La inteligencia artificial puede acelerar soluciones para el clima, el agua y la biodiversidad, pero también consume energía, agua y minerales a gran escala. Esta guía explica cómo se relacionan la IA y la sostenibilidad, qué beneficios y riesgos implica y cómo usarla de forma responsable.
¿Cómo se relacionan la inteligencia artificial y la sostenibilidad?
La inteligencia artificial y la sostenibilidad tienen una relación doble. Por un lado, la IA ayuda a medir emisiones, optimizar el uso de energía, anticipar desastres y proteger ecosistemas. Por otro, los centros de datos que la hacen funcionar consumen grandes cantidades de electricidad, agua y minerales, y generan residuos electrónicos.
Sin embargo, el balance final no está definido de antemano. Depende de para qué se use la IA, con qué energía se alimente y qué tan eficiente sea su infraestructura.
Por eso, el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) insiste en una idea. Antes de desplegar la IA a gran escala, hay que asegurarse de que su efecto neto sobre el planeta sea positivo (PNUMA).
Usos de la inteligencia artificial para la sostenibilidad
La IA es especialmente útil donde hay grandes volúmenes de datos y decisiones que optimizar. Estas son algunas de sus aplicaciones más relevantes:
| Ámbito | Cómo ayuda la IA |
|---|---|
| Clima | Mejora modelos climáticos y pronósticos de fenómenos extremos |
| Energía | Equilibra redes eléctricas con alta participación de energías renovables y reduce pérdidas |
| Emisiones | Detecta fugas de metano mediante imágenes de satélite |
| Agua | Identifica fugas en redes de distribución y predice sequías |
| Biodiversidad | Reconoce especies en grabaciones de audio, fotos y cámaras trampa |
| Agricultura | Ajusta riego y fertilización a las condiciones de cada parcela |
| Ciudades | Optimiza transporte público, tráfico y consumo energético de edificios |
| Empresas | Procesa datos para reportes de sostenibilidad y evaluación de proveedores |
Un ejemplo concreto es el Observatorio Internacional de Emisiones de Metano del PNUMA, que combina datos satelitales y aprendizaje automático para detectar fugas en instalaciones de petróleo y gas (PNUMA, informe anual 2024).
Asimismo, la Agencia Internacional de Energía (AIE) señala que la IA, bien aplicada, puede optimizar la producción y transmisión de electricidad, así como el consumo de energía en industria y edificios.
La huella ambiental de la inteligencia artificial
Detrás de cada consulta a un sistema de IA hay servidores, sistemas de enfriamiento y redes que operan sin pausa. El PNUMA identifica cuatro grandes impactos ambientales de esa infraestructura:
- Minerales. Los equipos requieren minerales críticos y tierras raras, cuya extracción suele tener altos costos ambientales y sociales.
- Residuos electrónicos. Los centros de datos generan desechos que pueden contener sustancias peligrosas como mercurio y plomo.
- Agua. Se usa durante la construcción de las instalaciones y, sobre todo, para enfriar los equipos.
- Energía. Los servidores consumen grandes cantidades de electricidad, que en muchos países todavía proviene de combustibles fósiles.
Estos impactos se distribuyen de forma desigual. Mientras los beneficios de la IA suelen concentrarse en pocos países, la extracción de minerales y el manejo de residuos recaen con frecuencia en otras regiones. A menudo, además, son regiones con menos capacidad de respuesta.
Cuánta energía consume la inteligencia artificial
La energía es el impacto mejor medido. Según la Agencia Internacional de Energía, los centros de datos consumieron alrededor de 415 teravatios hora (TWh) en 2024, cerca del 1.5% de la electricidad mundial.
| Indicador | Dato |
|---|---|
| Consumo de los centros de datos en 2024 | Alrededor de 415 TWh |
| Participación en la electricidad mundial | Cerca de 1.5% |
| Crecimiento anual desde 2017 | Alrededor de 12% |
| Proyección para 2030 (escenario base) | Alrededor de 945 TWh |
| Participación proyectada en 2030 | Poco menos de 3% |
Fuente: Agencia Internacional de Energía, Energy and AI, 2025.
En otras palabras, el consumo podría duplicarse en seis años y superar el de Japón. La IA es el principal motor de ese crecimiento. Además, el impacto es mucho más fuerte a escala local. Por ejemplo, un centro de datos grande puede consumir tanta electricidad como cientos de miles de hogares y presionar la red de una región.
El consumo de agua de la inteligencia artificial
En cambio, el agua es la huella menos visible. Los centros de datos la usan para enfriar sus equipos, y parte de esa agua se evapora. A ello se suma el agua que consumen las centrales eléctricas que los abastecen.
El PNUMA advierte que este consumo es un problema porque una cuarta parte de la humanidad todavía carece de acceso a agua potable y saneamiento. Por eso, la ubicación importa: un centro de datos en una región con escasez compite directamente con hogares y agricultura.
Para medir este impacto se usa la huella hídrica, que considera tanto el agua extraída como la que deja de estar disponible. Cada vez más especialistas piden que las empresas tecnológicas la reporten de forma estandarizada.
Residuos electrónicos y minerales críticos
El ritmo de innovación en IA acorta la vida útil de los equipos. Procesadores y servidores se reemplazan con frecuencia para ganar potencia, lo que acelera la generación de residuos electrónicos.
De hecho, estos residuos contienen metales valiosos, pero también sustancias tóxicas. Si no se reciclan de forma adecuada, contaminan suelos y cuerpos de agua y exponen a riesgos a quienes los manejan de manera informal.
Por su parte, la fabricación de chips depende de minerales como cobre, litio, cobalto y tierras raras. Su extracción puede provocar deforestación, consumo intensivo de agua y conflictos con comunidades locales.
Cómo reducir la huella ambiental de la IA
El PNUMA propuso siete recomendaciones para reducir el impacto de la IA, entre ellas desarrollar normas comunes para medir su huella ambiental (PNUMA, nota temática AI End-to-End, 2024). Con base en esas propuestas y en las buenas prácticas del sector, las principales medidas son:
- Medir y reportar el consumo de energía, agua y emisiones de los sistemas de IA.
- Alimentar los centros de datos con energía renovable y ubicarlos donde haya disponibilidad de agua y electricidad limpia.
- Mejorar la eficiencia de modelos, chips y sistemas de enfriamiento.
- Usar el modelo adecuado para cada tarea, sin recurrir a sistemas muy grandes para problemas simples.
- Alargar la vida útil de los equipos y asegurar su reciclaje responsable.
- Priorizar aplicaciones con beneficio ambiental o social claro.
Estas prácticas conectan la IA con la economía circular y con la transición hacia energías renovables.
Inteligencia artificial, empresas y criterios ESG
Para las empresas, la IA ya forma parte de la agenda de sostenibilidad en dos sentidos. Primero, como herramienta: ayuda a recopilar datos de emisiones, analizar riesgos climáticos y evaluar a proveedores para los reportes de sostenibilidad.
Segundo, como fuente de impacto. Es decir, el uso de servicios de IA y nube suma emisiones indirectas. Esas emisiones deben considerarse al calcular la huella de carbono de una organización, sobre todo en sus emisiones de cadena de valor.
Por eso, los criterios ASG o ESG empiezan a incluir preguntas sobre el uso de IA: qué consumo energético implica, cómo se protege a las personas afectadas por decisiones automatizadas y qué supervisión humana existe.
Inteligencia artificial y sostenibilidad en México y Latinoamérica
México y Latinoamérica viven el auge de la IA desde dos posiciones. Por un lado, como usuarios de herramientas que pueden mejorar la gestión del agua, la agricultura y la respuesta a desastres. Por otro, como destino creciente de centros de datos, atraídos por su cercanía con Estados Unidos.
Esa segunda tendencia exige planeación. Varias de las zonas donde se instalan estas infraestructuras enfrentan presión sobre el agua y la red eléctrica. Por lo tanto, la llegada de centros de datos debería evaluarse con criterios de disponibilidad hídrica, energía limpia y beneficio local.
Además, la región tiene una oportunidad propia: desarrollar soluciones de IA para sus retos, como el monitoreo de selvas, la detección temprana de sequías o la gestión de riesgos ante huracanes y sismos.
Una herramienta poderosa que exige uso consciente
La inteligencia artificial no es sostenible ni insostenible por naturaleza. Puede convertirse en una aliada para cuidar el planeta o en una nueva fuente de presión sobre la energía, el agua y los minerales.
Al final, la diferencia está en las decisiones. Medir su huella, alimentarla con energía limpia y usarla donde aporta valor real son los pasos para que el balance de la IA sea positivo para las personas y el planeta.
Fuentes consultadas
- Programa de las Naciones Unidas para el Medio Ambiente. La IA plantea problemas ambientales. Esto es lo que el mundo puede hacer al respecto. 2024.
- Programa de las Naciones Unidas para el Medio Ambiente. Informe anual 2024: la era digital. 2025.
- Agencia Internacional de Energía. Energy and AI, resumen ejecutivo. 2025.
- Programa de las Naciones Unidas para el Medio Ambiente. Artificial Intelligence (AI) End-to-End: The Environmental Impact of the Full AI Lifecycle Needs to be Comprehensively Assessed, nota temática. 2024.




