Última revisión:
¿Qué es la huella de carbono de la IA? Definición y retos para la empresa
La huella de carbono de la IA es el conjunto de las emisiones de gases de efecto invernadero ligadas a su ciclo de vida: entrenamiento de los modelos, fabricación de los componentes, funcionamiento de los centros de datos e inferencia en uso. Se está convirtiendo en una partida de consumo significativa a escala mundial.
La huella de carbono de la IA se descompone en cuatro partidas principales. La fabricación del material: producción de las GPU, servidores, refrigeradores, cuya huella aguas arriba rara vez se contabiliza. El entrenamiento de los modelos: operación de coste energético elevado, puntual pero repetida en cada nueva generación. El entrenamiento de GPT-3 consumió unos 1 287 MWh y emitió 552 toneladas de equivalente CO2 (Patterson et al., 2021). El funcionamiento de los centros de datos: partida continua, dominante en acumulado. Según la IEA, los centros de datos mundiales consumieron 415 TWh en 2024 (1,5 % de la electricidad mundial), con una proyección de 945 TWh en 2030. La inferencia en uso: operación unitaria baja pero multiplicada por miles de millones de llamadas diarias. Los centros de datos dedicados a la IA vieron su consumo crecer un 50 % en 2025.
Ejemplo concreto
A escala de una empresa europea que despliega un asistente de IA para 500 empleados a razón de 20 consultas por día, el consumo anual directo se cifra en algunos miles de kilovatios-hora al año, equivalente energético de algunas decenas de toneladas de CO2 según el mix eléctrico. Es modesto referido al balance de carbono de una pyme. Pero la ratio cambia para los usos intensivos: generación de vídeo, modelos de razonamiento multietapa, agentes autónomos. La IEA estima que estas tareas pueden consumir cien a mil veces más energía que una simple generación de texto. La elección entre un modelo ligero optimizado y un modelo puntero tiene un impacto directo en la huella.
Ver también
Para profundizar
Fuentes
- Energy and AI, International Energy Agency, executive summary, 2025. https://www.iea.org/reports/energy-and-ai/executive-summary
- Carbon Emissions and Large Neural Network Training, Patterson et al., arXiv:2104.10350, 2021. https://arxiv.org/abs/2104.10350