El auge de la inteligencia artificial (IA) generativa está transformando la banca, los servicios financieros y las industrias globales a una velocidad sin precedentes. Sin embargo, la infraestructura que sostiene esta revolución digital esconde un costo ambiental que ha comenzado a encender las alarmas globales.

Un reciente informe del Instituto de Agua, Medio Ambiente y Salud de la Universidad de las Naciones Unidas (ONU) reveló un dato alarmante: la capacidad de procesamiento necesaria para crear un solo video mediante IA puede llegar a demandar hasta 4,1 litros de agua.

Para el sector financiero y tecnológico, que avanza aceleradamente hacia la adopción de agentes de IA y la hiperautomatización de procesos, este indicador abre un debate crucial sobre la sostenibilidad de las inversiones tecnológicas.

Centros de datos: La infraestructura física detrás de la nube

Contrario a la percepción común de que la IA opera en un ecosistema etéreo, cada instrucción, consulta o generación de contenido multimedia se procesa en infraestructuras masivas: los centros de datos (data centers).

Estas instalaciones albergan miles de servidores de alta densidad que operan de forma simultánea. Al procesar modelos complejos, los equipos alcanzan temperaturas extremas, requiriendo sistemas de refrigeración masivos que dependen directamente del suministro eléctrico y de millones de litros de agua para evitar el colapso operativo.

De acuerdo con el documento de la ONU, las proyecciones para el año 2030 dibujan un panorama desafiante:

• Consumo eléctrico: Se estima que los centros de datos dedicados a la IA consumirán cerca de 945 teravatios-hora (TWh) anuales, triplicando el gasto eléctrico combinado de países como Pakistán, Bangladesh y Nigeria.
• Huella hídrica: El consumo global de agua por parte de esta industria podría escalar hasta los 9,3 billones de litros anuales.
• Ocupación territorial: La infraestructura física requerida superará los 14.500 kilómetros cuadrados de superficie.

El mito del entrenamiento vs. la interacción en tiempo real

El informe de las Naciones Unidas derriba un mito extendido en la industria tecnológica: el mayor gasto de recursos no ocurre durante la fase de entrenamiento de los modelos fundacionales.

Al contrario, entre el 80% y el 90% del consumo energético total se genera en la fase de inferencia; es decir, en el uso cotidiano cuando millones de usuarios e instituciones financieras interactúan en tiempo real con las plataformas para generar textos, análisis o videos.

La paradoja energética de la IA: Riesgo climático y eficiencia operativa

A pesar del fuerte impacto ambiental que supone la expansión de los centros de datos —cuya demanda global se proyecta que pase del 1% actual a superar el 3% para 2030—, la propia tecnología se perfila como parte de la solución. Expertos de la industria denominan a este fenómeno la “paradoja energética de la IA”.

Casos documentados por el Foro Económico Mundial y Accenture demuestran que la implementación de sistemas inteligentes permite optimizaciones de consumo de entre el 10% y el 60% en diversas industrias. Por ejemplo:

• Telecomunicaciones: Reducciones de hasta un 40% en la electricidad necesaria para la transmisión de datos mediante procesos de virtualización guiados por IA.
• Plantas Inteligentes: Contracción del 24% en el consumo eléctrico por unidad producida.
• Infraestructura y Salud: Caídas del 23% en el gasto energético y del 26% en emisiones de gases de efecto invernadero en instalaciones diseñadas bajo criterios nativos de eficiencia.

El enfoque de “IA de Energía Neta Positiva” como estrategia de negocio

Para los líderes del sector financiero y tecnológico, la eficiencia energética ha dejado de ser una métrica secundaria de Responsabilidad Social Empresarial (RSE) para convertirse en una decisión estratégica de competitividad y gestión de costos.

Especialistas en sostenibilidad proponen adoptar el marco de “IA de energía neta positiva”, un modelo operativo diseñado para asegurar que los ahorros energéticos que habilita una herramienta tecnológica superen el consumo generado durante todo su ciclo de vida. Este enfoque se estructura sobre tres ejes de acción:

1. Diseño centrado en la eficiencia: Incorporar criterios de sostenibilidad desde la etapa de programación y entrenamiento del software, priorizando algoritmos de bajo consumo.
2. Despliegue de impacto sistémico: Priorizar el uso de la IA en áreas de alto retorno ecológico, como la optimización de redes de distribución, el mantenimiento predictivo y la gestión inteligente de edificios corporativos.
3. Gestión de la demanda e higiene de datos: Mitigar el impacto de los llamados “dark data” (datos oscuros), que representan entre el 60% y el 75% de la información almacenada por las organizaciones que nunca vuelve a ser consultada, pero que continúa consumiendo recursos hídricos y eléctricos en los servidores.

A medida que las redes eléctricas globales enfrentan mayores presiones de carga y las normativas medioambientales se vuelven más estrictas en América Latina, integrar métricas de huella hídrica y de carbono en la arquitectura tecnológica corporativa será indispensable para garantizar la resiliencia y la continuidad del negocio en la era de la inteligencia artificial.

Fuente: IP