¿Entrenar IA gasta menos energía que criar a un humano?

Sam Altman compara la energía de la IA con 20 años de comida humana y reabre el debate: centros de datos, agua, cifras y Aragón, muy a fondo.

Hace unos días, publicamos un post sobre cuánta agua y luz consuma la IA, donde calculamos el gasto de agua y luz en usar herramientas como ChatGPT. Ahora bien: Sam Altman, consejero delegado de OpenAI, ha puesto una comparación sobre la mesa que suena casi demasiado doméstica para un debate de centros de datos: si preocupa la energía que necesita un modelo de inteligencia artificial para aprender, conviene recordar que “entrenar” a un ser humano también cuesta lo suyo, porque hacen falta unos 20 años de vida y toda la comida consumida en ese tiempo hasta “volverse inteligente”. Lo dijo en Nueva Delhi, en una conversación pública en el marco de su visita a India, y la frase se ha convertido en gasolina para una discusión que ya venía caliente: IA, electricidad, agua, infraestructuras y quién paga la factura —en sentido literal y político.

No fue sólo una ocurrencia. Altman la usó para empujar el debate hacia un terreno que le interesa: menos titulares de “la IA devora energía” y más foco en cómo se mide, qué parte corresponde al entrenamiento y cuál al uso diario, y, sobre todo, en la idea de que el problema no se resuelve apagando la IA sino acelerando el salto a energía limpia. En ese mismo contexto negó cifras que circulan por internet —las de “17 galones de agua por consulta” y otras exageraciones del estilo— y defendió que, una vez entrenado el modelo, responder a una pregunta puede ser más eficiente que hacerlo con una persona, si la comparación se hace “pregunta a pregunta”.

Nueva Delhi, una frase y un debate que estaba esperando su chispa

La escena tiene nombres propios y un lugar preciso. Altman estaba en Nueva Delhi y habló en el foro Express Adda, en conversación con Anant Goenka, directivo del grupo The Indian Express, en una visita ligada al India AI Impact Summit 2026. El marco importa porque no era una charla técnica entre ingenieros sino un escaparate público: ahí cada metáfora pesa como un titular. Y la suya —comida, años, “hacerse listo”— es un dardo que pretende simplificar una cuestión espesa, pero al simplificarla también la vuelve discutible por todos los lados. Entrenar aplicado a humanos suena a adiestramiento; inteligente parece una etiqueta de rendimiento; comida pasa de ser mesa y vida a ser combustible.

Altman venía a responder a una crítica muy concreta: el crecimiento de la IA está empujando la construcción de centros de datos y una carrera por GPUs que exige electricidad, refrigeración, redes, subestaciones. Su giro fue decir: cuidado con comparar peras con manzanas. Si el cálculo es “cuánta energía cuesta entrenar un modelo grande” frente a “cuánta energía usa el cerebro humano para responder una pregunta”, la balanza sale torcida. Él propone otro espejo: una vez entrenado el modelo, compararlo con una persona formada y medir la energía del acto de contestar. En ese encuadre, aseguró, la IA “probablemente” ya ha alcanzado una eficiencia energética similar o incluso mejor.

En paralelo, aprovechó para reventar lo que llamó cifras sin sentido. Negó que una consulta a ChatGPT se beba “17 galones” de agua o consuma una barbaridad de electricidad, y lo dijo sin paños calientes: “completamente falso”, “insano”, “sin conexión con la realidad”, según las transcripciones difundidas. También asumió el punto incómodo: incluso si cada consulta fuese pequeña, el problema es la escala, porque el uso masivo vuelve grande lo que por unidad parece irrelevante. Su salida fue clara: si lo que preocupa es el impacto total, entonces toca acelerar la inversión en nuclear o en solar y eólica.

Y como si faltara un extra, en esa misma visita se mojó con otra idea que está circulando en Silicon Valley como ciencia ficción con powerpoint: poner centros de datos en el espacio para esquivar límites terrestres. Altman lo despachó como “ridículo” en el paisaje actual, por los costes de lanzamiento y por algo muy poco glamuroso: intentar arreglar una GPU rota a cientos de kilómetros, sin destornillador posible. El comentario lo enfrentó indirectamente a la épica de Elon Musk, que lleva meses empujando esa visión orbital.

La factura invisible de un “prompt”: entrenamiento, uso y refrigeración

La discusión se enreda porque la palabra “consumo” mete en el mismo saco cosas distintas. Por un lado está el entrenamiento, que es el proceso de ajustar un modelo grande con cantidades enormes de datos y cálculo, una especie de gimnasio intensivo para redes neuronales. Por otro está la inferencia, el uso cotidiano: cada vez que alguien escribe una pregunta, pide un resumen, genera un texto, o solicita una imagen. Y hay un tercer plano que casi siempre se olvida: el coste de sostener el ecosistema alrededor, desde la fabricación de chips hasta la logística de hardware, pasando por el recambio constante en centros de datos.

Altman ha intentado bajar el debate a cifras pequeñas, precisamente para desactivar el susto fácil. En un texto previo publicado en 2025, afirmó que una consulta media a ChatGPT estaría en torno a 0,34 vatios-hora de energía y un consumo de agua equivalente a una quinceava parte de una cucharadita. Son números que, contados así, parecen de juguete: un horno durante un segundo, una bombilla eficiente durante unos minutos… ese tipo de comparaciones. La discusión, claro, no es sólo si el dato exacto es éste o aquél, sino que el propio sector suele dar poca transparencia sobre metodología, variaciones por región o por tipo de infraestructura.

Aun así, el punto práctico queda: el impacto no se entiende mirando una sola pregunta, igual que no se entiende el tráfico de una ciudad mirando un solo coche. La IA se ha convertido en un servicio permanente, no en un experimento, y lo permanente exige capacidad base: servidores encendidos, sistemas de refrigeración, redundancias, seguridad, conectividad. No es una nube esponjosa; es una industria con zumbido continuo, con pasillos de racks, con aire expulsado caliente como si la “inteligencia” sudara. Ahí la energía se va no sólo al cálculo, también a mantener temperaturas, a mover aire, a bombear líquidos, a garantizar que un fallo no apague medio planeta digital.

Lo del agua merece un matiz que suele perderse. Una parte del consumo hídrico asociado a centros de datos tiene que ver con tecnologías de refrigeración que evaporan agua para disipar calor; otra parte se desplaza a la generación eléctrica (según el mix energético); y otra, sencillamente, depende del diseño del centro y del lugar donde se instala. Por eso Altman se detuvo en negar cifras virales y en apuntar que las instalaciones modernas han ido reduciendo el peso de sistemas evaporativos en algunos casos. Pero, incluso admitiendo mejoras, cuando se multiplican los centros de datos y los servicios, la pregunta vuelve: cuánta energía adicional exige el conjunto y qué tensión crea sobre redes, suelos, permisos y planificación.

En esa madeja, la comparación con “entrenar humanos” funciona como recurso dialéctico, pero no como cálculo real. Un humano no se “entrena” en un ciclo industrial, no tiene un consumo imputable a una sola cuenta de resultados, ni se optimiza por tokens. La educación es infraestructura social, sí, pero también es derecho, cultura, biografía. La IA es infraestructura empresarial y estatal, y su energía se decide en contratos, licencias, inversiones, y, a veces, en acuerdos discretos con grandes proveedores eléctricos. Son dos universos con puntos de contacto… y con límites claros.

Sridhar Vembu dice “alto”: choque de metáforas y choque de poder

La frase de Altman no tardó en encontrar respuesta. Sridhar Vembu, cofundador de Zoho, se desmarcó con dureza: no quiere un mundo donde se equipare una pieza de tecnología con un ser humano y defiende que la tecnología debería “replegarse”, quedarse de fondo, no dominar la vida. Su crítica no va sólo de kilovatios; va de marco mental, de lenguaje, de la tentación de convertir todo en una hoja de cálculo: calorías, años, eficiencia. Es una réplica de fondo, casi cultural, que conecta con un malestar más amplio: la sensación de que la industria tecnológica empuja comparaciones que normalizan la sustitución o la equivalencia entre lo humano y lo automatizable.

Vembu, además, lleva tiempo señalando el tamaño y la influencia de las grandes tecnológicas. En sus mensajes recientes ha llegado a comparar a las “big tech” con una especie de Compañía de las Indias Orientales del siglo XXI, un poder económico y logístico capaz de moverse por encima de fronteras y condicionar políticas. Ese trasfondo importa porque la discusión energética no ocurre en vacío: ocurre mientras empresas y fondos de inversión compiten por ubicaciones, por permisos, por acceso a electricidad barata, por suelo. Cuando alguien como Vembu critica la metáfora de Altman, en realidad está criticando también la relación de fuerza entre plataformas y sociedades.

En redes, el choque se volvió pop. Aparecieron capturas de Matrix, bromas sobre humanos usados como pilas, y una idea repetida con distintas palabras: que el símil “reduce el espíritu humano” a un balance mecánico de tiempo y calorías. No son argumentos técnicos, pero sí señales de clima: hay un punto en el que la conversación sobre centros de datos se mezcla con miedo cultural, con fatiga, con rechazo a que la vida se describa con vocabulario de entrenamiento y rendimiento.

Lo interesante es que, en el fondo, ambos están hablando de lo mismo desde ángulos distintos. Altman quiere que el debate energético sea cuantificable y comparable para defender la viabilidad de la IA a gran escala. Vembu discute el coste simbólico y ético de esa comparación, porque teme que lo cuantificable acabe colonizando lo importante. Y entre uno y otro, el tema material —energía, agua, redes— sigue ahí, avanzando con una inercia muy concreta: proyectos aprobados, obras, subestaciones, licitaciones.

Del “apaga la IA” al “cambia la energía”: el giro que propone Altman

Altman no está diciendo que la IA no consuma, sino que el modo de discutirlo suele ser tramposo o, como mínimo, parcial. Su idea central es casi una consigna: el mundo necesita construir más capacidad energética limpia si quiere sostener no sólo la IA, también la electrificación del transporte, la industria, y la vida digital que ya es normalidad. En su intervención en India mencionó explícitamente el salto hacia renovables y la opción nuclear como vías para que el crecimiento del cómputo no se traduzca en más emisiones.

Esa posición tiene una lectura pragmática: si la demanda sube, hay que ampliar oferta, modernizar redes, invertir en generación baja en carbono, y hacer que los centros de datos se diseñen con mejores eficiencias. Pero también tiene una lectura política: desplaza el foco desde la empresa que entrena y despliega modelos hacia el sistema energético que los alimenta. En ese desplazamiento, el conflicto se reparte. Ya no es sólo “OpenAI gasta”, es “qué planificación energética permite esto”, “qué permisos lo hacen posible”, “quién prioriza a quién cuando hay cuellos de botella”.

Y aparece un punto que a menudo se trata con eufemismos: la IA no llega sola. Llega con una demanda concreta de capacidad firme, con necesidad de estabilidad, de redundancia, de respuesta rápida. Un centro de datos no funciona como una fábrica que para y arranca según el precio horario; exige continuidad y seguridad, y eso empuja decisiones sobre almacenamiento, redes, contratos a largo plazo, inversiones que luego se vuelven estructurales. La conversación, por tanto, no es “un modelo más”, sino un cambio de escala de la infraestructura digital.

En ese contexto, la batalla de los números por consulta es casi secundaria. Puede servir para desmontar bulos —los “17 galones” por prompt—, pero el meollo es otro: qué pasa cuando la IA se incrusta en buscadores, sistemas operativos, atención al cliente, programación, creación de contenidos, vídeo, música. La energía por unidad puede ser baja; el volumen puede ser brutal. Esa es la lógica de la era de centros de datos: no te aplasta una ola; te aplasta la marea.

España y el enchufe: Aragón, Madrid y la carrera por convertirse en “hub”

Mientras Altman discute el marco desde Nueva Delhi, en España el debate sobre energía y centros de datos ya está en el barro de la política industrial. Aragón se ha convertido en uno de los epicentros por disponibilidad de renovables, suelo y tramitación acelerada; y la Comunidad de Madrid aparece como polo natural por conectividad, mercado y concentración empresarial. La discusión deja de ser teórica cuando se traduce en cifras de potencia, inversiones y planificación de red.

En Aragón, varios proyectos se están canalizando a través de los PIGA (Planes de Interés General de Aragón), una herramienta que recorta tiempos administrativos y facilita despliegues considerados estratégicos. En los planes previstos, se han manejado necesidades de potencia instalada del orden de 2.545 megavatios, una magnitud que explica por qué el debate local se ha tensado: incluso siendo una región productora, se habla de importar electricidad y de ampliar infraestructuras de transporte y transformación. En paralelo, el Gobierno de Aragón ha dado pasos para consolidar grandes operaciones como el plan de Microsoft, con una inversión anunciada de 5.300 millones de euros para tres centros de datos en localizaciones como La Muela, Villamayor de Gállego y Zaragoza.

Ese “boom” no es abstracto. Tiene efectos inmediatos: exigencias de conexión a red, negociación con eléctricas, debate sobre si la inversión arrastra empleo de calidad o sobre todo obra y mantenimiento, discusión sobre consumo de agua y sobre refrigeración, presión social en municipios donde de pronto se habla de hectáreas, fibra óptica y subestaciones como quien habla de un polígono industrial que llega de golpe. Y al mismo tiempo se construye un relato: España como “búnker” o refugio de centros de datos europeos, aprovechando renovables y posición geográfica. La narrativa seduce; el cableado también.

Al lado de los macroproyectos, se está moviendo otro tablero que no siempre se cuenta: el edge computing, minicentros de datos más cerca del uso, pensados para reducir latencia y descargar parte del procesamiento. En España, Telefónica ha empezado a comercializar nodos de este tipo en ciudades como Madrid, Valencia, Sevilla, Bilbao y A Coruña, con la idea de acercar potencia de cálculo a servicios que lo demandan, incluidos los basados en IA. Es una capa distinta de infraestructura, menos espectacular que un hyperscale, pero más pegada a la vida real del tráfico digital.

Y mientras tanto, las energéticas se preparan para un tipo de cliente que no existía con esta forma: consumidores gigantes, estables, obsesionados con la continuidad. El centro de datos no compra electricidad como un hogar; compra capacidad, previsión, garantías. Ahí el debate energético se vuelve, literalmente, negocio y planificación.

En Europa, además, se ha ido instalando una lógica de reporte y control sobre sostenibilidad y eficiencia para este tipo de instalaciones. La dirección general es clara: medir mejor, reportar indicadores, comparar, exigir transparencia. España se mueve en ese marco, con discusión normativa y presión para que el despliegue no sea un “sálvese quien pueda” de permisos y potencia, sino un sector con reglas y obligaciones de información. Es un punto crucial porque enlaza con la crítica de fondo: si la industria no explica bien su huella, el debate se llena de cifras virales y de exageraciones fáciles; si la explica, se abre otra discusión: qué se hace con esos datos y qué límites se ponen.

La cuenta energética que ya acompaña a la IA

La frase de Altman —20 años de comida para formar un humano— no es un informe técnico, pero sí es un síntoma: la industria sabe que el flanco energético es uno de los grandes puntos débiles de la narrativa de la IA. Y por eso intenta cambiar la pregunta. En vez de “cuánta energía gasta”, propone “cuánta energía cuesta la inteligencia”, como si el debate pudiera moverse del terreno de la crítica ambiental al terreno de la inversión social. El problema es que, al hacerlo, toca fibras que no son eléctricas: toca el lenguaje con el que se habla de personas, el modo en que se justifican infraestructuras, el poder que se concentra en quienes controlan el cómputo.

La respuesta de Vembu demuestra que la pelea no va a quedarse en los números. Se discute el marco moral, sí, pero también el económico: quién decide que un centro de datos es “estratégico”, qué territorio asume el impacto, qué red se refuerza, qué agua se usa, qué empleo queda. En España ese debate ya se está escribiendo con nombres de regiones, con planes administrativos, con inversiones multimillonarias y con una palabra que cada vez aparece más en reuniones y titulares: potencia.

En 2026, la IA ya no es sólo software. Es cable, calor, suelo, permisos, líneas de alta tensión, contratos. Altman lo sabe y por eso intenta domesticar la conversación con una comparación humana. La comparación funciona para abrir un ángulo; falla cuando pretende cerrar el debate. Porque la energía que sostiene la IA no se decide en una metáfora: se decide en proyectos concretos, en redes concretas y en territorios concretos, y ahí la discusión es menos elegante, más pegajosa… y mucho más real.