tarea de IA ha descendido al menos un orden de magnitud anual en los últimos años gracias a mejoras simultáneas de hardware y software. Una consulta breve de texto puede requerir poca energía, mientras que generar vídeo, mantener procesos de razonamiento prolongado o coordinar agentes que ejecutan múltiples herramientas puede necesitar cientos o miles de veces más.

Por eso no existe una cifra universal del tipo «una pregunta a una IA consume X vatios-hora». El valor cambia con el modelo, la longitud del contexto, la respuesta, el hardware, el grado de utilización del servidor y la infraestructura que lo rodea. Una estimación seria debe indicar siempre qué sistema y qué tarea está midiendo.

Los centros de datos podrían duplicar su consumo eléctrico antes de 2030

El crecimiento agregado sí puede medirse con mayor fiabilidad. En su actualización de abril de 2026, la IEA calcula que los centros de datos consumieron unos 485 TWh de electricidad en 2025, tras crecer alrededor de un 17 % respecto al año anterior. El consumo de los centros específicamente orientados a IA habría aumentado mucho más deprisa, alrededor de un 50 % durante ese mismo año.

El escenario central de la agencia sitúa el consumo mundial de los centros de datos cerca de 950 TWh en 2030. Eso supone aproximadamente duplicar el nivel de 2025 y representar alrededor del 3 % de la electricidad global. Es una cantidad importante, aunque conviene mantenerla en perspectiva: según la propia IEA, otros motores de crecimiento —industria, vehículos eléctricos, climatización o electrificación de edificios— seguirán explicando la mayor parte del incremento total de la demanda eléctrica.

La dificultad aparece porque los centros de datos se concentran geográficamente. Una carga que globalmente representa un porcentaje moderado puede convertirse en un problema importante para una red eléctrica local. Grandes instalaciones necesitan conexiones de alta capacidad, transformadores, líneas, sistemas de respaldo y generación suficiente. En determinadas regiones, el cuello de botella no será producir energía en términos globales, sino entregarla exactamente donde y cuando la infraestructura digital la necesita.

Estados Unidos ilustra bien esa tensión. El Lawrence Berkeley National Laboratory actualizó en junio de 2026 su informe sobre consumo energético de centros de datos y estima que estas instalaciones podrían representar el 11,8 % de la electricidad estadounidense en 2030 en su escenario central, con un rango aproximado del 9,5 % al 15,3 %. No debe extrapolarse esa proporción al resto del mundo: refleja la excepcional concentración de centros de datos prevista en Estados Unidos.

Más eficiencia no significa necesariamente menos consumo total

La informática lleva décadas mejorando su eficiencia. Cada nueva generación de chips realiza más operaciones por unidad de energía, mientras que el software aprende a aprovechar mejor el hardware. En IA sucede lo mismo. Técnicas de cuantización, modelos especializados, arquitecturas más pequeñas y sistemas capaces de activar únicamente una parte de sus parámetros pueden reducir significativamente el cálculo necesario para una tarea concreta.

Sin embargo, existe una paradoja conocida en tecnología y economía: cuando un recurso se vuelve más eficiente y barato, puede utilizarse mucho más. La IA ilustra perfectamente este efecto. Reducir diez veces el gasto energético de una consulta no garantiza una reducción del consumo total si el número de consultas aumenta veinte veces o si aparecen aplicaciones mucho más intensivas.

La IEA describe precisamente esa tensión entre tres fuerzas: eficiencia creciente, adopción acelerada y aparición de nuevas capacidades. El resultado final no está predeterminado. De ahí que las proyecciones deban revisarse con frecuencia y no deban presentarse como cifras definitivas.

Este cambio también tendrá consecuencias profesionales. En el futuro del trabajo en diseño y tecnología ya analizábamos cómo la IA está entrando en procesos creativos y técnicos. A medida que esas herramientas se conviertan en infraestructura cotidiana, la eficiencia dejará de ser solo una cuestión del proveedor: también importará cómo diseñamos los flujos de trabajo y qué tareas decidimos automatizar.

El problema no es únicamente la electricidad: también importa el agua

Los servidores producen calor y necesitan refrigeración. Algunas instalaciones emplean principalmente aire, otras utilizan circuitos líquidos y muchas combinan diferentes técnicas dependiendo del clima, del diseño y de la densidad de potencia. Además, existe una huella hídrica indirecta asociada a la propia generación eléctrica.

No existe una cifra única de «litros de agua por consulta de IA». Un estudio publicado en 2025 por investigadores del Lawrence Berkeley National Laboratory encontró variaciones superiores a cuatro órdenes de magnitud en el uso de agua por carga de trabajo de centros de datos. Factores como la eficiencia del servidor, la tecnología de refrigeración, la región climática, el origen de la electricidad y el nivel de utilización pueden cambiar radicalmente el resultado. El análisis del laboratorio sobre el uso de agua en cargas de centros de datos concluye que no existe una única receta válida para minimizarlo.

Esto obliga a desconfiar de titulares que asignan un volumen fijo de agua a cada pregunta realizada a una IA. Pueden ser útiles como aproximaciones para un sistema y unas condiciones concretas, pero no describen el comportamiento universal de toda la tecnología.

Europa quiere medir antes de regular

La Unión Europea está intentando convertir un problema históricamente opaco en uno más medible. La Directiva de Eficiencia Energética introdujo obligaciones de información para determinados centros de datos y la Comisión Europea mantiene una base de datos que recoge indicadores sobre consumo energético, agua, eficiencia y otros parámetros.

En 2026, la Comisión continúa desarrollando un sistema europeo de calificación de sostenibilidad y trabajos preparatorios para establecer requisitos mínimos de rendimiento. La página oficial sobre rendimiento energético de los centros de datos en la Unión Europea explica que el objetivo es mejorar la transparencia y facilitar la comparación entre instalaciones.

Este enfoque es importante porque el debate sobre IA suele centrarse en estimaciones globales. Para tomar decisiones reales hacen falta datos de instalaciones concretas: energía total, porcentaje renovable, eficiencia de uso de energía, consumo de agua, reutilización de calor y comportamiento de la carga. Sin métricas comparables es difícil distinguir mejoras técnicas reales de simples declaraciones de sostenibilidad.

El Centro Común de Investigación de la Comisión también mantiene unas guías de buenas prácticas para eficiencia energética en centros de datos. Incluyen medidas sobre gestión, infraestructura, refrigeración, equipos informáticos, almacenamiento y monitorización. La sostenibilidad de la IA, por tanto, no depende de una única innovación espectacular, sino de muchas decisiones de ingeniería acumulativas.

Qué puede hacer que la IA sea energéticamente más sostenible

Hardware especializado y mejor utilizado

Un acelerador moderno puede ejecutar determinadas operaciones de IA con mucha más eficiencia que un procesador generalista. Sin embargo, instalar hardware eficiente no basta: un servidor infrautilizado sigue consumiendo recursos. Consolidar cargas, reducir tiempos inactivos y asignar cada tarea al tipo de procesador adecuado son medidas esenciales.

Modelos ajustados al problema

No todas las tareas necesitan el modelo más grande disponible. Clasificar documentos, resumir textos repetitivos o ejecutar determinadas funciones locales puede resolverse con modelos más pequeños. Elegir el sistema adecuado reduce costes, latencia y consumo sin sacrificar necesariamente calidad.

Diseñar productos que no invoquen IA sin necesidad

Desde el punto de vista del diseño digital, esta es una de las decisiones más interesantes. Incorporar IA a cada botón no convierte automáticamente un producto en mejor producto. Si una operación determinista puede resolverse con código convencional, recurrir a un modelo generativo puede añadir consumo, coste, latencia e incertidumbre.

Un diseño responsable debería preguntarse qué aporta realmente la IA en cada interacción. Esa lógica encaja con la idea de diseñar experiencias digitales más conscientes: no toda capacidad técnica necesita convertirse en una función visible para el usuario.

Desplazar cargas cuando la red lo permita

Algunas operaciones, especialmente entrenamientos o procesos por lotes, pueden programarse en horarios o ubicaciones con mayor disponibilidad de electricidad baja en carbono. La flexibilidad no es posible para todos los servicios —una consulta interactiva exige respuesta inmediata—, pero sí para parte de la carga computacional.

Reutilizar calor y optimizar la refrigeración

Los centros de datos transforman prácticamente toda la electricidad consumida por el equipamiento en calor. En determinadas condiciones, ese calor puede recuperarse para redes urbanas, edificios o procesos industriales. El beneficio depende mucho de la proximidad de una demanda térmica útil y de la temperatura disponible, por lo que tampoco es una solución universal.

¿Debemos dejar de utilizar inteligencia artificial por su consumo?

Plantearlo así crea una falsa elección. La pregunta más útil es qué aplicaciones justifican los recursos que utilizan y cómo pueden ofrecer el mismo valor con menos energía, agua y hardware.

La IA tiene costes ambientales reales y crecientes. También puede utilizarse para optimizar redes eléctricas, acelerar investigación de materiales, mejorar previsiones, analizar sistemas energéticos o reducir desperdicios. Su balance no puede resumirse únicamente con la electricidad consumida por los centros de datos ni con los beneficios potenciales que prometen sus desarrolladores.

Además, una parte importante del impacto dependerá de decisiones que todavía están en curso: velocidad de despliegue, origen de la electricidad, eficiencia del hardware, legislación, localización de centros, disponibilidad de agua y evolución de los propios modelos. Presentar cualquier proyección de 2030 como un destino inevitable sería confundir un escenario con un hecho.

Qué significa todo esto para diseñadores, desarrolladores y empresas

Para quienes trabajamos creando productos digitales, el debate tiene una consecuencia práctica: la eficiencia computacional empieza a formar parte del diseño responsable. Hasta hace poco nos preocupaban principalmente el peso de las imágenes, la velocidad de carga, el número de peticiones o la accesibilidad. Con servicios basados en IA debemos añadir nuevas preguntas.

• ¿Es necesaria una llamada a un modelo generativo para esta función?
• ¿Puede utilizarse un modelo más pequeño o especializado?
• ¿Podemos reutilizar resultados en lugar de recalcularlos continuamente?
• ¿Cuánto contexto enviamos en cada petición y cuánto realmente necesita el sistema?
• ¿El proveedor ofrece información suficiente sobre su infraestructura y sus objetivos de eficiencia?
• ¿La función aporta suficiente valor al usuario para justificar su coste técnico?

Estas decisiones también reducen costes económicos. En servicios de IA, energía y facturación suelen estar estrechamente relacionadas con la cantidad de cálculo. Un producto bien diseñado puede ser simultáneamente más rápido, más barato y más sostenible.

La tendencia para los próximos años: más IA, pero también más escrutinio

Los datos de 2025 y 2026 apuntan a una expansión fuerte de los centros de datos y de la capacidad específicamente destinada a IA. Al mismo tiempo, están aumentando la presión regulatoria, la demanda de transparencia y la investigación sobre eficiencia energética e hídrica.

No sabemos todavía dónde se estabilizará la demanda. La propia IEA trabaja con varios escenarios porque factores como las mejoras de eficiencia, la disponibilidad de chips, las conexiones a la red, la inversión y el tipo de aplicaciones pueden modificar sustancialmente las cifras. Lo razonable es hablar de rangos y tendencias, no de certezas absolutas.

Lo que sí parece claro es que la inteligencia artificial ya forma parte de la infraestructura física del siglo XXI. Su futuro no dependerá únicamente de modelos capaces de razonar mejor o generar imágenes más realistas. También dependerá de transformadores, redes eléctricas, refrigeración, semiconductores, agua y una ingeniería cada vez más eficiente.

Conclusión

El consumo energético de la inteligencia artificial no puede entenderse con una cifra viral por consulta. Hay que observar el sistema completo. En 2025 los centros de datos consumieron alrededor de 485 TWh en todo el mundo según la IEA, y su escenario central sitúa la cifra cerca de 950 TWh en 2030. A la vez, la eficiencia por tarea mejora muy deprisa y las nuevas aplicaciones pueden multiplicar las necesidades de cálculo.

El reto, por tanto, no consiste únicamente en frenar el consumo, sino en obtener más valor por cada unidad de energía y de recursos utilizada. Eso implica mejores chips, modelos adecuados a cada tarea, centros de datos más eficientes, redes capaces de integrar nuevas cargas y productos digitales que empleen IA cuando realmente aporta algo.

Para diseñadores y desarrolladores, esta evolución amplía el concepto de buen diseño. Una experiencia digital ya no debería evaluarse solo por su estética, usabilidad o rendimiento visible; también por la inteligencia con la que utiliza la infraestructura que existe detrás. Si estás planteando un proyecto web o digital y quieres integrar nuevas tecnologías sin añadir complejidad innecesaria, una buena arquitectura de producto sigue siendo el mejor punto de partida.

Preguntas frecuentes

¿Cuánta electricidad consume una consulta de inteligencia artificial?

No existe una cifra universal. Depende del modelo, la longitud de la entrada y la salida, el tipo de tarea, el hardware y la eficiencia del centro de datos. Las consultas breves de texto son mucho menos intensivas que tareas como vídeo generativo, razonamiento prolongado o agentes que ejecutan múltiples acciones.

¿Los centros de datos consumen ya una parte muy grande de la electricidad mundial?

Su peso está creciendo, pero sigue siendo minoritario a escala global. La IEA sitúa el consumo de los centros de datos en unos 485 TWh en 2025 y proyecta alrededor de 950 TWh para 2030 en su escenario central, aproximadamente un 3 % de la demanda mundial de electricidad.

¿La IA consume siempre más energía que el software convencional?

No necesariamente. Depende de la tarea. Una operación sencilla resuelta por código tradicional puede ser mucho más eficiente que invocar un modelo generativo, pero determinados sistemas de IA pueden optimizar procesos complejos que de otro modo requerirían más recursos. La comparación debe hacerse caso por caso.

¿Qué es más importante: entrenar un modelo o utilizarlo?

Ambas fases importan. El entrenamiento concentra una gran cantidad de cálculo en periodos determinados. La inferencia suele ser mucho más pequeña por interacción, pero puede convertirse en una parte dominante cuando el servicio alcanza millones de usuarios y se utiliza continuamente.

Fuentes y referencias

Los datos y proyecciones principales de este artículo proceden de la Agencia Internacional de la Energía, el Lawrence Berkeley National Laboratory y la Comisión Europea. Las cifras futuras citadas son escenarios o proyecciones de esos organismos, no valores garantizados.