Hay muchas maneras de pensar la relación entre la inteligencia artificial generativa y el cambio climático. Desde el derecho, que es mi trinchera, se perfilan al menos dos.
La primera ve en la IA un riesgo y pone el acento en los costos ambientales de los centros de datos que entrenan y operan los modelos, sobre todo en agua y en energía de origen fósil. Esa mirada exige una regulación basada en riesgos: autoridades públicas, estatales o globales, que impongan límites, obligaciones y responsabilidades a las empresas que desarrollan esos modelos.
La segunda ve en la IA una solución, incluso a los problemas que ella misma genera, y apuesta por una gobernanza coordinada en la que sociedad civil, comunidades, academia, industria, gobiernos y organismos internacionales busquen equilibrar las externalidades positivas y negativas de la tecnología.
Ambas miradas tienen sentido, pero colisionan con el mismo obstáculo: no sabemos cuánta energía o agua consume realmente la IA.
En Estados Unidos se libra desde hace tiempo una guerra de cifras sobre el tema. Es una discusión sin fin que no lleva a ningún lado porque las empresas tecnológicas no informan sus niveles de consumo de manera veraz y verificable. El asunto no es menor. Sin transparencia no podemos conocer la magnitud del impacto ambiental y tampoco diseñar soluciones precisas para reducirlo.
Las razones que explican, aunque no justifican, esta opacidad son básicamente dos. La primera es de seguridad: los centros de datos se consideran infraestructura crítica, y sus operadores temen que, al compartir información, se conviertan en blanco de ciberdelincuentes y otros “actores maliciosos”. La segunda es económica: dadas las cuantiosas inversiones en juego, las empresas consideran que sus técnicas de eficiencia energética, sus sistemas de enfriamiento y sus métodos de gestión de cargas de trabajo constituyen secretos industriales.
El problema no es abstracto. Cada centro de datos tiene efectos contextuales. Uno instalado donde el agua es abundante no provocará carencias apreciables, pero uno instalado en una zona con estrés hídrico agrava un problema que ya existe. Es el caso de Querétaro, en donde, desde hace meses, se ha desatado un intenso debate sobre el tema. El balance entre inversión económica y generación de empleo vs. costos medioambientales es difícil de cuadrar en un estado que es modelo de desarrollo, pero, al mismo tiempo, tiene carencias hídricas objetivas.
Esto ocurre en un mundo que, según la Universidad de las Naciones Unidas, ha entrado en la era de la “bancarrota hídrica global”: en muchas cuencas y acuíferos, el uso de agua ya rebasó los aportes renovables y parte del capital hídrico sufrió daños que hacen inviable su recuperación plena. El Planetary Health Check 2025 confirma que los límites relacionados con el agua dulce y con el clima están en riesgo creciente. De ahí la pertinencia de una pregunta que plantea Eugenio Tisselli: si estamos al borde de rebasar esos límites, ¿tiene sentido apostar por una expansión masiva de centros de datos hiperescala?
Quienes responden que sí confían en que la propia tecnología encontrará el equilibrio: la IA se volverá más eficiente y, además, servirá para combatir el cambio climático. El argumento de la eficiencia se enfrenta con la llamada “paradoja de Jevons”: modelos más eficientes abaratan la IA, la integran en más procesos y, por lo mismo, elevan el consumo agregado de energía y agua. Confiar solo en la eficiencia técnica es, por tanto, una apuesta frágil.
Sin embargo, creo que el argumento de la IA como solución (en particular a catástrofes generadas por el cambio climático) tiene sustento. Hay estudios serios que muestran su utilidad para detectar y predecir sequías, olas de calor, incendios e inundaciones, y para alertar a tiempo a las comunidades. Pero, de nuevo, reaparece el problema de la opacidad. Para aprovechar la IA contra el cambio climático se requiere una enorme cantidad de datos públicos y privados. La interrogante es inevitable: ¿es sensato poner nuestros datos a disposición de las empresas tecnológicas sin garantías de transparencia?
Me parece que el reto, desde una perspectiva institucional, se desdobla en cuatro dimensiones. Primero, conocer los costos energéticos e hídricos reales de la IA generativa, para lo cual hacen falta obligaciones de transparencia que alcancen también, y sobre todo, a los actores privados. Segundo, construir esquemas de gobernanza que articulen regulación y política pública con un horizonte de sostenibilidad. Tercero, generar incentivos para que las lógicas de mercado se moderen con compromisos sociales y ambientales. Cuarto, incorporar a comunidades, organizaciones sociales, academia, industria y Estado en las decisiones, para que el desarrollo tecnológico se oriente hacia la justicia climática.
Ninguna de esas tareas es posible sin información. Por eso, antes de discutir si la IA es el problema o la solución, hay que exigir que sus diseñadores y entrenadores nos digan cuánta energía y agua consumen. De nuevo el imperativo de la transparencia. Ni modo.