Un modelo económico calcula que la IA habilitará más CO₂ del que evita

El argumento circula desde hace años: la inteligencia artificial gasta mucha electricidad, sí, pero compensará ese consumo optimizando redes eléctricas, materiales y logística. Un trabajo publicado el 4 de agosto en npj Climate Action pone por primera vez una cifra al otro lado de la balanza, y el resultado es negativo. En escenarios de adopción paralela, las emisiones anuales aumentan entre 0,47 y 1,8 gigatoneladas: entre el 1,2 % y el 4,8 % de las emisiones energéticas globales de 2024.

La idea que sostiene el modelo es incómoda y sencilla: la IA es un amplificador bidireccional de productividad. Si mejora la eficiencia del sector renovable, también mejora la del fósil. Extraer, refinar y distribuir hidrocarburos se abarata al mismo tiempo que se abarata instalar solar. Para que el balance saliera en negativo, calculan, las mejoras en renovables tendrían que ser entre cuatro y cinco veces mayores que las del sector fósil. Sobre quién firma hay que ser precisos, porque importa: de los cuatro autores solo Maksym Chepeliev es académico de Purdue. Will y Holly Alpine dejaron Microsoft en 2024 y dirigen Enabled Emissions Campaign, una organización con patrocinio fiscal de Oil & Gas Action Network que hace campaña sobre exactamente este asunto. El trabajo está revisado por pares y eso no lo invalida, pero el lector tiene derecho a saberlo.

Lo interesante es dónde deja el debate. Hasta ahora la discusión giraba en torno a cuánta luz consumen los centros de datos. Este trabajo desplaza la pregunta: no importa solo cuánta energía gasta la IA, sino a qué economía le está dando productividad. Es una pregunta política, no de ingeniería.

Ahora los límites, que aquí son grandes. Esto es una simulación de equilibrio general computable —GTAP-E-Power—, no una medición de emisiones reales: no observa nada, modela. El año base es 2017, ajustado para aproximar la generación renovable de 2024. Los propios autores señalan que el marco es estático, que no captura el bloqueo tecnológico, que la agregación oculta heterogeneidad, que excluye sistemas distribuidos y gestión activa de la demanda y que no modela plenamente el efecto rebote. Y el rango es de casi un factor cuatro: citar 1,8 gigatoneladas como si fuera el resultado, en lugar del extremo alto de una horquilla, es exactamente el uso que el artículo no permite. Del otro lado, y por si alguien quiere el contrapunto entero: Michael Lazarus, del Stockholm Environment Institute, advierte de que ningún modelo así puede anticipar lo que la IA desbloquee en tecnología limpia; Jon Koomey, ajeno al estudio, lo llama un intento creíble y añade que cómo salga el balance neto nadie lo sabe todavía con certeza; y el American Petroleum Institute lo rechaza. Ninguna agencia de noticias cubrió el estudio.