Un estudio desmonta el mito del alto costo energético de la inteligencia artificial

Una investigación citada por Muy Interesante indica que la adopción masiva de IA en Estados Unidos tendría un impacto mínimo en el consumo de energía y en las emisiones de CO₂, muy por debajo de las estimaciones alarmistas habituales

Guardar
El consumo energético de la
El consumo energético de la inteligencia artificial representa solo el 0,03 % del gasto anual de energía en Estados Unidos (Imagen ilustrativa Infobae)

El consumo energético de la inteligencia artificial (IA) generó debate, ante advertencias sobre su posible impacto climático por la demanda de grandes centros de datos y equipos especializados.

Sin embargo, un reciente estudio científico, divulgado por Muy Interesante, desmonta ese mito: la adopción masiva de IA en la economía de Estados Unidos elevaría el consumo energético anual solo un 0,03 % y las emisiones de CO₂ apenas un 0,02 %. Estos valores, muy inferiores a lo que suele temerse, cuestionan la imagen de la IA como un “monstruo energético”.

Metodología integral y resultados del análisis

La investigación, dirigida por Anthony R. Harding y Juan Moreno-Cruz, analizó por primera vez el impacto agregado de la integración de la IA en las actividades económicas estadounidenses.

Un estudio científico revela que
Un estudio científico revela que la adopción masiva de IA apenas eleva las emisiones de CO₂ en un 0,02 % anual (Imagen ilustrativa Infobae)

Según los datos difundidos por Muy Interesante, el estudio concluye que “la adopción de IA podría implicar un uso energético adicional de 28 petajulios (PJ) y 896 kilotoneladas de CO₂ (ktCO₂) en emisiones anuales—equivalente aproximadamente al 0,03 % del consumo nacional de energía y al 0,02 % de las emisiones nacionales anuales de CO₂”.

Para obtener estos resultados, los autores emplearon una metodología económica que engloba datos laborales, productivos y ambientales. El modelo desarrollado traduce las mejoras de productividad asociadas a la IA en variaciones del uso de energía, teniendo en cuenta la dependencia energética de cada sector industrial.

Por tanto, el análisis no se restringe al consumo directo de los sistemas de IA, sino que evalúa cómo su adopción puede modificar la eficiencia y la demanda energética en toda la economía.

Heterogeneidad sectorial: diferencias según la industria

La investigación destaca diferencias sectoriales:
La investigación destaca diferencias sectoriales: la educación muestra mayor impacto energético tras incorporar IA, mientras otros sectores apenas varían (Imagen ilustrativa Infobae)

El estudio revela una heterogeneidad sectorial significativa. Industrias como la educación, con grandes infraestructuras, exhiben impactos más visibles en su consumo energético tras adoptar IA.

En cambio, sectores como la edición, las telecomunicaciones o los servicios profesionales muestran variaciones casi imperceptibles tanto en consumo como en emisiones. El informe, citado por Muy Interesante, destaca que la intensidad energética y de emisiones de cada sector define el efecto real de la IA, lo que impide generalizar su impacto en la economía.

En industrias tradicionalmente intensivas en energía, como la construcción o el transporte, la automatización y el aumento de productividad asociados a la IA pueden producir incrementos localizados de consumo

El estudio sugiere que la
El estudio sugiere que la inteligencia artificial puede optimizar procesos y mejorar la eficiencia energética en sectores clave de la economía (Imagen ilustrativa Infobae)

Por ejemplo, en el transporte aéreo, un pequeño aumento de productividad podría traducirse en varios petajulios adicionales, dada su elevada base energética. Por el contrario, en la programación informática, el efecto es prácticamente inexistente. Esta diversidad sectorial resulta esencial para diseñar políticas realistas sobre el desarrollo de la IA.

Potencial para la eficiencia y limitaciones del estudio

Más allá de los valores cuantitativos, el estudio confirma el potencial de la IA para aumentar la eficiencia energética. Aunque el modelo no cuantifica estos beneficios de modo directo, los autores sostienen que la inteligencia artificial podría optimizar procesos industriales, gestionar la demanda eléctrica y mejorar la eficiencia de infraestructuras.

Según Muy Interesante, esto sugiere que el impacto global de la IA sobre el consumo energético podría ser incluso menor al estimado, ya que su capacidad de reducir el uso energético en sectores clave compensa su demanda directa.

Los datos energéticos de 2014
Los datos energéticos de 2014 empleados en el análisis podrían sobrestimar levemente el impacto de la IA, aunque la actualización a 2023 apenas modifica los resultados (Imagen ilustrativa Infobae)

El análisis reconoce varias limitaciones. Para lograr coherencia metodológica, se emplearon datos energéticos de 2014, con lo que podría sobrestimarse levemente el impacto, dado que desde entonces mejoró la eficiencia y aumentó el uso de energías renovables. Aun así, al actualizar los datos hasta 2023, los resultados apenas varían.

Además, los autores aclaran que sus conclusiones solo aplican a Estados Unidos y no deben extrapolarse sin matices a otros países con matrices energéticas diferentes. Regiones dependientes del carbón podrían experimentar mayores emisiones, mientras que en economías más descarbonizadas, el efecto sería menor.

El estudio no contempla cambios estructurales profundos, como transformaciones del mercado laboral o reorganizaciones productivas, que puedan alterar la relación entre IA, energía y productividad a largo plazo. A pesar de estas limitaciones, el análisis ofrece una base para repensar las ideas alarmistas sobre el impacto ambiental de la inteligencia artificial.

Las conclusiones del estudio sobre
Las conclusiones del estudio sobre el impacto energético de la IA solo aplican a Estados Unidos y no deben generalizarse a países con matrices energéticas diferentes (Imagen ilustrativa Infobae)

La investigación, difundida por Muy Interesante, invita a considerar la inteligencia artificial como una herramienta con capacidad para impulsar la transición hacia tecnologías más limpias y eficientes, y con un impacto energético mucho menor del que habitualmente se le atribuye.