La inteligencia artificial está transformando nuestra vida cotidiana y revolucionando sectores económicos, pero su consumo energético plantea preocupaciones crecientes. En 2022, Meta, la compañía matriz de Facebook, Instagram y WhatsApp, registró un consumo de 11,2 millones de MWh en sus centros de datos, suficiente para abastecer energéticamente a 3,4 millones de hogares en España. Este nivel de gasto, incluso supera el residencial de toda la Comunidad de Madrid, con 2,9 millones de viviendas.
Como vemos, la IA consume energía sin precedentes, lo que ha llevado a iniciativas sorprendentes, como el reciente acuerdo de Google para explorar el uso de energía nuclear en sus centros de datos. Sin embargo, los centros de datos también están impulsando la adopción de energías renovables y baterías, ya sea por reducción de costes o por razones de sostenibilidad. No obstante, la presión sobre las redes de distribución, que ya enfrentan retos con los vehículos eléctricos, se intensificará si se suman los centros de datos, lo que exige soluciones innovadoras para el transporte, distribución o almacenamiento energético.
John Stankey, CEO de AT&T, en recientes declaraciones ha expresado su preocupación acerca de que América no está preparada para el consumo masivo de energía que conllevará la revolución de la IA. Stanley declaró que esta situación podría convertirse en el “próximo gran problema social y económico de Estados Unidos”.
Juan Huget, CEO y cofundador de anyformat y doctor en Ingeniería Nuclear, plantea una pregunta crucial: “¿Estamos preparados para el impacto energético que conlleva la inteligencia artificial? Con el aumento exponencial en el uso de la IA, debemos reflexionar sobre la capacidad de nuestras redes eléctricas y los recursos disponibles para sostener este consumo sin comprometer el acceso general a la energía en otros sectores”.
El crecimiento de la IA en aplicaciones de consumo y análisis de datos ha multiplicado la demanda de procesamiento en centros de datos, lo cual incrementa la presión sobre las infraestructuras eléctricas. En los últimos años, la discusión se había centrado en la infraestructura necesaria para soportar el despliegue masivo de vehículos eléctricos, pero el consumo de los data centers representa una carga comparable o incluso superior en algunas áreas. Se prevé que en el mercado de los centros de datos en España, se sumará el uso de unos 249 MW IT adicionales para 2026, equivalente a una ciudad de 120.000 personas, según un informe de Colliers, lo que plantea si las redes eléctricas podrán adaptarse para sostener un crecimiento constante en el consumo derivado de la IA.
Evolución y adopción de la IA, pero con enfoque en la sostenibilidad
Según predicciones de Gartner, en 2028, el 30 % de la IA generativa implementada se optimizará utilizando métodos computacionales de ahorro de energía, impulsados por iniciativas de sostenibilidad, lo que resalta la importancia de comenzar con acciones por lo fundamental que busquen minimizar la energía y los recursos necesarios en el uso de la IA.
Frente a esta situación, la empresa anyformat, empresa española de inteligencia artificial, ha adoptado prácticas sostenibles en IA que optimiza el consumo de energía. Su modelo combina diferentes tamaños de IA, recurriendo a los modelos más grandes sólo cuando es estrictamente necesario, y minimizando el uso de recursos computacionales para tareas específicas con modelos de menor demanda energética. Este sistema permite que la tecnología funcione de manera eficiente sin sacrificar sostenibilidad.
Para comprender un poco más el impacto que esta solución tiene, hay qué visualizar que existen modelos con diferente número de parámetros, cuanto más grandes son, más genéricos resultan y mayor consumo energético tienen. “La IA tiene el potencial de ser tanto un catalizador para el uso de energías renovables como una carga para las redes eléctricas, dependiendo de cómo se gestione su implementación. Pero los incentivos están alineados: un menor consumo energético no solo implica reducir el impacto ambiental, sino que además es un factor clave para reducir los costes de procesamiento: la adopción de estas energías en data centers, por ejemplo, empuja la reducción de costes de dichas instalaciones, de la que se puede aprovechar el usuario medio”, menciona Huguet.
