La lectura de las 138 páginas del reciente informe especial de la Agencia Internacional de Energía (IEA), “Key Questions on Energy and AI”, deja una conclusión inquietante: la inteligencia artificial ha dejado de ser un debate sobre algoritmos para convertirse en una batalla por los electrones. Ya no hablamos de bits; hablamos de gigavatios, de estrés hídrico y de una reconfiguración geopolítica de la energía.
Históricamente, los centros de datos lograron absorber el crecimiento del tráfico de internet manteniendo un consumo energético plano gracias a mejoras en el hardware. Pero esa era terminó. El informe de la IEA es tajante: la demanda eléctrica de los centros de datos se duplicará para 2030, alcanzando los 950 TWh.
Lo que impresiona no es solo el número total, sino la densidad: un rack de servidores para entrenamiento de IA hoy consume lo mismo que 65 hogares promedio. Estamos concentrando una demanda energética masiva en puntos geográficos muy específicos, lo que está poniendo en jaque la estabilidad de las redes nacionales, desde Virginia en EE. UU. hasta Dublín en Irlanda.
Un dato que no debe pasar desapercibido para el lector de economía es la magnitud del capital desplazado. En 2025, la inversión de las Big Tech en infraestructura de datos alcanzó los 400.000 millones de dólares. Por primera vez en la historia moderna, se invierte más dinero en «hierro y cables» para procesar datos que en la prospección y producción global de petróleo y gas. La IA no es solo el futuro del software; es el nuevo motor de la inversión industrial pesada.
1. La paradoja de la descarbonización: la IA se presenta como la gran esperanza para optimizar las renovables, prediciendo con precisión cuándo soplará el viento o saldrá el sol. Sin embargo, su propia huella es pesada. La IEA estima que las emisiones de los centros de datos llegarán a los 350 millones de toneladas de CO2 para 2035. Para mitigar esto, las tecnológicas están rescatando tecnologías olvidadas: el informe detalla un crecimiento exponencial en acuerdos para Reactores Modulares Pequeños (SMR), sumando 45 GW en proyectos. La IA está obligando a la energía nuclear a tener un renacimiento comercial.
2. El «efecto rebote» del razonamiento profundo: el informe diferencia claramente entre una búsqueda de texto (baja energía) y el «razonamiento profundo» o la generación de video. Estos últimos no escalan linealmente, sino exponencialmente. Un agente autónomo de IA que toma decisiones en tiempo real puede consumir hasta 1000 veces más energía por consulta que un modelo de lenguaje básico. La eficiencia que ganamos en los chips la perdemos en la complejidad de lo que les pedimos que hagan.
3. El impacto en el bolsillo del ciudadano: como redactor de este medio, me preocupa el dato sobre la asequibilidad. El reporte advierte que, en regiones con redes eléctricas obsoletas, la llegada de centros de datos de IA puede forzar aumentos de tarifas para los hogares, al obligar a las distribuidoras a realizar obras de infraestructura costosas y urgentes. La IA podría terminar siendo un subsidio inverso de los ciudadanos hacia las tecnológicas si no se regula el costo de conexión a la red.
A pesar de las sombras, la IEA le da un voto de confianza a la tecnología en el sector industrial. En la producción de acero y cemento, el uso de IA para el mantenimiento predictivo y la optimización térmica podría reducir el consumo energético operativo entre un 3% y un 10%. No es poco: esa eficiencia podría compensar, en parte, el hambre eléctrica de los propios modelos.
