Si bien la IA puede ser una herramienta decisiva para optimizar la eficiencia de los sistemas, como los energéticos o logísticos, apoyando la reducción de emisiones, la popularización de los modelos de Inteligencia Artificial implica impactos ambientales, como una mayor generación de residuos electrónicos, consumo de energía y agua. Por ejemplo, los centros de datos y las redes de transmisión son responsables del 1% de las emisiones de GEI, y estos han aumentado desde los 500.000 existentes en 2012 a los cerca de 8 millones que hay actualmente en el mundo. Realizar una consulta a un modelo de IA requiere entre 6 y 10 veces más energía que una búsqueda web tradicional, y los expertos alertan de que, si no se aplican medidas, la IA producirá entre 1,2 y 5 millones de toneladas métricas de residuos solo en esta década. Pero también piensan que aplicar medidas circulares podría reducir la generación de residuos electrónicos hasta en un 86%.

La aplicación de la Inteligencia Artificial a gran escala es un avance de primer orden, pero como cualquier innovación también supone una serie de consecuencias. En concreto, su impacto ambiental es complejo, ya que implica efectos en ámbitos como los materiales estratégicos, los residuos electrónicos o el consumo de agua y energía. Según un informe de la Agencia Internacional de la Energía la demanda de electricidad de los centros de datos a nivel mundial se duplicará para 2030, siendo la IA la principal causa de esta escalada. Si bien actualmente la IA representa entre el 10% y el 20% del uso energético de los centros de datos, durante esta década ese porcentaje puede escalar hasta el 70%. Hoy día, se calcula que los centros de datos son responsables de entre el 0,5 y el 1% de las emisiones de GEI, pero esa aportación va a ir en aumento y, además, se ha de considerar el impacto en la generación de residuos electrónicos y en el consumo de agua, debido a la alta refrigeración que requieren los equipos de última generación. Con todo, los expertos avisan de que, si Internet fuera un país, sería el sexto más contaminante del mundo.

El Programa de las Naciones Unidas para el Medio Ambiente ha elaborado una nota técnica en la que analiza la huella ambiental de la IA y las opciones para incrementar la sostenibilidad de este tipo de tecnología.

Consumo de materiales

La fabricación de ordenadores requiere de un volumen muy alto de materiales, se estima que para elaborar una computadora de 2 kg se necesitan 800 kg de materias primas. Además, los microchips tienen en su composición muchos elementos de tierras raras, cuya extracción genera un elevado impacto ambiental. Los semiconductores están hechos principalmente de silicio, al que se añaden otros metales y minerales que mejoran su conductividad y durabilidad, entre ellos tantalio, litio, galio, germanio, cobalto, paladio y tungsteno.

Consumo energético

Los centros de datos que albergan la tecnología de IA necesitan mucha energía, en muchos casos procedente de combustibles fósiles, lo que produce gases de efecto invernadero. Aunque las grandes empresas tecnológicas están impulsando la adopción de energías renovables, las previsiones dicen que con las actuales escalas estas solo podrán cubrir el 40% de la demanda energética de los centros de datos.

La potencia de cálculo que necesita un modelo de IA consume 33 veces más energía para completar una tarea que un software específico, y la Agencia Internacional de la Energía calcula que una pregunta a ChatGPT consume 10 veces la electricidad de una búsqueda de Google. De igual manera, el Instituto de la Ingeniería de España ha informado de que el entrenamiento de GPT-3 consumió unos 78.437 kWh de electricidad, lo que equivale al gasto de una vivienda media española durante 23 años. La razón es que los modelos de IA para su correcto funcionamiento necesitan estar siempre encendidos, lo que dispara la energía que consumen. De esta manera, integrar la IA en los motores de búsqueda online podría multiplicar decisivamente el coste energético, y algunas estimaciones apuntan que podría alcanzar casi 30 mil millones de kWh por año. En general, la potencia de cálculo necesaria para mantener el crecimiento de la IA se duplica aproximadamente cada 100 días.

Emisiones gases efecto invernadero

Además, los expertos avisan de que el aumento de la demanda de energía provocado por la IA puede generar emisiones equivalentes a las de 16 millones de automóviles. Microsoft ha anunciado recientemente que sus emisiones de CO2 han aumentado casi un 30% desde 2020 debido a la expansión de los centros de datos. Las emisiones de GEI de Google en 2023 fueron casi un 50% superiores a las de 2019, en gran parte debido a la demanda de energía vinculada a los centros de datos. Como ejemplo, se calcula que el entrenamiento del modelo GPT-3 implicó la emisión de 552 toneladas métricas de CO2 a la atmósfera.

Consumo de agua

Una investigación alerta de que la huella de carbono de los modelos de inteligencia artificial, especialmente los Large Language Models, es muy alta. Así, predicen que para 2027 la demanda global de servicios de IA puede conllevar el gasto de entre 4.200 y 6.600 millones de metros cúbicos de agua. Otras estimaciones informan de que el modelo GPT-3 consume unos 500 ml de agua por cada 10 a 50 consultas y en su entrenamiento pueden haberse gastado 700.000 litros de agua.

El origen de este fenómeno está en la necesidad de los centros de datos de agua para refrigerar los componentes eléctricos, de hecho, dependiendo de su configuración utilizan entre 0,18 y 1,1 litros de agua por cada kWh de energía consumida y, los centros de datos de Google consumieron 12.700 millones de litros de agua dulce en Estados Unidos durante 2021, el 90% agua potable. Además, hay que considerar que los chips que se emplean para la IA, las GPU, consumen más energía y emiten más calor que los chips de CPU tradicionales, lo que provoca que deba gastarse un mayor volumen de agua para refrigerarlos.

Residuos electrónicos

Un estudio publicado en Nature Computational Science advierte de que el desarrollo de la inteligencia artificial generativa, y en particular los grandes modelos lingüísticos, podría generar entre 1,2 y 5 millones de toneladas de basura electrónica para 2030. Esto supone en la práctica que la IA puede multiplicar por 1.000 la basura electrónica durante la presente década. En su mayor parte, estos residuos provendrán de los elementos del hardware, como las unidades de procesamiento o las de almacenamiento, y los sistemas de alimentación. Los residuos electrónicos generados podrían incluir 1,5 millones de toneladas de placas de circuitos impresos y 0,5 millones de toneladas de baterías, que pueden contener materiales peligrosos.

Este asunto es importante, ya que los centros de datos producen residuos con presencia de sustancias peligrosas, como el mercurio, el plomo u otros metales pesados. Además, al tratarse de una tecnología innovadora, la IA origina que el recambio de componentes venga determinado por su rendimiento en vez de por su vida útil, ya que perder potencia de cálculo los dejaría obsoletas. Así, la generación de RAEE es cada vez mayor

El Monitor Mundial de Residuos Electrónicos de las Naciones Unidas afirma que la cantidad de residuos electrónicos aumenta cinco veces más rápido que la capacidad real de reciclarlos, y en 2022 se registraron 62 millones de toneladas de RAEE.

En cualquier forma, los expertos opinan que adoptar principios circulares en la gestión del hardware de la IA, alargando la vida útil de la infraestructura operativa y reutilizando materiales podría reducir la generación de residuos electrónicos hasta en un 86%. En este sentido, más de 190 países han adoptado una serie de recomendaciones no vinculantes sobre el uso ético de la IA, que incluyen medidas ambientales. En el ámbito europeo, el Reglamento (UE) 2024/1689 integra criterios de sostenibilidad, transparencia y mitigación de riesgos respecto al uso de la de inteligencia artificial. A nivel nacional existe la iniciativa Programa Nacional de Algoritmos Verdes (PNAV), que promueve soluciones más sostenibles para reducir la huella ecológica de la IA.