«La gente suele tener curiosidad por saber cuánta energía consume una consulta de ChatGPT», escribió Sam Altman, CEO de OpenAI, en un aparte de una larga entrada de blog publicada la semana pasada. De acuerdo con el ejecutivo, una consulta media con el chatbot consume 0.34 vatios-hora de energía: «Más o menos lo que un horno consumiría en poco más de un segundo o una bombilla de alta eficiencia en un par de minutos».
Para una empresa con 800 millones de usuarios activos semanales, y creciendo, la cuestión de cuánta energía consumen todas estas búsquedas es cada vez más acuciante. Pero los expertos dicen que la cifra de Altman no significa mucho sin mucho más contexto público de OpenAI sobre cómo llegó a este cálculo, incluyendo la definición de lo que es una consulta «promedio», si incluye o no la generación de imágenes, y si Altman está considerando o no el uso de energía adicional, como la formación de modelos de IA y la refrigeración de los servidores de OpenAI.
Por eso, Sasha Luccioni, responsable de clima de la empresa de IA Hugging Face, no cree demasiado en las cifras de Altman: «Podría habérselo sacado de la manga». La gigante de IA no respondió a una petición de más información sobre cómo llegó a esta cifra.
La IA se apodera de los sistemas energéticos
A medida que los sistemas de inteligencia artificial se apoderan de nuestras vidas, también disparan las emisiones de carbono, justo cuando intentamos luchar contra el cambio climático. Ahora, un nuevo y creciente cuerpo de investigación intenta poner cifras concretas a la cantidad de carbono que realmente estamos emitiendo con todo el uso que hacemos de la IA.
Este esfuerzo se complica por el hecho de que los principales actores, como OpenAI, revelan poca información medioambiental. Un análisis presentado esta semana por Luccioni y otros tres autores, aún en revisión por pares, analiza la necesidad de una mayor transparencia medioambiental en los modelos de IA. En dicho análisis, Luccioni y sus colegas utilizaron datos de OpenRouter, un tablón de anuncios de tráfico de grandes modelos de lenguaje (LLM), para descubrir que el 84% del uso de LLM en mayo de 2025 correspondía a modelos sin ninguna información medioambiental. Esto significa que los consumidores eligen de forma abrumadora modelos cuyo impacto ambiental desconocen por completo.
«Me sorprende que puedas comprar un auto y saber cuántos kilómetros por litro consume, y sin embargo utilicemos todas estas herramientas de inteligencia artificial todos los días y no tengamos absolutamente ninguna métrica de eficiencia, factores de emisiones, nada», refiere Luccioni. Añade que, dada la situación de la crisis ambiental, debería ser una prioridad para los reguladores de todo el mundo.
Una afirmación hecha por un miembro del consejo de administración de una empresa (Google) sobre el producto de otra con la que no tiene relación (OpenAI) es, en el mejor de los casos, poco convincente. Sin embargo, según el análisis de Luccioni, esta cifra se ha repetido una y otra vez en la prensa y en informes políticos. Mientras se redactaba este artículo, WIRED obtuvo un mensaje con esa estadística exacta.
¿Y si indagamos en los modelos de código abierto?
Una forma de intentar echar un vistazo detrás del telón para obtener información más precisa es trabajar con modelos de código abierto. Algunas gigantes tecnológicas, como OpenAI y Anthropic, mantienen sus modelos en propiedad, lo que significa que investigadores externos no pueden verificar de forma independiente su uso de energía. Pero otras empresas ponen a disposición del público algunas partes de sus modelos, lo que permite a los investigadores calibrar con mayor precisión sus emisiones.
Un estudio publicado esta semana en la revista Frontiers of Communication evaluó 14 grandes LLM de código abierto, entre ellos dos modelos Meta Llama y tres modelos DeepSeek, y descubrió que algunos consumían hasta un 50% más de energía que otros modelos del conjunto de datos que respondían a las preguntas de los investigadores. Las 1,000 preguntas de referencia enviadas a los LLM incluían cuestiones sobre temas como historia y filosofía; la mitad de las preguntas tenían formato de opción múltiple, con respuestas de una sola palabra, mientras que la otra mitad se enviaron como preguntas abiertas, lo que permitía un formato más libre y respuestas más largas.
Los investigadores descubrieron que los modelos de razonamiento generaban muchas más «fichas de pensamiento», medidas del razonamiento interno generado por el modelo al producir su respuesta, que son un sello distintivo de un mayor uso de energía, en comparación con los modelos más concisos. Como era de esperar, estos modelos también eran más precisos en temas complejos. También tuvieron problemas con la brevedad: por ejemplo, durante la fase de elección múltiple, los modelos más complejos devolvían a menudo respuestas con varias fichas, a pesar de las instrucciones explícitas de responder únicamente a partir de la gama de opciones proporcionada.
Maximilian Dauner, estudiante de doctorado de la Universidad de Ciencias Aplicadas de Múnich y autor principal del estudio, espera que el uso de la IA evolucione para pensar en cómo utilizar de forma más eficiente modelos que consuman menos energía para diferentes consultas. Visualiza un proceso en el que las preguntas más pequeñas y sencillas se dirijan automáticamente a modelos de bajo consumo energético, pero que aún así ofrezcan respuestas precisas: «Incluso los modelos más pequeños pueden lograr resultados realmente buenos en tareas más sencillas, sin que se emita esa enorme cantidad de CO₂ durante el proceso».
Algunas empresas tecnológicas ya lo hacen. Google y Microsoft declararon a WIRED que sus funciones de búsqueda utilizan modelos más pequeños cuando es posible, lo que también puede significar respuestas más rápidas para los usuarios. Pero, en general, los proveedores de modelos han hecho poco por incitar a los usuarios a consumir menos energía. La rapidez con la que un modelo responde a una pregunta tiene un gran impacto en su consumo de energía, pero eso no se explica al usuario cuando se presentan los productos de IA, indica Noman Bashir, el Becario de Informática e Impacto Climático del Consorcio Clima y Sostenibilidad del MIT.
Las condiciones en las que se ejecutan las consultas en el mundo real importan
Sin embargo, hay muchas otras consideraciones a tener en cuenta a la hora de calcular el consumo energético de las consultas complejas de IA, porque no se trata solo de algo teórico. Bashir señala que el hardware físico marca la diferencia a la hora de calcular las emisiones. Dauner realizó sus experimentos en una GPU Nvidia A100, pero esta unidad de procesamiento gráfico, diseñada especialmente para cargas de trabajo de IA y que, según la compañía, cada vez es más popular, consume mucha más energía.
La infraestructura física también marca la diferencia cuando hablamos de emisiones. Los grandes centros de datos necesitan sistemas de refrigeración, luz y equipos de red, que añaden más energía; suelen funcionar en ciclos diurnos, descansando por la noche, cuando las consultas son menores. También están conectados a distintos tipos de redes, según su ubicación: las que funcionan mayoritariamente con combustibles fósiles y las que lo hacen con energías renovables.
Bashir compara los estudios que analizan las emisiones de las consultas de IA sin tener en cuenta las necesidades de los centros de datos con el hecho de levantar un auto, pisar el acelerador y contar las revoluciones de una rueda como forma de realizar una prueba de eficiencia de combustible: «No se tiene en cuenta el hecho de que esta rueda tiene que transportar al vehículo y al pasajero».
Tal vez lo más importante para nuestra comprensión de las emisiones de la IA sea que los modelos de código abierto, como los que Dauner utilizó en su estudio, representan una fracción de los modelos de IA que utilizan los consumidores hoy en día. Entrenar un modelo y actualizar los modelos desplegados consume una enorme cantidad de energía, cifras que muchas grandes empresas mantienen en secreto. No está claro, por ejemplo, si la estadística de la bombilla sobre ChatGPT de Altman, de OpenAI, tiene en cuenta toda la energía utilizada para entrenar los modelos que alimentan el chatbot. Sin una mayor divulgación, el público simplemente se está perdiendo gran parte de la información necesaria para empezar a entender hasta qué punto esta tecnología está afectando al planeta.
«Si tuviera una varita mágica, obligaría a cualquier empresa que pusiera en producción un sistema de inteligencia artificial, en cualquier parte del mundo, en cualquier aplicación, a revelar las cifras de carbono», afirma Luccioni.
Artículo originalmente publicado en WIRED. Adaptado por Alondra Flores.