Una pregunta a una herramienta de inteligencia artificial puede resolverse en segundos. Escribimos una indicación, recibimos una respuesta y continuamos con nuestras actividades, mientras una infraestructura de procesamiento realiza operaciones que necesitan electricidad. La rapidez de esa experiencia hace difícil imaginar cuántos recursos intervienen para producirla.
El interés por medir ese consumo ha crecido junto con el uso de la IA. Sin embargo, las cifras que aparecen en noticias, estudios y reportes no siempre describen lo mismo: algunas calculan la electricidad necesaria para una consulta, otras estiman el funcionamiento de un centro de datos completo y unas más proyectan la demanda energética de los próximos años. Comprender estas diferencias es esencial para interpretar los resultados científicos.
De entrenar un modelo a generar una respuesta
Los sistemas de inteligencia artificial necesitan recursos de cómputo en distintas etapas. Durante el entrenamiento, grandes cantidades de información se procesan para ajustar los parámetros de un modelo; posteriormente, en la etapa conocida como inferencia, el sistema utiliza lo aprendido para responder preguntas, analizar documentos o generar contenidos.
Ambas actividades requieren procesadores especializados, aunque la cantidad de electricidad utilizada depende de las características del modelo, los equipos y el trabajo realizado.
Ese procesamiento ocurre dentro de la infraestructura física de internet, particularmente en centros de datos que también necesitan redes, almacenamiento y sistemas para mantener sus equipos en condiciones adecuadas. Una parte de la electricidad se utiliza directamente en los procesadores y otra permite operar instalaciones de refrigeración, distribución eléctrica y servicios auxiliares. Por tal motivo, medir únicamente la actividad de un chip no equivale necesariamente a calcular todo el consumo asociado con un servicio.
También importa la escala. El entrenamiento de un modelo puede representar una operación intensiva durante un periodo determinado, mientras la inferencia se repite cada vez que las personas utilizan una aplicación. Para conocer el consumo de un sistema completo se necesita considerar qué actividades realiza, con qué frecuencia y bajo qué condiciones opera.
Una consulta no tiene un consumo fijo
Un estudio publicado en abril de 2026 en la revista científica Joule, elaborado por Felipe Oviedo y colaboradores, estimó que una consulta convencional a modelos de lenguaje de gran escala, bajo condiciones optimizadas de operación, podía requerir una mediana de 0.31 vatios-hora (Wh).
Para obtener este resultado, los investigadores desarrollaron un modelo que combina información sobre la velocidad de procesamiento, la potencia eléctrica de los equipos y los recursos necesarios para atender las solicitudes. Después contrastaron sus cálculos con mediciones y estimaciones disponibles de sistemas reales.
Esta metodología es importante porque permite estudiar un fenómeno que no siempre puede observarse directamente desde fuera de las empresas tecnológicas. Los investigadores no midieron todas las consultas realizadas por usuarios de IA: construyeron escenarios de funcionamiento para estimar cuánta electricidad podrían necesitar determinadas tareas.
El resultado ofrece una referencia científica, pero no representa el consumo universal de cualquier pregunta ni de todos los servicios comerciales.
En el mismo estudio se estimó que una consulta con razonamiento prolongado podía elevar la mediana a 3.91 Wh, aproximadamente 13 veces más que una consulta convencional en las condiciones analizadas. La diferencia se relaciona con el mayor volumen de procesamiento que requieren determinadas tareas. Responder una pregunta breve, analizar documentos extensos o generar contenidos mediante procesos más complejos puede implicar cargas de trabajo muy distintas.
La Agencia Internacional de Energía (IEA) también advierte que algunos usos avanzados pueden consumir considerablemente más electricidad por tarea que las consultas sencillas de texto. Pero conocer el consumo de una pregunta es apenas una parte de la investigación. El siguiente paso consiste en comprender qué sucede cuando esas operaciones se repiten millones o miles de millones de veces y forman parte de una infraestructura que atiende muchos otros servicios.
El consumo eléctrico de los centros de datos
Para observar el fenómeno a escala mundial, la IEA publicó en abril de 2026 una actualización de sus estimaciones sobre electricidad e inteligencia artificial. Según el organismo, los centros de datos consumieron aproximadamente 485 teravatios-hora (TWh) durante 2025. La cifra abarca las distintas actividades que se realizan en estas instalaciones, no solamente las relacionadas con inteligencia artificial.
La demanda eléctrica del conjunto de centros de datos aumentó 17% durante 2025, mientras que el consumo de las instalaciones enfocadas en IA creció 50%. Esa diferencia muestra la rapidez con que se está ampliando la infraestructura especializada, pero también confirma la necesidad de separar ambos grupos al interpretar los datos. Los centros de datos continúan proporcionando servicios de almacenamiento, aplicaciones empresariales y otras funciones digitales que no se limitan a los modelos de IA.
En su escenario central, la IEA proyecta que el consumo mundial de electricidad de los centros de datos podría alcanzar 950 TWh en 2030, cerca del doble del nivel estimado para 2025. Si esa trayectoria se materializa, estas instalaciones representarían alrededor de 3% de la demanda eléctrica mundial.
Se trata de una proyección elaborada con información y supuestos disponibles en 2026, no de una cantidad de electricidad que ya esté comprometida o que necesariamente vaya a consumirse.
La eficiencia cambia las cifras, pero también crece el uso
Los avances tecnológicos están modificando la cantidad de electricidad necesaria para ejecutar determinadas tareas. Procesadores más eficientes, mejoras en los modelos y sistemas capaces de atender múltiples solicitudes pueden reducir el consumo asociado con una respuesta.
La IEA señala que estas mejoras han sido especialmente rápidas en las consultas sencillas, mientras la investigación publicada en Joule identifica posibilidades importantes de reducción mediante cambios en el software, los equipos y su operación.
Sin embargo, una consulta más eficiente no garantiza por sí sola que disminuya el consumo total. Si aumenta el número de personas que utilizan la IA, se multiplican las solicitudes o se incorporan tareas más complejas, la demanda agregada puede continuar creciendo. Es una diferencia importante: el consumo de cada operación puede bajar mientras la electricidad que necesita el conjunto de los sistemas aumenta.
Por eso, las estimaciones científicas necesitan actualizarse constantemente. Los investigadores trabajan con información sobre equipos, operaciones, usuarios y centros de datos que cambia rápidamente y no siempre está disponible públicamente con el mismo nivel de detalle. Mejorar la precisión de los cálculos requiere mediciones comparables y una divulgación más sistemática de información por parte de las empresas que operan estos servicios.
Una consulta más eficiente no garantiza que disminuya la electricidad que consume toda la inteligencia artificial.
El desafío también llega a las redes eléctricas
El crecimiento energético de la IA no se distribuye de manera uniforme por el mundo. Aunque las estimaciones globales permiten reconocer la magnitud del fenómeno, los centros de datos se instalan en lugares concretos y necesitan conectarse a redes eléctricas con capacidades diferentes. Cuando varias instalaciones se concentran en una región, su demanda puede convertirse en un desafío para la infraestructura energética local.
El 14 de octubre de 2026, la IEA publicó Powering Artificial Intelligence, un informe dedicado a estudiar precisamente esa relación. El organismo examinó políticas y estrategias de más de 34 jurisdicciones que abarcan cerca de 90% de la capacidad mundial de centros de datos.
Entre los principales desafíos identificó las limitaciones de las redes eléctricas, los tiempos de espera para conectar nuevas instalaciones y las dificultades de planificar inversiones cuando todavía existe incertidumbre sobre cuántos proyectos llegarán a realizarse.
Esta diferencia entre la escala mundial y la local es importante para interpretar las cifras. Los centros de datos pueden representar una proporción relativamente pequeña del consumo eléctrico global y, al mismo tiempo, exigir ampliaciones relevantes de infraestructura en determinadas regiones. Sus posibles efectos sobre los costos dependen de la capacidad existente, las inversiones necesarias y la manera en que se distribuyen los gastos dentro del sistema eléctrico.
El análisis también requiere distinguir otros indicadores ambientales. El consumo de electricidad, las emisiones y el uso de agua están relacionados, pero no son equivalentes. Las emisiones dependen en parte de las fuentes utilizadas para generar electricidad, mientras que el uso de agua puede variar según los sistemas de refrigeración y las condiciones locales. Por eso, comprender el impacto de una instalación exige observar más de una variable.
Medir mejor para comprender el crecimiento
La inteligencia artificial puede necesitar menos electricidad para realizar una tarea específica y, al mismo tiempo, impulsar una mayor demanda energética a escala mundial. No hay contradicción: una medición describe la eficiencia de una operación, mientras la otra observa el resultado de millones de actividades y de la infraestructura que las sostiene.
El desafío científico consiste en mantener claras esas escalas. Hace falta conocer cuánto consumen diferentes tareas, cómo operan los centros de datos, qué información divulgan sus responsables y cómo cambian las estimaciones conforme evoluciona la tecnología.
La pregunta sobre la energía de la IA no se responde con una sola cifra. Se comprende mejor cuando sabemos qué estamos midiendo, durante cuánto tiempo y en qué condiciones.
▏
Desde la investigación
- Oviedo y colaboradores (2026), Energy use of AI inference, efficiency pathways, and test-time scaling. Investigación publicada en Joule que estima el consumo eléctrico de consultas de IA y analiza las diferencias entre tareas convencionales y razonamiento prolongado.
- Agencia Internacional de Energía (2026), Key Questions on Energy and AI. Informe sobre el consumo eléctrico de los centros de datos, la expansión de la inteligencia artificial y las proyecciones de demanda energética mundial hasta 2030.
- Agencia Internacional de Energía (2026), Powering Artificial Intelligence. Informe publicado en octubre de 2026 que examina los desafíos de las redes eléctricas, la planificación energética y el crecimiento de la infraestructura para inteligencia artificial.