Un post sobre la huella de Carbono que deja el uso masivo de la IA
¿Recuerdan cuando nos pedían que digitalizáramos todos los documentos? La consigna era ahorrar papel, salvar los árboles y toda la cadena asociada. Nos vendieron la digitalización como un acto de ecologismo doméstico. Y ahora resulta que le hacemos a la IA preguntas tontas que una búsqueda de Google resolvería en dos segundos. La ironía es perfecta: cambiamos el papel por watts, litros de agua y toneladas de CO₂. El árbol no lo talamos, pero la electricidad que alimenta nuestra comodidad cognitiva tiene que salir de algún sitio ¿o no?
Antes de seguir, conviene aclarar de qué hablamos cuando decimos «huella de carbono», porque el término se ha convertido en un comodín que todos hemos oído y pocos saben definir.
¿Qué es exactamente la huella de carbono?
La huella de carbono es, en esencia, un instrumento de contabilidad ambiental. Permite estimar la totalidad de gases de efecto invernadero (GEI) que una actividad, un producto, una organización o una persona liberan a la atmósfera, ya sea de forma directa o indirecta, y traducirlos a una unidad común: el Dióxido de Carbono equivalente (CO₂e).
La clave está en esa idea de «totalidad». No mide solo lo que sale por una chimenea. Mide también lo que se emitió para producir la electricidad que consumes, para fabricar los materiales que usas o para transportar lo que compras. Es, si se quiere, una auditoría del rastro de carbono que deja cualquier actividad humana.
El cálculo, en su forma más simple, se reduce a una fórmula que conviene retener:
Huella de carbono = Dato de actividad × Factor de emisión
El dato de actividad es el parámetro que mide el nivel de la actividad que genera emisiones: los kilowatts-hora consumidos, los litros de combustible, los kilómetros recorridos o el peso de un material utilizado. El factor de emisión es la cantidad media de GEI que se emite por cada unidad de ese dato de actividad. Por ejemplo, para la energía eléctrica el factor ronda los 0,41 kg CO₂e por kWh consumido, aunque varía según el mix energético de cada país o región.
Esa multiplicación se repite para cada fuente de emisión identificada, y la suma de todos esos productos da como resultado la huella total, expresada en gramos, kilogramos o toneladas de CO₂ equivalente.
Ahora bien, ¿dónde se traza la frontera de lo que se contabiliza? Aquí entra el estándar internacional más utilizado, el GHG Protocol, que divide las emisiones en tres alcances:
- Alcance 1 — Emisiones directas: lo que la organización o el individuo controla directamente. El combustible de sus vehículos, la calefacción de sus instalaciones, las fugas de gases refrigerantes.
- Alcance 2 — Emisiones indirectas por energía: las que se generan al producir la electricidad o el vapor que se compra y consume. No salen por tu chimenea, pero la central que las produjo sí las emitió por ti.
- Alcance 3 — Otras emisiones indirectas: la cadena de valor completa. Los viajes de negocio, el transporte de proveedores, la gestión de residuos, el uso que los clientes dan a un producto. Suelen ser la porción más grande de la huella y la más difícil de medir, porque involucra a terceros.
Esta distinción por alcances es la que permite que la huella de carbono no sea un número oscuro, sino una herramienta que señala exactamente dónde están las palancas de reducción. Y es, también, la razón por la que una consulta a un modelo de IA no «contamina» solo en el centro de datos que la procesa: arrastra emisiones de alcance 2 (la electricidad que lo alimenta) y de alcance 3 (la fabricación del hardware, el enfriamiento del agua, la red de transmisión).
Dicho esto, vayamos a los datos (recuerde que Dato Mata Relato). Porque cuando se ponen en fila los datos, la cosa se vuelve incómoda.
Una búsqueda vs. una pregunta a la IA: la cuenta que no nos contaron
La comparación directa es demoledora. Una consulta a un modelo de IA frontera emite aproximadamente 125,9 mg de CO₂e, frente a los 17,8 mg de una búsqueda tradicional en Google. Es decir, 7,1 veces más por interacción. Otras estimaciones, como las de la Agencia Internacional de la Energía, elevan esa brecha a 10 veces más electricidad para una consulta en ChatGPT frente a una búsqueda clásica.
Pero aquí viene el primer matiz que desmonta parte del mito viral: muchas de las cifras catastróficas que circulan comparan una consulta de IA moderna contra el dato de 2009 que dio Google sobre sus búsquedas (0,2 g CO₂). Eso es una comparación tramposa, como comparar el consumo de un automovil actual con el de un Ford T. La cifra real y actualizada para una búsqueda web es de aproximadamente 0,02 gramos de CO₂e, no 0,2. Aun así, la IA sigue siendo varias veces más intensiva.
El agua: la huella invisible que se evapora
Si el dato energético sorprende, el hídrico es directamente escalofriante. Solo ejecutar entre 10 y 50 consultas en una plataforma de IA de última generación consume en promedio 500 mililitros de agua —una botella pequeña— evaporados en los sistemas de refrigeración de los servidores. A escala global, los centros de datos del mundo usaron en 2025 unos 222.000 millones de litros de agua solo para refrigerar. Para ponerlo en perspectiva dominical: la huella hídrica de la IA podría alcanzar entre 312.500 y 764.600 millones de litros, un rango comparable al consumo mundial de agua embotellada.
La escala macro: la IA como una Nueva York digital
El golpe de efecto: la huella de carbono de los sistemas de IA en 2025 osciló entre 32,6 y 79,7 millones de toneladas de CO₂, una cifra equiparable a las emisiones anuales de la ciudad de Nueva York y equivalente a más del 8% de las emisiones globales de la aviación (para comprar con un sector). No hablamos de un puñado de servidores; hablamos de una infraestructura que, como entidad emisora, se sienta en la mesa de las grandes capitales mundiales.
La paradoja de la eficiencia: no todos los modelos contaminan igual
Para el toque de asombro tecnológico: el entrenamiento de Grok 4 (xAI) emitió 72.816 toneladas de CO₂eq, la mayor huella reportada hasta ahora para un modelo. En el otro extremo, DeepSeek V3 se entrenó con solo 597 toneladas, y su versión más eficiente en inferencia (la fase de responder consultas) emite apenas 1,5 gramos de CO₂eq por prompt mediano, frente a los 14 gramos de los modelos más demandantes. La diferencia no es tecnológica en abstracto: es de diseño, de hardware y, sobre todo, de dónde y cuándo se ejecuta el cómputo (la intensidad de carbono de la red eléctrica que alimenta el centro de datos). Lea mi post sobre DeepSeek y por qué lo llamé El Ipman de la Inteligencia Artificial.
Preguntas tontas, huellas gigantes
Volvamos a la pregunta del principio. Un estudio alemán reveló que los modelos avanzados de IA generan hasta 50 veces más emisiones que sistemas simples para responder la misma pregunta. Y el investigador Alex de Vries lo ilustró con un ejemplo brutal: cada vez que alguien busca «cuántas piedras debo comer» (sí, una pregunta estúpida) y la IA le responde «al menos una piedra pequeña por día» (respuesta proporcional a la estupidez de la pregunta), esa estuppidez está consumiendo tres watt-hora de electricidad, diez veces lo que costaría una búsqueda tradicional, y equivalente a una hora de conversación por teléfono fijo (residencial).
La consigna de digitalizar para salvar árboles no era falsa, pero era incompleta. Nos centramos en el soporte —el papel— y olvidamos el proceso: la electricidad y el agua. La IA no es inherentemente sucia; el problema es que la estamos usando como un martillo hidráulico para clavar puntillas en la suela del zapato. La pregunta con la que debería cerrar este post no es «¿es mala la IA?», sino ¿estamos dispuestos a pagar el precio energético de la comodidad de no pensar la pregunta? Porque una búsqueda en Google nos obliga a leer, a comparar, a descartar. Una respuesta de IA nos da «el niño ya criado». Y ese atajo cognitivo tiene una factura que, sumada a la de millones de usuarios, ya se está cobrando en watts, litros y toneladas de CO₂, y créanme, eso tiene un límite y llegará el momento que lo alcancemos, tarde o temprano.
Deja una respuesta