Para 2030, el consumo de agua asociado al uso de la inteligencia artificial (IA) será equivalente al de 1.300 millones de personas del África subsahariana, mientras que requerirá casi el triple de la potencia energética que gastan al año Pakistán, Bangladesh y Nigeria, países que suman 650 millones de habitantes. En cuanto a las emisiones de dióxido de carbono, estas podrían alcanzar los 400 millones de toneladas de CO₂ equivalente, comparables a las emisiones totales de Reino Unido. El funcionamiento de la IA implicará la ocupación de 14.500 kilómetros cuadrados, entre infraestructuras y cadena de suministro, el doble del área metropolitana de Yakarta, una megaurbe con más de 32 millones de habitantes, o 10 veces la de Ciudad de México (21 millones).
Estas son algunas de las cifras que esgrimen los autores de un informe publicado este miércoles por el Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH). Además de esas proyecciones, basadas en estimaciones conservadoras de crecimiento, también tienen datos llamativos sobre la situación a día de hoy: si los centros de datos en los que se computa la IA fueran un país, su consumo eléctrico actual (448 teravatios hora, TWh) estaría al nivel del de Francia.
La institución ya había publicado antes informes alertando de las emisiones de carbono que implica el creciente uso de la IA. En esta ocasión, los investigadores han tenido en cuenta también la energía y el agua consumidas por los centros de datos que alimentan la IA (en el caso del agua, se incluye tanto la empleada para refrigerar sistemas como la dedicada a generar electricidad). “Este informe no va contra la IA”, dice el profesor Kaveh Madani, director del UNU-INWEH. “Es un llamamiento a usar esta tecnología de forma responsable y un intento de evaluar sus impactos indeseados para hacer que sea sostenible y equitativa. Debemos intentar asegurarnos de que esta revolución tecnológica se desarrolla dentro de límites planetarios”.
“El informe es un recordatorio importante y oportuno de que la IA no se limita a modelos y algoritmos, sino que también tiene un impacto físico y medioambiental real, determinado por los centros de datos, los sistemas eléctricos, los sistemas de abastecimiento de agua, el uso del suelo y las cadenas de suministro de hardware”, apunta Shaolei Ren, profesor de ingeniería computacional de la Universidad de California, Riverside, y especialista en sostenibilidad de la IA, que no ha participado en el estudio.
El minusvalorado coste ambiental de la IA
Los autores del informe destacan varios mensajes clave. Uno de ellos es que el coste medioambiental de la IA se está minusvalorando sistemáticamente. La mayoría de análisis publicados se centran en las emisiones de carbono asociadas con el entrenamiento de los modelos (el proceso previo al lanzamiento de estos en el que se computan durante varias semanas, día y noche, decenas o centenares de millones de parámetros sobre gigantescas bases de datos). “Sin embargo, cada kilovatio-hora de electricidad que se consume para entrenar o hacer funcionar un sistema de IA conlleva también una huella hídrica (asociada a la refrigeración y la generación de energía) y una huella territorial (infraestructuras energéticas y las cadenas de suministro)”, subraya el informe.
La huella de carbono puede variar hasta un 70%, por ejemplo, si se pasa del carbón a la bioenergía como fuente de generación de la electricidad que alimenta la IA. Pero eso, a su vez, multiplicaría por 30 la huella hídrica y por 100 su impacto territorial. La complejidad de gestionar la huella medioambiental de la IA es muy alta. Bajas emisiones no equivale a bajo consumo de agua o a bajo impacto territorial. Evaluar el impacto medioambiental de la IA con una sola métrica puede esconder sus efectos nocivos y trasladarlos a otras regiones. “Si solo nos basamos en las emisiones de carbono, podríamos pensar que las renovables hacen que la infraestructura de la IA sea limpia, pero eso supone resolver un problema al tiempo que se crean otros, a menudo en lugares que no lo han solicitado”, opina la autora principal del estudio, Miriam Aczel.
Qué usos contaminan más
El informe aporta otra conclusión interesante. Hasta hace poco, el consenso mayoritario era que la parte más importante del consumo energético asociado a un modelo de IA se producía durante el proceso de entrenamiento (es decir, antes de que lo empiece a usar el público). Los datos del equipo de Aczel, sin embargo, refutan eso: el proceso de inferencia (los cálculos ejecutados cada vez que se hace una solicitud al modelo para que pueda responder a las órdenes o prompts) supone el coste dominante, entre el 80% y el 90% del consumo total. El éxito de estas herramientas, que suman centenares de millones de usuarios diarios, ha cambiado las tornas.
Los investigadores también han evaluado el consumo energético asociado a distintos usos de la IA. Así, una conversación estándar con un chatbot como ChatGPT o Gemini gasta 200 veces más que una función básica de la IA, como es la clasificación de emails sospechosos en la carpeta de spam. Siguiendo con esa referencia, generar una imagen sintética gasta 1.400 veces más, mientras que un vídeo corto puede llegar a suponer 200.000 veces más energía. “Este es uno de los informes técnicos más completos sobre el impacto medioambiental de los sistemas de IA actuales, pero las conclusiones se centran en el impacto de GPT-4, que es un modelo de hace más de tres años. Y tres años en el sector de la IA es una eternidad”, señala Álex Hernández, investigador del Quebec AI Institute (MILA) que dirige Yoshua Bengio, profesor de la Universidad de Montreal y que no ha participado en el estudio.
El hecho de que las conclusiones del informe se basen en datos de modelos antiguos, dice Hernández, habla de la poca transparencia del sector. “La principal limitación del estudio es la dificultad de obtener datos concretos del consumo de los sistemas actuales”, añade.
Desigualdad en el reparto de las externalidades
Otra de las conclusiones del estudio es la desigualdad en el reparto de los beneficios y las externalidades negativas de la IA. En Irlanda, por ejemplo, cuyo laxo régimen fiscal lo convierte en el país de la UE preferido por la mayoría de las grandes tecnológicas para ubicar sus sedes, los centros de datos ya suponían en 2023 el 21% del consumo energético total. Eso ha hecho que el país ponga en marcha moratorias en la construcción de nuevas infraestructuras de este tipo en Dublín. En Uruguay, los planes de construcción en 2023 de un gran centro de datos con un consumo intensivo de agua coincidieron en el tiempo con una sequía que acabó con las reservas de agua potable de Montevideo, lo que provocó que el agua del grifo no fuera apta para el consumo.
Por otra parte, los autores estiman que, para 2030, la infraestructura de la IA generará 2,5 millones de toneladas anuales de basura electrónica (procesadores obsoletos, básicamente), y que mucha de esa basura se acumulará en países con bajos recursos.
El informe habla también de desigualdad. Únicamente el 16% de los países dispone de infraestructura especializada para computar IA, y dos de ellos (EE UU y China) concentran el 90% de toda la capacidad instalada. Mientras la basura electrónica, las emisiones de carbono y el consumo de agua se reparten entre muchos países, los beneficios (es decir, el uso de las aplicaciones de IA) se quedan en pocos.
Hacia una IA sostenible
Como la mayoría de informes patrocinados por la ONU, este también incluye recomendaciones de actuación. Por ejemplo, a los gobiernos les pide que exijan a los operadores informes estandarizados de la huella medioambiental de la IA. A los desarrolladores, que favorezcan la selección de modelos adecuados a cada tarea (intentar que no se usen los más grandes, que necesitan más recursos, para solucionar problemas sencillos). Esa “eficiencia por diseño” y aumentar la transparencia son las dos principales peticiones a la industria.
Hernández, del MILA, cree que es importante que la ONU se implique en la publicación de informes sobre una cuestión, la huella medioambiental de la IA, reservada hasta ahora principalmente a la academia y a la investigación periodística. “Este informe parece que aspira a tener la legitimidad de un artículo académico y al mismo tiempo a llegar al ámbito de la política”, opina.