Nivel : Intermedio
¿Cuánta energía consume la IA? Las cifras oficiales, sin exagerar
Por La redacción de Info Agent IA ·
La IA consume electricidad sobre todo en los centros de datos, que según la Agencia Internacional de la Energía representan alrededor del 1,5 % del consumo eléctrico mundial, una proporción que podría duplicarse de aquí a 2030 en gran parte por la IA. Para una simple pregunta a un chatbot, las estimaciones oficiales disponibles son bajas, del orden de 0,3 vatios hora, pero siguen siendo parciales, no verificadas y muy variables según el uso.
Por qué la IA consume electricidad
Un modelo de IA como los que hay detrás de ChatGPT, Gemini o Le Chat funciona sobre miles de procesadores gráficos (GPU) instalados en centros de datos. Estos chips consumen electricidad para calcular, y los edificios gastan todavía más para refrigerarlos.
Hay dos fases distintas:
- El entrenamiento. El modelo aprende a partir de enormes volúmenes de texto durante semanas o meses. Es un esfuerzo puntual pero masivo, que se mide como cómputo de entrenamiento.
- El uso, llamado inferencia. Cada vez que usted hace una pregunta, el modelo escribe la respuesta token a token. Una consulta cuesta poco, pero se cuentan por miles de millones cada día.
Para conocer a quienes construyen estas infraestructuras, nuestro artículo de referencia ¿quién fabrica la IA? repasa a los principales fabricantes.
A escala mundial: los centros de datos
La fuente de referencia es el informe «Energy and AI» de la Agencia Internacional de la Energía (AIE). El sitio de la agencia no pudo abrirse directamente durante la redacción, por lo que citamos sus cifras tal como las recoge la página de la Comisión Europea sobre la eficiencia energética de los centros de datos, consultada el 22 de octubre de 2026.
Un teravatio hora (TWh) equivale a mil millones de kilovatios hora. Dos precisiones evitan malentendidos. Primero, esos 415 TWh cubren todos los centros de datos, no solo la IA: el almacenamiento en la nube, el video en streaming y los sitios web también funcionan allí. Segundo, 1,5 % sigue siendo una parte modesta del consumo mundial, pero el crecimiento es rápido y muy concentrado en ciertas regiones, lo que presiona las redes eléctricas locales.
Estados Unidos y Europa
Estados Unidos concentra buena parte de los centros de datos dedicados a la IA. Un informe del Lawrence Berkeley National Laboratory, difundido por el Departamento de Energía estadounidense el 20 de diciembre de 2024 (consultado el 22 de octubre de 2026), indica que los centros de datos consumieron alrededor del 4,4 % de la electricidad del país en 2023, es decir 176 TWh, frente a 58 TWh en 2014. El informe proyecta entre el 6,7 % y el 12 % para 2028, o sea de 325 a 580 TWh. La distancia entre ambos extremos muestra por sí sola la magnitud de la incertidumbre.
En Europa, la Comisión propuso el 21 de septiembre de 2026 un sistema común de calificación de los centros de datos (página consultada el 22 de octubre de 2026). Recuerda, según la AIE, que los centros de datos consumirían más del 3 % de la electricidad de la Unión en 2030. Los centros con una capacidad superior a 500 kW publicarán información sobre su consumo de energía y agua, y las primeras etiquetas se esperan en 2027. Al mismo tiempo, la UE quiere triplicar su capacidad de centros de datos en un plazo de cinco a siete años, una cuestión de soberanía que analizamos en la IA europea frente a Estados Unidos y China.
| Indicador | Valor | Fuente (consultada el 22 de octubre de 2026) |
|---|---|---|
| Centros de datos, mundo | unos 415 TWh, 1,5 % de la electricidad | AIE, citada por la Comisión Europea |
| Proyección mundial 2030 | hacia 945 TWh | AIE, citada por la Comisión Europea |
| Centros de datos, Estados Unidos 2023 | 176 TWh, 4,4 % de la electricidad | LBNL, Departamento de Energía |
| Proyección Estados Unidos 2028 | de 325 a 580 TWh, del 6,7 % al 12 % | LBNL, Departamento de Energía |
| Proyección Unión Europea 2030 | más del 3 % de la electricidad | AIE, citada por la Comisión Europea |
¿Y una pregunta a un chatbot?
Es lo que todo el mundo quiere saber, y es donde los datos son más frágiles. Algunas empresas e investigadores han publicado estimaciones por consulta:
| Estimación | Cifra publicada | Fuente |
|---|---|---|
| Consulta de texto mediana en Gemini (mayo de 2025) | 0,24 Wh, 0,03 g de CO2 equivalente, 0,26 mL de agua | |
| Consulta típica a GPT-4o | unos 0,3 Wh, rango de 0,1 a 4 Wh | Epoch AI |
| Consulta media a ChatGPT | unos 0,34 Wh | Sam Altman, director ejecutivo de OpenAI |
| Respuesta de 400 tokens en Le Chat | 1,14 g de CO2 equivalente, 45 mL de agua | Mistral AI |
En su artículo del 21 de agosto de 2025, Google compara sus 0,24 Wh con menos de nueve segundos de televisión y afirma haber reducido 33 veces la energía por consulta entre mayo de 2024 y mayo de 2025. La empresa aclara que estas cifras no han sido verificadas por un tercero independiente. El centro de investigación Epoch AI publicó el 7 de febrero de 2025 una estimación para GPT-4o de unos 0,3 Wh, diez veces menos que la cifra de 3 Wh citada durante mucho tiempo, aunque subraya una gran incertidumbre. Sam Altman habla de unos 0,34 Wh en un artículo de su blog personal, sin metodología detallada.
Mistral AI eligió otro enfoque: un análisis de ciclo de vida de Mistral Large 2, publicado el 22 de julio de 2025 con la consultora Carbone 4 y la agencia francesa de transición ecológica ADEME. Incluye la fabricación de los servidores, lo que explica cifras más altas. En total, tras 18 meses de uso, el modelo había generado 20,4 kilotoneladas de CO2 equivalente y consumido 281 000 m³ de agua. La propia Mistral lo describe como una «primera aproximación». Todas estas páginas se consultaron el 22 de octubre de 2026.
Qué hace variar el consumo
No todas las consultas son iguales. Varios factores aumentan la factura energética:
- La longitud del contexto. Según Epoch AI, una consulta con 10 000 tokens de entrada consumiría unos 2,5 Wh, y alrededor de 40 Wh con 100 000 tokens. Pegar un informe largo en su ventana de contexto tiene un coste real.
- El razonamiento. Un modelo de razonamiento genera muchos tokens intermedios antes de responder, por lo que consume más.
- El tamaño del modelo. Un modelo de lenguaje pequeño requiere mucho menos cálculo que un modelo de frontera. Los modelos de pesos abiertos, que comparamos en IA open source o propietaria, también pueden funcionar en equipos locales.
- El tipo de contenido. Imágenes, voz y video exigen más cálculo que el texto.
- La electricidad utilizada. Con el mismo consumo, las emisiones dependen de la combinación eléctrica que alimenta el centro de datos.
Puede estimar la longitud de sus consultas con nuestro estimador de tokens.
Póngase a prueba ¿Qué consume más: una pregunta corta a un modelo ligero o el análisis de un informe de 80 páginas con un modelo de razonamiento?
El análisis del informe largo, con diferencia. Combina un contexto muy extenso con un modelo que genera muchos tokens intermedios. Según las estimaciones de Epoch AI, un contexto largo puede multiplicar por más de diez el consumo de una consulta.
Ni alarmismo ni minimización
La transparencia avanza despacio. Las cifras proceden sobre todo de las propias empresas, con métodos distintos, lo que recuerda los límites de los benchmarks de IA: un número aislado no dice nada sin su metodología. La calificación europea de los centros de datos podría aportar datos más homogéneos a partir de 2027. Para seguir otros indicadores, consulte nuestra página la IA en cifras.
Preguntas frecuentes
¿Una pregunta a ChatGPT o Gemini gasta mucha electricidad?
Para una consulta de texto corta, las estimaciones publicadas rondan los 0,3 vatios hora, lo que Google compara con unos segundos de televisión. La cifra sube mucho con documentos largos, modelos de razonamiento, imágenes y video. Son estimaciones de las propias empresas o de investigadores, no mediciones verificadas por un organismo independiente.
¿Qué parte de la electricidad mundial consumen los centros de datos?
Según la Agencia Internacional de la Energía, citada por la Comisión Europea, alrededor del 1,5 % de la electricidad mundial, es decir 415 TWh al año. La agencia prevé que se duplique hasta unos 945 TWh en 2030, impulsada sobre todo por la IA. Los centros de datos no solo sirven a la IA: también alojan la nube, el video y los sitios web.
¿Qué consume más: entrenar un modelo o usarlo?
El entrenamiento de un gran modelo es un pico de consumo concentrado en semanas o meses. El uso diario, llamado inferencia, cuesta poco por consulta pero se repite miles de millones de veces. Las empresas no publican de forma sistemática el reparto entre ambos, así que no hay una respuesta general fiable.
¿Cómo puedo reducir la huella de mi uso de la IA?
Elija un modelo ligero para las tareas sencillas, evite pegar el mismo documento largo en cada mensaje y agrupe sus consultas. Reserve los modos de razonamiento profundo y la generación de video para cuando de verdad aporten. Son también las recomendaciones que publica Mistral AI en su análisis de ciclo de vida.