-
El impacto ambiental de Gemini, la IA de Google, es de 0,24 Wh de energía, 0,03 g de CO₂ y 5 gotas de agua por cada consulta realizada, según un informe técnico de la compañía.
-
A pesar de que Google asegura que su inteligencia artificial es más eficiente que otras, sus propias emisiones corporativas han aumentado un 51% desde 2019 debido, en gran parte, a la fabricación de hardware para IA.
-
Un proyecto une las renovables y la inteligencia artificial para revolucionar la energía en Canarias
La inteligencia artificial consume energía y recursos, pero ¿cuánto exactamente? Un informe técnico de Google ha cuantificado por primera vez el impacto ambiental de Gemini, su modelo de IA, revelando que cada interacción tiene un coste de 0,24 vatios-hora de electricidad, 0,03 gramos de emisiones de CO₂ y 0,26 mililitros de agua, equivalentes a cinco gotas. Estas cifras, que la compañía presenta como muy eficientes, llegan en un momento de creciente preocupación por la huella ecológica de la IA y su escalabilidad futura.
Apple refuerza su apuesta por las energías renovables en Europa con 650 MW adicionales
¿Qué incluye la contabilidad ambiental de Google?
Google no solo ha medido la energía consumida directamente al procesar una pregunta en Gemini. Según detalla en su informe, la contabilidad incluye:
-
El consumo de los equipos informáticos en los centros de datos.
-
La potencia en reposo de los chips especializados (TPU) que ejecutan el modelo de IA.
-
El agua utilizada en los sistemas de refrigeración de dichos centros de datos.
La compañía argumenta que muchas estimaciones públicas anteriores eran menos precisas porque se centraban únicamente en el consumo de la máquina durante la operación, obviando estos otros factores. Por ello, defiende que sus métricas reflejan una «eficiencia teórica» más completa.
La nueva estación de drones de Hyundai que quiere devolver la vida a los bosques quemados
El agua en la IA: ¿por qué se «consume» y no solo se «usa»?
Cuando se habla del consumo de agua en los centros de datos, es crucial entender la diferencia entre «uso» y «consumo». La mayoría de centros de datos utilizan sistemas de refrigeración por evaporación en torres de cooling. En estos sistemas:
-
El agua se evapora para absorber calor y enfriar los servidores
-
Esta agua evaporada no vuelve al sistema local inmediatamente
-
Debe ser repuesta constantemente con agua dulce nueva
Por tanto, aunque el agua no se «desperdicia» en el sentido tradicional, sí se consume porque deja de estar disponible para otros usos en esa cuenca hidrográfica. Esto se convierte en un problema crítico en regiones con estrés hídrico, donde la población local compite por el mismo recurso que usan los centros de datos para refrigerar la IA. 
Comparativa completa: Gemini vs. otras inteligencias artificiales
Para contextualizar el impacto ambiental de Gemini, esta tabla compara sus cifras oficiales con estimaciones de otros modelos basadas en estudios del AI Index Report 2024 de Stanford y análisis del sector:
| Modelo de IA | Energía por consulta | Emisiones de CO₂ | Consumo de agua | Notas |
|---|---|---|---|---|
| Google Gemini | 0,24 Wh (oficial) | 0,03 g (oficial) | 0,26 ml (oficial) | Datos oficiales de Google. El más eficiente según cifras públicas. |
| OpenAI ChatGPT | ~ 2,9 Wh (EPRI) | ~ 0,4-0,8 g | ~ 2-5 ml | Según estudio del EPRI. Consume ~12 veces más que Gemini. |
| Anthropic Claude 3.5 Sonnet | ~ 2,0-3,5 Wh | ~ 0,3-0,7 g | ~ 2-4 ml | Modelos de similar capacidad a GPT-4. Menos datos públicos, eficiencia comparable. |
| Perplexity AI | ~ 1,5-2,5 Wh | ~ 0,2-0,5 g | ~ 1-3 ml | Combina búsqueda y generación. Su impacto depende de la complejidad de la consulta. |
| DeepSeek | Datos no públicos | Datos no públicos | Datos no públicos | La falta de transparencia es común en muchas empresas, especialmente las asiáticas. |
Como muestra la comparativa, Gemini sería aproximadamente 12 veces más eficiente energéticamente que ChatGPT según estas cifras. Sin embargo, la falta de transparencia de muchos desarrolladores, especialmente DeepSeek, impide un análisis completo del sector.
Una startup española utiliza la inteligencia artificial para reducir tu factura de la luz
La gran paradoja: eficiencia micro vs. crecimiento macro
Aunque el consumo por consulta sea bajo, el verdadero desafío ambiental reside en el efecto multiplicador de los miles de millones de peticiones que se realizan a diario. Google no ha revelado el volumen total de consultas de Gemini, un dato esencial para calcular su huella ecológica agregada.
Esta eficiencia a pequeña escala contrasta con las tendencias macro. Según la Agencia Internacional de la Energía (AIE), se prevé que la demanda de energía de los centros de datos dedicados a la IA y las criptomonedas se duplique en los próximos cinco años, alcanzando unos 945 teravatios-hora anuales para 2026. Esta cifra equivale al consumo eléctrico anual de un país como Japón. 
El compromiso de Google y las sombras en el camino
Google ha enfatizado que su modelo es cada vez más eficiente, afirmando que el consumo de energía y la huella de carbono por solicitud se han reducido 33 y 44 veces, respectivamente, desde agosto de 2024. No obstante, existe una contradicción evidente.
Según su último informe medioambiental, las emisiones totales de Google han aumentado un 51% desde 2019. La compañía atribuye este incremento, en gran parte, a las emisiones indirectas generadas por la fabricación y el ensamblaje del hardware necesario para la IA en su cadena de suministro. En otras palabras, la eficiencia operativa del software se ve contrarrestada por el coste ambiental de fabricar la infraestructura física (chips, servidores) que lo hace posible.
Conclusión: ¿Es sostenible la IA generativa?
La cuantificación del impacto ambiental de Gemini por parte de Google es un ejercicio de transparencia valioso que establece un referente en la industria. Efectivamente, los datos sugieren que es posible desarrollar modelos de IA con una alta eficiencia energética por tarea.
Sin embargo, la sostenibilidad a largo plazo no dependerá solo de la eficiencia por consulta, sino de la capacidad de la industria para gestionar la demanda global creciente, minimizar el coste ambiental de la fabricación de hardware y garantizar que el uso del agua en los procesos de refrigeración sea responsable. La revolución de la IA no será inteligente si no es también sostenible.
Te puede interesar…
- ArcelorMittal construye una planta piloto para recuperar calor residual de los gases de escape de la acería
- Endurance Motive obtiene permiso para su primera planta de baterías BESS en España
- El apagón que confundió a España: cómo la desinformación climática se coló en millones de hogares
Licenciado en Biología por la Universidad Complutense de Madrid, amante de la naturaleza tal y como deberíamos haberla conocido. Aun hay esperanza.
