A inicios de 2025 los feeds de plataformas sociodigitales se inundaron de retratos al “estilo Ghibli” creados con servicios de inteligencia artificial generativa. Tardó poco en venir una respuesta condenatoria a la tendencia. Si bien tenía varias vertientes —como el reclamo por los derechos de autor y deseos de Hayao Miyazaki, impulsor del estudio de animación Ghibli—, una de las más socorridas fue señalar el uso de agua implicado en la generación de dichas imágenes.

Esta preocupación resuena con los hallazgos del diagnóstico que realizamos sobre usos de IAG en sociedad civil, donde también surgieron preocupaciones relacionadas con la cantidad de agua y energía asociadas al funcionamiento de herramientas de IAG.

Consulta los hallazgos del diagnóstico sobre usos de IAG en Sociedad Civil.

Este análisis busca explorar información relacionada con el impacto ambiental de la IAG, comparar con otras actividades cotidianas para dimensionar y ampliar la mirada para comprender y seguir conversando sobre este tema.

¿Cuántos recursos consume la inteligencia artificial generativa (IAG)?

Lo primero a tener en cuenta es que no existe una metodología unificada para medir estos impactos, por lo cual no es recomendable comparar los números entre sí. Otro aspecto a considerar es que las grandes compañías de Inteligencia Artificial (IA) no siempre son transparentes o claras con los datos relacionados al impacto ambiental.

Por ello, lo que verás a continuación son datos que provienen de los pocos informes disponibles por parte de dichas compañías y también de algunos esfuerzos valiosos por parte de periodistas y personas investigadoras.

Gemini, el asistente de IA de Google

Alphabet —cuya principal subsidiaria es Google— es la empresa líder que mejor ha explicado la metodología detrás de los datos que reporta. De acuerdo con el documento Measuring the environmental impact of delivering AI at Google Scale, publicado en agosto de este año, un prompt mediano de Gemini, su asistente de IA, consume:

  • Agua: 26 mililitros (unas 5 gotas)
  • Energía: 0.24 vatios-hora (Wh)
  • CO2: 0.03 gramos (incluye compras de “energía limpia”)

Estos datos solo consideran los costos por la consulta —o proceso de inferencia— y no el acumulado de lo que costó entrenar al modelo previamente. Consideremos, también, que estos números se refieren únicamente a la modalidad textual de Gemini y no incluyen la multimodalidad —es decir, la introducción u obtención de audio, imágenes o videos.

Chat GPT de Open AI, Claude de Anthropic y DeepSeek

Los datos disponibles para ChatGPT —de OpenAI— provienen de varias fuentes. El texto de Josh You How much energy does ChatGPT use? es citado en una entrada de Open AI Academy. You calcula 0.3 vatios por una “consulta típica” a ChaGPT —en su versión GPT‑4o—, pero esta cifra varía significativamente en función de la extensión del prompt. Dicha estimación, al igual que la de Alphabet para Gemini, no considera la fase de entrenamiento y se limita al proceso de inferencia. Por otro lado, en junio el CEO de Open AI, Sam Altman, compartió algunos números en su blog para una “consulta promedio” a ChatGPT, aunque sin explicar la matemática detrás. Respecto al CO2 asociado, recurriremos a las estimaciones del físico Andy Masley, elaboradas en septiembre.

Entonces, tenemos que una consulta estándar a ChatGPT requiere:

  • Agua: 0.321725 mililitros de agua (Altman).
  • Energía: 0.30 – 0.34 Wh (You; Altman)
  • CO2: 0.28 gramos (Masley)

Asimismo, el investigador Josh You —quien hizo la estimación para ChatGPT— considera probable que otros chatbots como Claude, de Anthropic, tenga un coste energético similar al de ChatGPT, mientras que DeepSeek-V3 probablemente registre un mejor rendimiento y menor coste energético.

Cuánto consume generar una imagen y video

En el reportaje We did the math on AI’s energy footprint. Here’s the story you haven’t heard, publicado en mayo por el MIT Technology Review podemos verificar que el costo energético de crear una imagen no es muy distinto al de hacer una solicitud de texto. Por otro lado, la creación de video sí es mucho más demandante que la de texto. Para crear un video de 5 segundos con Sora, de Open AI, se requiere un kilovatio-hora (1000 Wh).

El proceso de entrenar grandes modelos de IAG

La startup francesa Mistral AI, por su parte, en julio publicó Our contribution to a global environmental standard for AI, en donde especifica los impactos ambientales para Mistral Large 2 considerando el ciclo de vida completo, desde la concepción del modelo, la infraestructura, el cómputo y el uso. Esto arroja información valiosa, por ejemplo que el 85.5 % de las emisiones de CO2 y el 91 % del consumo de agua ocurren durante los procesos de entrenamiento del modelo y de inferencia.

Comparando IAG vs actividades cotidianas

Quizá algunas comparativas nos ayuden a dimensionar el impacto que generamos al realizar consultas a servicios de IAG. En general, los consumos hídricos, energéticos y de huella de carbono asociados al uso textual de modelos de IAG representan un porcentaje bajo en comparación con otras actividades que solemos realizar cotidianamente. Veamos algunos ejemplos.

Adaptacion-Masley-generacion-de-dioxido-de-carbono-Chat-GPT-2025.

Uso de agua (equivalencias prompt-agua; Gemini)

  • Fabricar zapatos de cuero: 307 mil 692 prompts estándar de Gemini
  • Fabricar smartphone: 490 mil 769 prompts
  • Fabricar pantalón de mezclilla (algodón): 417 mil 307 prompts
  • Colcha de algodón: 375000 prompts
  • Playera de algodón: 104615.3846 prompts
  • Hoja de papel tamaño carta: 196 prompts

Fuente: elaboración propia a partir de The Hidden Water in Everyday Products – Water Footprint Calculator.

Tabla comparativa de consumo de energía (open IA)

Como podemos observar, el impacto ambiental del uso individual de servicios de IAG no es muy distinto, e incluso en muchos casos es menor al que tienen otras actividades que realizamos y sobre las cuales no siempre nos cuestionamos. Sin embargo, esto no significa que la IA sea inocua. El sitio web de ChatGPT es el quinto más visitado del mundo. Entonces, aunque el impacto individual no es mucho, en su conjunto el impacto global sí es relevante.

Mirar el bosque: consideraciones ambientales sobre IAG

La apuesta es dejar atrás la culpa individual y ampliar la mirada del panorama completo. Por ello, dejamos algunas consideraciones para seguir reflexionando sobre los impactos ambientales de la IAG:

  1. Si bien el uso de IAG para generar texto parece tener un impacto razonable. Especialistas como Hanna Ritchie advierten que la generación de video podŕia ser significativamente mayor.
  2. Riesgo de paradoja de Jevons: los avances en algoritmos y optimización de centros de datos pueden hacer más eficientes los sistemas de IA, reduciendo su impacto ambiental. Sin embargo, esto puede terminar ocasionando que incremente la demanda y el impacto total sea mayor pese a su eficiencia mejorada.
  3. Demanda creciente e inversión millonaria. No pocas previsiones apuntan a que las compañías de IA buscarán seguir incrementando sus capacidades e infraestructura, lo cual implica eficientar y multiplicar sus centros de datos que, aunque son necesarios para la vida digital en general, cada vez están destinados a labores relacionadas con la IA.
  4. Los centros de datos son eficientes en términos globales, pero impactan profundamente en las localidades donde se instalan.
  5. En América Latina no pocos gobiernos han dado facilidades para que grandes empresas tecnológicas ingresen con regulaciones ambientales laxas y pocas obligaciones de transparencia.
  6. Pocos datos de calidad sobre el impacto ambiental de la IAG y de los centros de datos, lo cual dificulta la rendición de cuentas por parte de las empresas tecnológicas.

Para seguir conversando

Fuentes consultadas