Los modelos avanzados de IA están impulsando mejoras en la productividad y en la innovación en empresas de todos los sectores. Al mismo tiempo, el auge de los centros de datos está ejerciendo una presión significativa sobre la energía. Según la Agencia Internacional de la Energía, en 2026 estos centros -incluidos los que se usan para operar la IA- podrían consumir tanta electricidad como Japón. Para hacer frente a esta demanda, gigantes tecnológicos, inversores y empresas energéticas están colaborando en proyectos multimillonarios para aumentar la capacidad de generación, en algunos casos mediante fuentes fósiles y en otros, con energía nuclear. Algunas grandes tecnológicas con ambiciosos objetivos de reducción de emisiones ya han reconocido que operar modelos de IA a gran escala está causando un aumento significativo de su huella de carbono.
Ahora bien, la IA también ofrece soluciones para avanzar en sostenibilidad. Esta tecnología transformadora permite a las empresas mejorar la eficiencia en múltiples áreas, especialmente en el consumo de energía. Según un informe de PwC Alemania, Microsoft y la Universidad de Oxford, algunos usos son capaces de predecir cuándo se calentará una habitación para enfriarla de forma automática, optimizar las rutas de los aviones y de los barcos de carga, o perfeccionar la composición y el proceso de producción del cemento.
Esto nos lleva a una pregunta clave: ¿puede la IA compensar el aumento de su consumo energético y sus emisiones ayudando a mejorar la eficiencia en otros ámbitos? PwC ha construido un modelo para simular el impacto de la IA sobre la demanda de energía en dos ámbitos: en los centros de datos y en el resto de la economía. El análisis concluye que, si la IA lograra mejorar la eficiencia energética del conjunto de la economía, incluso, a una décima parte del ritmo de adopción actual, sería capaz de compensar por completo el consumo adicional derivado de los centros de datos. En otras palabras, el impacto neto de la IA en el uso de energía y las emisiones podría ser neutro.
La infraestructura que impulsa la IA: los centros de datos
Los centros de datos se han convertido en protagonistas del debate sobre la inteligencia artificial y el consumo energético. En estas instalaciones tiene lugar la mayor parte del uso de energía vinculado a la IA, ya que albergan los chips y el hardware que ejecutan tanto el entrenamiento como las operaciones de los modelos de inteligencia artificial (además de otros servicios como la computación en la nube). Las empresas tecnológicas están acelerando la construcción de nuevos centros para dar respuesta a la creciente demanda: Microsoft, por ejemplo, ha anunciado una inversión de unos 80.000 millones de dólares en centros de datos durante el ejercicio fiscal de 2025. Y todo apunta a que esta tendencia continuará, a medida que más personas y organizaciones amplían sus usos de la IA.
Entrenar y ejecutar modelos de IA suele requerir grandes cantidades de recursos, aunque desarrollos recientes -como el modelo creado por la startup china DeepSeek-, han despertado el interés por su capacidad para funcionar de manera mucho más eficiente. También hay avances prometedores en el desarrollo de chips y en sistemas de refrigeración más sostenibles para los centros de datos. Aun así, incluso considerando mejoras plausibles en la eficiencia del software y del hardware, el consumo energético de estos centros probablemente aumentará.
Según nuestras propias simulaciones, si se cumplen las previsiones de crecimiento del uso de IA, los centros de datos consumirán entre un 13% y un 16% más de energía en 2035 que en un escenario de referencia en el que el uso de IA se mantiene en los niveles actuales. En el periodo 2024–2035, el consumo energético total en centros de datos sería entre un 18% y un 21% superior con un uso intensivo de IA frente a un escenario sin esa expansión.
Aprovechar los beneficios: eficiencia energética
Para estimar el impacto de la inteligencia artificial en el resto de la economía (es decir, más allá de los centros de datos), partimos de la premisa de que las empresas y organizaciones utilizarán la IA para mejorar su eficiencia energética, con el doble objetivo de reducir costes y disminuir sus emisiones de carbono. Ya existen numerosas aplicaciones de IA diseñadas para lograrlo, como las que ajustan automáticamente los patrones de carga de vehículos eléctricos o que optimizan los procesos industriales. Y todo apunta a que se desarrollarán muchas más. Según datos de PwC, las startups de tecnología climática que utilizan IA captaron de las firmas de capital riesgo 6.000 millones de dólares en financiación durante los nueve primeros meses de 2024, mil millones más que en todo 2023.
Tomando como base una hipótesis conservadora -según la cual, por cada punto porcentual de aumento en la adopción de IA se lograría una mejora del 0,1% en la eficiencia energética, ya sea de forma directa o indirecta-, el aumento previsto en el uso de IA permitiría reducir entre un 0,3% y un 1,3% el consumo energético fuera de los centros de datos en 2035. En el periodo comprendido entre 2024 y 2035, el ahorro acumulado en ese ámbito oscilaría entre el 0,1% y el 1,0%.
El efecto neto de la IA sobre el consumo energético
Teniendo en cuenta tanto el aumento del consumo de energía en los centros de datos como las posibles mejoras de eficiencia impulsadas por la IA, los resultados muestran que su adopción contribuiría a una ligera reducción del consumo energético total en la economía. En 2035, esta reducción neta podría situarse entre el 0,5% y el 1,1%, según el escenario considerado. Y en el periodo acumulado entre 2024 y 2035, el impacto neto oscilaría entre una reducción del 0,9% y un ligero aumento del 0,1%.
En conjunto, el incremento de consumo asociado al uso intensivo de centros de datos se vería compensado, en buena medida, por el ahorro energético generado en el resto de la economía.
Midiendo el impacto climático de la IA
Por último, hemos estimado la diferencia en las emisiones de gases de efecto invernadero (GEI), tanto en los centros de datos como en el resto de la economía, derivada de una adopción generalizada de la IA (y, en algunos escenarios, de un cambio más decidido hacia las energías renovables). Los resultados indican que esta adopción podría reducir las emisiones totales de GEI entre 2024 y 2035 en un rango de entre el 0,1% y el 1,1%. En el año 2035, las emisiones serían entre un 0,3% y un 1,9% inferiores en comparación con un escenario sin una adopción extendida de la IA.
Encontrar el equilibrio
Las empresas tecnológicas y las operadoras de centros de datos no son las únicas que buscan aprovechar el potencial de la IA para mejorar el rendimiento, a la vez que gestionan sus necesidades energéticas y su impacto climático. Cualquier compañía que esté utilizando aplicaciones de IA -ya sea para mejorar productos o desarrollar otros nuevos, ofrecer mejores experiencias a sus clientes o agilizar procesos internos-. puede beneficiarse de una gestión más eficiente de su demanda energética. La experiencia muestra que hay cuatro acciones clave para lograr el equilibrio adecuado entre IA y consumo energético:
Utilizar la IA como herramienta de gestión de la demanda energética. Gestionar la demanda energética representa una forma directa de reducir costes y emisiones. Según un estudio del Foro Económico Mundial en colaboración con PwC, las empresas de todo el mundo podrían ahorrar hasta 2 billones de dólares anuales de aquí a 2030 aprovechando al máximo las tecnologías ya disponibles. A medida que el sistema energético mundial se digitaliza, las compañías podrán alimentar sus modelos de IA con datos de mayor calidad que permitan maximizar los ahorros energéticos.
Hacer seguimiento de las emisiones de los programas de IA. En las empresas que utilizan servicios en la nube en lugar de servidores propios, el uso de IA genera emisiones de alcance 3 (es decir, aquellas que se producen en la cadena de valor y no directamente en las operaciones). Los principales proveedores de servicios de IA en la nube ya ofrecen herramientas para monitorizar estas emisiones. Estos instrumentos pueden ayudar a los equipos de TI y sostenibilidad a evaluar el desempeño ambiental de sus iniciativas de IA e identificar oportunidades para reducir los costes asociados.
Ajustar el uso de IA a las necesidades reales del negocio. Los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) suelen requerir más energía y suponen un mayor coste para tareas específicas que pueden resolverse con modelos más pequeños y optimizados. Elegir la herramienta adecuada para cada caso de uso -en lugar de recurrir a un modelo generalista con más capacidad de la necesaria-, permite ahorrar y evitar emisiones innecesarias. Es comparable a optar por un coche urbano en lugar de un todoterreno para moverse por ciudad.
Valorar la sostenibilidad a la hora de elegir proveedores de IA. Aunque los proveedores de modelos de lenguaje de gran tamaño no suelen divulgar información detallada sobre su consumo energético y su desempeño ambiental -y aún no existen métricas estandarizadas-, los equipos corporativos de IA y sostenibilidad pueden colaborar para seleccionar socios tecnológicos que sí proporcionen indicadores agregados de sostenibilidad y que demuestren su compromiso ambiental mediante algoritmos optimizados, hardware avanzado y centros de datos que utilicen, en la medida de lo posible, energía renovable tanto en funcionamiento habitual como en respaldo.