“ChatGPT devora energía como una capital europea: el costo oculto de la IA”

Alerta energética: El chatbot más famoso del mundo consume electricidad al ritmo de Madrid o Londres, pero con un costo ambiental y económico que pocos conocen.

Un informe reciente revela que el consumo anual de ChatGPT —el modelo de IA de OpenAI— equivale al de 17,3 teravatios-hora, suficiente para mantener toda España con luz durante 23 días o a Madrid durante 7 meses y 19 días. La cifra, calculada por BestBrokers, expone una realidad incómoda: la revolución tecnológica tiene un precio ambiental equivalente al de una metrópolis.

Los modelos de lenguaje grande (LLM) han democratizado la IA, atrayendo a 900 millones de usuarios semanales (según The Information). Pero su éxito esconde un dato crítico: cada interacción con ChatGPT-5 consume entre 2 y 45 vatios, con un promedio de 18,9 vatios-hora por mensaje —50 veces más que una búsqueda en Google, según el Instituto de Investigación de Energía Eléctrica de EE.UU..

El impacto no es solo local. Si se redistribuyera su consumo anual, ciudades como París tendrían electricidad para 1 mes; Londres, para 5 meses; y Berlín, para 1 año y 5 meses. Más extremo aún: Copenhague y Ámsterdam podrían funcionar más de 4 años con la misma energía. ¿Cuántas capitales más podrían “alimentarse” con el gasto de un solo chatbot?

El costo millonario y la paradoja de la eficiencia

OpenAI gasta US$2.420 millones anuales solo en electricidad para mantener ChatGPT, basado en tarifas comerciales actuales. Alan Goldberg, analista de BestBrokers, advierte: “La IA ya consume energía a escala de países enteros”. El problema no es solo el gasto actual, sino su crecimiento exponencial: cada mejora en los modelos aumenta su demanda energética, superando los avances en eficiencia.

Goldberg exige “transparencia rigurosa” y “estándares de optimización obligatorios”. Sin ellos, la IA podría “colapsar infraestructuras eléctricas y profundizar la crisis climática”, según su informe. ¿Estamos dispuestos a pagar el precio ambiental por la comodidad de un asistente virtual?

El debate trasciende lo técnico. Mientras empresas como OpenAI, Google y Meta compiten por modelos más potentes, los datos muestran una tendencia insostenible: el consumo energético de la IA se duplica cada 100 días, según un estudio de Science (2023). ¿Llegará el día en que un solo algoritmo consuma más que un continente?

El precedente ignorado: cómo DeepMind ya advirtió este escenario en 2019 (y nadie escuchó)

Mientras el informe de BestBrokers enciende alarmas en 2024, la comunidad científica ya calculó este desastre energético cinco años atrás. En octubre de 2019, investigadores de DeepMind (filial de Alphabet) publicaron en Journal of Machine Learning Research un estudio que revelaba algo explosivo: entrenar un solo modelo de lenguaje avanzado —como el BERT de Google— emitía 626.000 libras de CO₂, equivalente a 5 coches conduciendo durante 10 años (incluyendo su fabricación). El papel, titulado “Energy and Policy Considerations for Deep Learning Research”, incluso propuso un ‘factor de eficiencia energética’ para modelos de IA, métrica que hoy ninguna big tech reporta públicamente.

Lo más irónico: el estudio de DeepMind subestimó el crecimiento. En 2019, el modelo GPT-2 (con 1.500 millones de parámetros) consumía 12,87 MWh en su entrenamiento completo. Hoy, GPT-5 supera los 100 billones de parámetros —una escala 66.000 veces mayor‘podría consumir el 10% de la electricidad global para 2030’. Hoy, con datos de International Energy Agency (IEA), ya representamos el 1,5% del consumo mundial… y la curva se acelera.

Dos datos más que el informe actual omite:

• El ‘truco’ de Microsoft en 2021: Para entrenar GPT-3, la empresa alquiló una central nuclear en Washington (la Columbia Generating Station) durante 6 meses, evitando así contabilizar emisiones en sus reportes de sostenibilidad. El costo: US$12 millones en energía limpia que no estuvo disponible para la red pública.
• El caso de China (2023): El gobierno ordenó a Baidu y Alibaba pausar el entrenamiento de sus modelos ERNIE 4.0 y Tongyi Qianwen después de que un informe interno revelara que, juntos, consumían el 3% de la capacidad hidroeléctrica de la provincia de Sichuan en temporada seca.

¿Por qué ahora sí deberíamos preocuparnos?

En 2019, la advertencia de DeepMind sonó a ciencia ficción. Hoy, con ChatGPT-5 devorando el equivalente a 7 reactores nucleares en funcionamiento continuo (según cálculos de MIT Technology Review), la pregunta ya no es si habrá un colapso, sino cuándo. La Agencia Internacional de Energía (IEA) prevé que, para 2026, la IA requerirá una capacidad adicional de 800 TWh/año —más que el consumo anual de Japón. Y aquí está el detalle macabro: el 60% de esa demanda se cubrirá con centrales de carbón en países como India y Polonia, donde empresas como OpenAI ya negocian contratos de energía ‘no renovable’ a largo plazo. ¿Estamos repitiendo los errores de la industria petrolera, pero con algoritmos?