Centros de datos e IA: ¿Cuáles son los factores para una transición sostenible?

Autor: Lefebvre 16-10-2025

El Think Tank, preocupado por la trayectoria de carbono del sector, emite varias recomendaciones dirigidas a las empresas que utilizan la IA, así como a los actores públicos y a los gigantes tecnológicos.

Los centros de datos consumen cada vez más electricidad

El consumo eléctrico mundial de los centros de datos crece de forma exponencial: ha pasado de 165 TWh en 2014 a 420 TWh en 2024 y ha experimentado una aceleración del +13 % anual en los últimos cinco años (+10 % de media en 10 años). Si no se producen cambios en los hábitos de consumo, podría alcanzar los 1500 TWh/año en 2030, es decir, casi tres veces el nivel actual (en Europa podría duplicarse, pasando de 97 TWh en 2023 a 200 TWh en 2030).

La IA ya es responsable del 15 % de este consumo

¿Qué parte de este consumo se puede atribuir a la inteligencia artificial? La IA ya sería responsable del 15 % del consumo eléctrico mundial debido a los centros de datos y podría representar más de un tercio de este en 2030 (35 %).

La trayectoria de carbono de los centros de datos es preocupante

Por lo tanto, el sector de los centros de datos sigue una «trayectoria insostenible», según el informe del Shift Project. De aquí a 2030, podría experimentar un aumento del 9 % en sus emisiones de gases de efecto invernadero, alcanzando hasta 920 MtC02e/año, es decir, «el doble de las emisiones anuales de Francia», estima el Shift Project. Por el contrario, tratar de alcanzar el objetivo de «cero emisiones netas» implicaría reducir los GEI en un 5 % al año.

«Este aumento del consumo eléctrico, que nosotros sepamos, no se tiene en cuenta en los escenarios de planificación energética. Por lo tanto, podría hipotecar la capacidad de Europa para alcanzar sus objetivos climáticos», advierte ya el Shift Project.

¿Cómo pueden las empresas usuarias contribuir a una IA sostenible?

Ante esta constatación, ¿qué pueden hacer las empresas que utilizan servicios de IA? El Shit Project les invita a:

• dar prioridad al uso de IA especializada en lugar de generalista;
• limitar, para seguir siendo compatibles con su trayectoria, la cantidad de uso de IA generativa de uso general en la organización y rechazar la integración por defecto de componentes de IA en el software de uso general;
• mantener los recursos (humanos, organizativos, financieros, etc.) necesarios para continuar con el esfuerzo de formación inicial y continua sobre cuestiones energéticas y climáticas, y no reorientarlos hacia la formación en IA.

IA sobria: recomendaciones a los actores públicos y a los gigantes tecnológicos

Para inscribir el sector de la IA en una trayectoria sostenible, el Shit Projet formula varias recomendaciones dirigidas a los responsables políticos o a los grandes proveedores de servicios de IA, como, por ejemplo:

• garantizar un seguimiento público del sector de los centros de datos (medir anualmente el consumo eléctrico, garantizar y poner a disposición datos fiables y transparentes sobre el impacto de la fabricación de IA (aceleradores de IA, componentes, etc.));
• garantizar la transparencia de los servicios de IA prestados (sobre el consumo energético de los servicios adquiridos y sobre la huella energética y de carbono de los servicios de IA puestos a disposición de los usuarios del gran público);
• centrar los esfuerzos de investigación y desarrollo en soluciones de IA eficaces compatibles con una trayectoria sostenible de las capacidades de cálculo;
• iniciar, elaborar y dirigir una estrategia de descarbonización de toda la cadena de valor (fabricación, fin de vida útil, reparación, etc.) con el fin de reducir los impactos de la fabricación.

Metodología para el despliegue responsable de la IA en las empresas

El Shift Project también recuerda los principios metodológicos que deben guiar a las empresas en la implementación de soluciones de IA.

1. Definir una trayectoria energética y de carbono de referencia.

2. Caracterizar las necesidades a las que se desea responder con el servicio de IA.

3. Asociar una o varias soluciones técnicas adaptadas a cada funcionalidad.

4. Evaluar los impactos energéticos y de carbono de cada elección tecnológica.

5. Reducir el impacto de las soluciones para que sean compatibles con la trayectoria objetivo, activando las palancas de diseño, despliegue razonado y sobriedad.