1. Titular + introducción
Sam Altman quiere recordarnos que los humanos también consumimos mucha energía. Es cierto, pero dice poco sobre el verdadero dilema de la inteligencia artificial. Sus recientes declaraciones en India, minimizando la preocupación por el agua y comparando el “entrenamiento” de modelos con el de una persona, apuntan a algo clave: la batalla ya no es solo técnica, sino narrativa. En este artículo analizamos qué dijo realmente, por qué la comparación con los humanos es tramposa y qué implica para Europa y para los mercados de habla hispana, desde Madrid hasta Ciudad de México.
2. La noticia en breve
Según informa TechCrunch, el CEO de OpenAI, Sam Altman, participó esta semana en un evento organizado por The Indian Express durante una importante cumbre de IA en India. Preguntado por el impacto ambiental de la inteligencia artificial, cuestionó duramente las cifras que circulan sobre el consumo de agua de ChatGPT y las calificó de totalmente alejadas de la realidad. Explicó que esos cálculos se basan en una etapa anterior, cuando algunos centros de datos usaban sistemas de refrigeración por evaporación, algo que OpenAI ya no emplearía.
Altman reconoció que el consumo total de energía de la IA sí es un tema “justo” de debate, pero considera que muchas comparaciones son poco rigurosas. En particular, rechazó estimaciones que equiparan una sola consulta a ChatGPT con varias cargas completas de un iPhone. A su juicio, el contraste debería hacerse entre la energía usada por un modelo ya entrenado para contestar una pregunta y la energía necesaria para “formar” a un ser humano durante años hasta que pueda responder lo mismo. Bajo ese prisma, sostuvo que la IA probablemente ya compite muy bien en eficiencia energética. También insistió en que el mundo debe acelerar la expansión de la energía nuclear, eólica y solar.
3. Por qué importa
Lo relevante no es si una consulta equivale a media o a tres baterías de iPhone, sino el marco mental que Altman intenta instalar. Si el máximo representante de la IA generativa logra que pasemos de hablar de “nuevos megavatios y litros de agua para centros de datos” a “los humanos también gastan mucho”, la urgencia regulatoria se diluye.
Los beneficiados de este giro son evidentes: grandes nubes públicas, laboratorios de modelos y todo el ecosistema que vive del uso masivo de IA. Si la opinión pública acepta que un chatbot es, energéticamente, tan legítimo como contratar a un empleado, se reduce la presión para limitar dónde y cómo se construyen nuevas granjas de servidores.
Quienes pierden son, sobre todo, los territorios donde se concentran esas infraestructuras: municipios con estrés hídrico, redes eléctricas al límite y autoridades que deben cumplir objetivos climáticos. La frase “también cuesta mucha energía entrenar a un humano” puede sonar ingeniosa, pero confunde niveles de análisis. Comer, desplazarse o ir a la escuela son actividades intrínsecas a la vida humana; levantar un centro de datos de 500 MW en una zona seca es una decisión empresarial y política.
Además, Altman desplaza el foco hacia la energía por pregunta respondida, ignorando dos elementos centrales: el consumo absoluto y la velocidad de crecimiento. La IA generativa no sustituye un volumen fijo de trabajo humano; abre la puerta a más cosas que antes simplemente no se hacían: asistentes encendidos todo el día, resúmenes automáticos de todo, versiones infinitas de un mismo anuncio o vídeo. Aunque cada operación fuese algo más eficiente, el efecto volumen puede disparar el total.
Dicho de otra forma: él habla de eficiencia marginal; la sociedad empieza a preocuparse por la escala y por quién controla el acelerador.
4. El panorama general
Las palabras de Altman encajan en una transición clara del sector: la IA está pasando del “wow” mediático a la fase de infraestructuras, regulación y costes externos.
En los últimos años, distintos equipos académicos han publicado estimaciones sobre la huella de carbono y agua de grandes modelos de lenguaje y visión. Los resultados no son uniformes, pero sí coherentes en una cosa: entrenar y operar modelos punteros se sitúa en el extremo alto de la intensidad energética digital. Al mismo tiempo, regiones con gran concentración de centros de datos han empezado a notar la presión en sus redes eléctricas y, en ciertos casos, en sus recursos hídricos.
La historia recuerda al auge de las criptomonedas: primero se discutía el impacto relativo en las emisiones globales, luego aparecieron los conflictos locales por el uso de energía barata y el ruido de las granjas de minería. La diferencia es que la IA se percibe –con razón– como mucho más útil para la economía real, lo que le otorga un colchón político mucho mayor.
Frente a otros actores, OpenAI intenta situarse como el jugador que empuja al límite las capacidades de los modelos, pero al mismo tiempo habla de la necesidad de construir más energía limpia, en especial nuclear. Google, por su parte, enfatiza su estrategia de “cero neto” y de casar consumo con renovables. Los grandes proveedores de nube venden “regiones verdes” y paneles de métricas ambientales como ventaja competitiva para banca, industria o sector público.
No obstante, hay una pieza que falta casi por completo: reportes obligatorios, detallados y comparables. Mientras no existan normas claras sobre cómo medir y auditar el consumo energético y de agua asociado a la IA, cada empresa puede escoger su propio relato y sus propias métricas base. Las declaraciones de Altman son un ejemplo perfecto de lo que se puede hacer en ese vacío.
5. El ángulo europeo e hispanohablante
Para Europa, la discusión energética en torno a la IA se cruza con tres realidades: metas climáticas duras, redes eléctricas tensas y un marco legal –Reglamento de IA, DSA, DMA– mucho más exigente que el de Estados Unidos.
La Unión Europea aspira a ser referente en “IA confiable” y al mismo tiempo avanzar hacia la neutralidad climática. Eso coloca a los centros de datos en el centro del tablero: desde los hubs de Madrid y Barcelona hasta Frankfurt, Dublín o los nórdicos. Varios gobiernos ya ponen condiciones más estrictas a nuevos proyectos, precisamente porque temen un crecimiento descontrolado del consumo eléctrico ligado a la nube y a la IA.
El ecosistema hispanohablante añade matices propios. En España, grandes telcos y bancos están abrazando la IA generativa, pero también están sometidos a fuertes compromisos ESG. En América Latina, la oportunidad económica de la IA es enorme –piénsese en sectores como el financiero en México o el comercio electrónico en Brasil y Argentina–, pero la infraestructura eléctrica y la regulación ambiental son más frágiles. Si los centros de datos para la región se concentran en pocos polos, el impacto sobre las comunidades locales puede ser significativo.
Además, las nuevas normas europeas de reporte de sostenibilidad obligarán a las empresas cotizadas a detallar sus riesgos climáticos y su consumo de recursos. Una multinacional española o latinoamericana que use intensivamente IA en la nube europea tendrá que responder no solo ante los reguladores de Bruselas, sino también ante inversores globales que observan de cerca la coherencia entre discurso y práctica.
6. Mirando hacia adelante
El futuro inmediato de este debate dependerá de tres dinámicas: la reacción regulatoria, las decisiones de infraestructura y la presión de los clientes corporativos.
En el frente regulatorio, es razonable esperar que Bruselas y algunos gobiernos nacionales avancen hacia obligaciones de transparencia específicas para centros de datos y grandes proveedores de IA. El primer paso es que publiquen datos claros y auditables sobre consumo de energía y agua, desglosados por tipo de carga de trabajo. El segundo, que se establezcan límites o incentivos en zonas donde la red o los recursos hídricos estén al límite.
En infraestructura, veremos más de lo que Altman reclama: acuerdos de compra de energía a largo plazo con parques eólicos y solares, e incluso con nuevas plantas nucleares allí donde sean políticamente viables. La cuestión delicada será a quién se da prioridad cuando haya que asignar capacidad: ¿hospitales y transporte público, o granjas de GPUs que generan textos, imágenes y vídeos?
Del lado de la demanda, grandes clientes –bancos, aseguradoras, administraciones públicas– tienen un poder que a veces subestimamos. Pueden incluir cláusulas ambientales estrictas en sus contratos de nube, exigir métricas específicas para la huella de la IA y preferir regiones con mayor porcentaje de renovables. En América Latina, los reguladores financieros ya empiezan a pedir planes climáticos más sólidos; es solo cuestión de tiempo que la huella digital entre en ese radar.
En los próximos 12–24 meses merece la pena observar tres señales: si los grandes proveedores publican datos diferenciados de huella de IA; si aparecen moratorias o restricciones locales a nuevos centros de datos; y si los analistas financieros empiezan a penalizar modelos de negocio excesivamente dependientes de energía barata y abundante.
Altman acierta al decir que la energía es el recurso estratégico de la era de la IA. Pero exagera cuando sugiere que basta con compararse ventajosamente con los humanos para dar el debate por cerrado.
7. Conclusión
El argumento de Sam Altman –“entrenar humanos también gasta mucha energía”– puede funcionar en un escenario de conferencias, pero no como base de política pública. Europa, España y América Latina se enfrentarán a decisiones difíciles sobre cuánta infraestructura de IA construir, dónde y a costa de quién. La cuestión no es si la IA es útil, sino qué grado de transparencia y control democrático exigimos a quienes la despliegan. La próxima vez que se entusiasmen con un nuevo modelo, pregunten también por la factura energética que lo sostiene.
