Dentro de los centros de datos más nuevos del mundo, cálculos que consumen mucha energía se llevan a cabo las 24 horas del día, mientras los chatbots de IA y otras herramientas de IA generativa abordan tareas que van desde lo trivial hasta lo trascendental: ensamblar imágenes para redes sociales, ofrecer consejos sobre relaciones, analizar imágenes médicas para diagnosticar cáncer, crear código para desarrolladores o detectar fraudes financieros para bancos.
Justo cuando la popularidad de las herramientas de IA se ha disparado en los últimos años, también lo han hecho los costos ambientales asociados. Los centros de datos consumen ahora 414 teravatios-hora al año, o alrededor del 1,5 por ciento del uso mundial de electricidad, según la Agencia Internacional de Energía —una cifra que creció un 12 por ciento anual durante cinco años antes de saltar al 17 por ciento en 2025. Para 2030, la agencia pronostica que la demanda de electricidad por parte de los centros de datos se duplicará con creces. Gran parte de ese aumento en la demanda eléctrica se está cubriendo con combustibles fósiles, mientras que los expertos también se preocupan por el uso de recursos hídricos locales para enfriar estos centros en regiones afectadas por sequía.
El uso de IA para generar texto o imágenes probablemente representa una pequeña fracción de la huella ambiental de una persona en particular. Y los expertos enfatizan que la responsabilidad recae en las empresas tecnológicas para reducir el consumo de recursos de la IA, desde crear algoritmos más inteligentes y que ahorren energía hasta fabricar hardware más eficiente.
Aun así, existen acciones simples que las personas pueden tomar para asegurar que su uso de IA tenga el menor impacto ambiental posible —desde evaluar cuidadosamente dónde se necesita IA hasta adaptar las indicaciones para minimizar la cantidad de cómputo requerido.
“Las elecciones individuales no son insignificantes, y algunas son más poderosas de lo que la gente cree,” comenta la científica informática Ivana Drobnjak, de University College London.
Energy-hungry bots
Es notoriamente difícil estimar cuánta energía se gasta al procesar una consulta individual de un chatbot. Por ejemplo, Google estima que su chatbot Gemini consume alrededor de 0,24 vatios-hora para responder a una consulta de texto de longitud media —lo que equivale a la electricidad necesaria para ver la televisión durante menos de nueve segundos. También usa alrededor de 0,26 mililitros de agua y emite el equivalente a 0,03 gramos de dióxido de carbono (conducir un automóvil a gasolina por una milla emite alrededor de 400 gramos). Aunque sean cantidades pequeñas, estos consumos se acumulan para las personas y las empresas que usan mucho las herramientas de IA.
La razón por la que los modelos de IA consumen tanta energía se debe en parte a los procesadores que los alimentan, como las unidades de procesamiento gráfico (GPUs), que consumen significativamente más energía que las unidades centrales (CPUs) que alimentan tareas más simples como búsquedas en la web y correo electrónico. También tiene que ver con los modelos que subyacen a la mayoría de las herramientas de IA generativa más populares, incluidos los grandes modelos de lenguaje (LLMs) que impulsan chatbots y asistentes de IA.
Estos se basan en un diseño particular llamado arquitectura de transformadores. Esto permite que los LLMs se entrenen con vastas muestras de patrones lingüísticos en texto y, a partir de ello, calculen miles de millones o billones de parámetros. Estos parámetros pueden luego usarse para generar nuevas cadenas de texto, al predecir qué palabras seguirán a otras.
Un LLM basado en transformadores es computacionalmente intensivo porque, para cada nueva palabra que genera en respuesta a la consulta de un usuario, ejecuta la consulta y las palabras que se han escrito hasta ahora a través del modelo, realizando miles de millones de cálculos en cada iteración.
Las empresas tecnológicas señalan que los LLMs se han vuelto más eficientes energéticamente con el tiempo; según los cálculos de Google de 2025, las 0,24 vatios-hora que Gemini consume por una instrucción de texto de longitud media representan una disminución de 33 veces respecto al consumo de energía del modelo el año anterior.
En cualquier caso, incluso pequeñas cantidades de energía se acumulan rápidamente dada la magnitud del uso de la IA. Con base en los números de 2025 de la empresa tecnológica OpenAI, Drobnjak estimó en mayo que, en ese momento, se envían alrededor de 3,2 mil millones de consultas al día a su chatbot ChatGPT. Los usuarios piden a las herramientas de IA que procesen y produzcan grandes cantidades de texto, imágenes y video. Algunos mantienen conversaciones largas con chatbots. Y, cada vez más, las personas están creando sus propios “agentes de IA” que a su vez envían consultas a chatbots de IA.
Entonces, ¿qué pueden hacer los usuarios para minimizar los recursos gastados en su uso de IA? Los expertos tienen algunos consejos.
Don’t give up on search
Como primera medida simple para ahorrar energía, los usuarios deben considerar detenidamente si realmente necesitan IA para una tarea determinada. “Preguntar a ChatGPT ‘¿Qué debería usar hoy?’ o ‘¿Cómo está el clima?’ es como tomar un Concorde para ir al supermercado,” afirma Günter Klambauer, experto en IA de la Universidad Johannes Kepler en Austria.
Lo mismo ocurre con los motores de búsqueda en la web que utilizan IA para generar automáticamente una respuesta a una consulta junto con los resultados de búsqueda reales, como las vistas generales de IA de Google o la búsqueda Copilot de Bing. “Si solo buscas un artículo en particular, desactivarlo podría ser poderoso desde la perspectiva del ahorro de energía,” dice Udit Gupta, experto en ingeniería eléctrica y de computación en Cornell Tech en la ciudad de Nueva York. Seleccionar “Resultados web solamente” en el navegador o incluir “-ai” en la redacción de tu búsqueda puede funcionar.
Smaller models use less energy
Las personas y las empresas que usan mucho las herramientas de IA para tareas específicas como traducir o resumir podrían considerar cambiar a modelos de lenguaje más pequeños, especializados para esas tareas. Porque están entrenados de forma más restringida y realizan menos cómputos, consumen menos energía que los grandes LLMs de uso general para las mismas tareas.
En un estudio de 2025 publicado por la UNESCO, Drobnjak evaluó los beneficios de usar modelos pequeños —como uno llamado opus-mt-en-es para traducciones inglés-español, y otros modelos para resumir y responder consultas— en lugar del modelo Llama 3.1 desarrollado por Meta. Aunque estos modelos más pequeños suelen ser menos amigables para el usuario que los modelos de IA más populares, están disponibles gratuitamente en la plataforma de IA Hugging Face. Los modelos pequeños consumieron entre 15 y 50 veces menos energía mientras producían salidas de mayor calidad para las tareas para las que fueron diseñados, encontró el estudio.
El cambio de modelos más grandes a modelos más pequeños dio lugar a una reducción del 90 por ciento en el uso de energía en general, convirtiéndose en la estrategia de ahorro energético individual más poderosa probada por Drobnjak en su estudio. Como dice Gupta, “No necesitas usar un modelo de billón de parámetros para editar un correo.”
Less chatty chatbots
Como los LLMs realizan tantas operaciones para cada palabra consecutiva que generan, conviene elegir modelos que produzcan menos texto en general. El experto en sistemas de IA de la Universidad de Michigan, Mosharaf Chowdhury, que ha estado midiendo el consumo de electricidad de los LLMs puestos a disposición del público, ha aprendido que los modelos que son más “parlantes” por naturaleza tienden a consumir más energía.
Por ejemplo, una versión del modelo Qwen, desarrollado por la empresa china Alibaba Cloud, consume significativamente más energía cuando está en “modo de resolución de problemas con razonamiento,” donde produjo aproximadamente 10 veces más palabras en respuesta a una instrucción en comparación con su modo de “conversación de texto.” Por ello, algunos expertos recomiendan usar el modo de razonamiento solo para preguntas complejas y, de lo contrario, mantener el modo estándar del chatbot.
Pedirle a los chatbots de IA que sean breves o darles un límite de palabras también puede ahorrar energía. En el documento de UNESCO, Drobnjak y sus colegas hallaron que podían reducir el consumo de energía del modelo Llama en un 50 por ciento si les indicaban que redujeran a la mitad su salida. Por el contrario, mantener la instrucción de entrada corta tuvo ahorros menos significativos —solo un 5 por ciento para una instrucción que tenía la mitad de la longitud de la consulta original.
“El tamaño de la salida es lo que determina y conduce la mayor parte del gasto de energía,” dice Drobnjak. Ella ha colaborado con la ciudad de San Francisco para desarrollar consejos de ahorro de energía para usuarios de IA, que incluyen ser lo más específico posible y añadir instrucciones como “cinco viñetas como máximo.”
Go low-res and batch video
Recomendaciones similares se aplican a la generación de imágenes y video, los cuales pueden consumir órdenes de magnitud más energía que la generación de texto, ya que implican iterar millones de píxeles varias veces, procesando cada vez toda la imagen desde cero, afirma Drobnjak. Estas herramientas gozan de mucha popularidad: casi el 40 por ciento de los adolescentes de 13 a 17 años encuestados en un estudio reciente del Pew Research Center utilizan IA para crear o editar imágenes o videos.
Drobnjak recomienda generar imágenes o videos solo cuando sea necesario y solo a la resolución necesaria. “Una opción es empezar directamente en baja resolución,” dice, “y si el algoritmo va en la dirección correcta, entonces comienzas a aumentar la resolución.” También señala que editar imágenes existentes siempre es menos intensivo en cómputo que generar imágenes nuevas desde cero.
Y al generar varias imágenes, conviene hacerlo en una sola sesión o en lote, lo cual es más eficiente que hacerlo en múltiples solicitudes separadas.
Estas acciones pueden parecer una gota en el cubo, y en muchos aspectos lo son, dicen los expertos. Pero las cosas pequeñas se suman. Mientras se esperan que las empresas tecnológicas, científicos y responsables de políticas encuentren formas de reducir el impacto ambiental general de la IA, “la persona que sabe usar la herramienta adecuada puede marcar una diferencia real,” dice Drobnjak. “La IA consume tanta energía que debemos mirarlo desde todos los ángulos.”
Nota del editor: Esta historia se actualizó el 21 de julio de 2026 para aclarar que el uso de energía de las personas que usan mucho herramientas de IA es acumulativo, no necesariamente enorme, como se indicó originalmente.
Este artículo apareció originalmente en Knowable Magazine, una publicación sin fines de lucro dedicada a hacer que el conocimiento científico sea accesible para todos. Suscríbete al boletín de Knowable Magazine.
