Bloomberg — A medida que el uso de la inteligencia artificial pasa de simples consultas puntuales a tareas más largas y complejas, la capacidad de cálculo adicional que se requiere se traduce en una huella medioambiental considerablemente mayor. La energía necesaria para desarrollar una aplicación web utilizando algunos modelos equivale a la que se consume en un hogar durante dos horas y media.
Así lo indican los resultados de un nuevo análisis de Vals AI, una empresa independiente especializada en evaluaciones comparativas de IA que analiza modelos en tareas del mundo real.
Ver más: Grupo de multimillonarios del sector de la IA lanza campaña a favor de los centros de datos
La empresa ha descubierto que las tareas más prolongadas que requieren que los modelos de IA “piensen” durante más tiempo, como la creación de una aplicación de software, pueden tener un impacto medioambiental 10.000 veces mayor que las consultas sencillas, como formular una pregunta básica que puede responderse casi de inmediato.
Esto sugiere que el impacto de la IA en el medio ambiente aumentará considerablemente a medida que el uso se oriente hacia tareas más prolongadas y activas que requieran más pasos computacionales.
“El uso está pasando de limitarse a utilizar ChatGPT como alternativa a la búsqueda en Google a mantener conversaciones reales con estos chatbots”, afirmó Omar Almatov, ingeniero fundador de Vals. “La huella de carbono aumenta drásticamente porque ya no se trata solo de preguntas puntuales, sino que generan mucha más huella de carbono”.
Ver más: Los centros de datos de IA se convierten en un nuevo riesgo electoral para Trump y los republicanos
La empresa evaluó 16 modelos utilizando su índice de referencia propio junto con EcoLogits, una herramienta de código abierto que estima el impacto medioambiental de la IA. Se analizaron tres parámetros: emisiones de carbono, consumo de agua y consumo eléctrico, ry se emplearon supuestos de referencia sobre factores como el hardware en el que se ejecuta cada modelo, el mix energético y la eficiencia de los centros de datos.
Catorce de los 16 modelos analizados fueron desarrollados por empresas chinas, uno por la empresa estadounidense Thinking Machines Lab y otro por la francesa Mistral AI. Los investigadores se centraron en los modelos de pesos abiertos, cuyos parámetros de entrenamiento están disponibles públicamente y, por lo tanto, pueden analizarse directamente. La mayoría de los modelos líderes estadounidenses, incluidos los de OpenAI y Anthropic, son de pesos cerrados, lo que significa que sus parámetros subyacentes son privados y no pueden evaluarse utilizando el mismo método.
Las empresas estadounidenses de IA han dado a conocer algunas estimaciones sobre el consumo de agua y electricidad de una consulta típica, aunque el concepto de “típica” está cambiando rápidamente.
El CEO de OpenAI, Sam Altman, escribió en 2025 que una consulta media de ChatGPT consume aproximadamente 1/15 de una cucharadita de agua, y las estimaciones de Altman y de Google (perteneciente a Alphabet Inc. (GOOGL)) de ese mismo año situaban el consumo energético de una consulta de texto media entre 0,24 y 0,34 vatios-hora.
Las empresas han facilitado menos información sobre la huella ecológica de las tareas más largas y de tipo “agente”. Sin embargo, una investigación independiente de Microsoft Corp (MSFT). reveló que las solicitudes que requieren un razonamiento prolongado y de tipo “agente” pueden aumentar el consumo energético en más de un orden de magnitud, lo que concuerda con el análisis de Vals.
Ver más: CEO de OpenAI admite fallas del sector de IA al explicar sus beneficios ante la creciente oposición
De entre los modelos que evaluó la empresa, el modelo de IA más potente de Alibaba Group Holding Ltd. (BABA), Qwen3.8 Max, obtuvo la puntuación más alta (es decir, la peor) en intensidad energética, de carbono y de agua en todas las tareas que Vals le pidió que realizara, mientras que Ling 3.0 Flash 2607, un modelo de Ant Group diseñado para tareas sencillas, obtuvo la puntuación más baja.
Otra conclusión importante del análisis de Vals: pequeñas mejoras en el rendimiento pueden conllevar enormes costos medioambientales. Kimi K3, el modelo de peso abierto más preciso del Índice Vals, tiene una huella medioambiental desproporcionada en comparación con el segundo clasificado, DeepSeek V4 Flash, cuya precisión es solo ligeramente inferior. Los autores del informe describen esta diferencia como la que existe entre cargar su ordenador portátil una vez y 20 veces, o entre beber un vaso de agua y tirar de la cadena del inodoro.
Las empresas cuyos modelos se analizaron no respondieron de inmediato a las solicitudes de comentarios. Vals cuenta entre sus clientes con varias empresas líderes en IA, incluidas algunas de estas compañías.
Amazon.com Inc. (AMZN) y Google han afirmado que sus emisiones de gases de efecto invernadero aumentaron en general en 2025, en parte debido a la expansión de los centros de datos. Sin embargo, se desconoce aún la información más detallada sobre la cantidad exacta de carbono que emite la IA, aparte de estimaciones externas como la realizada por Vals.
Las empresas que utilizan herramientas de IA carecen de un método claro para tener en cuenta este aspecto en sus propios informes de emisiones. Algunas empresas de IA se ven presionadas a divulgar más información debido a la entrada en vigor de una nueva ley de California sobre la divulgación de información climática.
“Los debates sobre políticas deberían basarse en pruebas y datos reales”, afirmó Rayan Krishnan, cofundador y director ejecutivo de Vals; sin embargo, las empresas de IA revelan muy poca información sobre la arquitectura de sus modelos, los tipos de hardware que utilizan y la infraestructura eléctrica y de refrigeración que alimenta sus centros de datos, información que facilitaría la medición de su huella de carbono y permitiría hacerlo con mayor precisión.
Lea más en Bloomberg.com
