¿Por qué la IA puede disparar las emisiones y favorecer al petróleo?

La inteligencia artificial prometía ayudar a optimizar redes eléctricas, anticipar averías, mejorar la producción renovable y recortar desperdicios. Todo eso sigue siendo posible. El problema es que la misma tecnología también está haciendo más eficiente y rentable la extracción de petróleo, gas y carbón. Y ahí cambia bastante la fotografía.

Un nuevo estudio publicado en npj Climate Action calcula que, cuando se consideran a la vez los beneficios de la IA para las energías limpias y su capacidad para aumentar la productividad de los combustibles fósiles, el resultado puede ser un incremento neto de entre 0,47 y 1,8 gigatoneladas de CO₂ al año. Equivale aproximadamente al 1,2%-4,8% de las emisiones mundiales relacionadas con la energía registradas en 2024. No es una predicción inevitable del futuro, sino el resultado de distintos escenarios económicos modelizados por los investigadores. La diferencia importa.

El problema ambiental de la IA va mucho más allá de los servidores

Hasta hace poco, buena parte de la discusión sobre inteligencia artificial y medio ambiente cabía dentro de un edificio: el centro de datos. Servidores funcionando las 24 horas, sistemas de refrigeración, enormes demandas eléctricas y, en algunas instalaciones, respaldo mediante combustibles fósiles. Es una factura ambiental considerable, pero el nuevo trabajo apunta a que podría no ser la mayor.

Los autores distinguen entre el impacto directo de la infraestructura informática y lo que denominan emisiones habilitadas: las que aparecen porque la IA permite hacer determinadas actividades económicas de manera más productiva. Una petrolera que localiza mejor un yacimiento, reduce costes de perforación o consigue extraer más combustible de un pozo no está consumiendo únicamente electricidad para ejecutar un algoritmo. Está poniendo en el mercado más hidrocarburos que después serán quemados.

Según el modelo, esas emisiones asociadas al aumento de productividad de los combustibles fósiles podrían situarse entre 0,6 y 2,4 gigatoneladas de CO₂ anuales. La magnitud supera ampliamente las emisiones atribuidas directamente al funcionamiento de los centros de datos. Son cálculos realizados con metodologías distintas y no pueden sumarse alegremente, pero sirven para entender el tamaño de un efecto que hasta ahora quedaba bastante escondido.

La paradoja de hacer más eficiente una industria contaminante

Aquí aparece una vieja ironía económica con traje nuevo. Una tecnología capaz de gastar menos recursos por unidad producida no siempre reduce el consumo total. A veces sucede exactamente lo contrario: abarata producir, aumenta la oferta y termina impulsando el consumo.

La IA puede analizar datos sísmicos, encontrar patrones geológicos, optimizar perforaciones, predecir fallos de maquinaria, ajustar procesos de refino y reducir riesgos operativos. Son mejoras técnicamente impresionantes. Desde el punto de vista climático, sin embargo, una plataforma que ayuda a obtener petróleo más barato continúa ayudando a obtener petróleo.

El estudio identifica precisamente esos efectos de rebote y de inducción económica. La mejora tecnológica modifica precios, inversiones y decisiones de producción; aquello que ayer no resultaba rentable puede cruzar de repente la línea de la viabilidad económica. Un yacimiento marginal deja de ser marginal. Un pozo aguanta unos años más. Una exploración incierta encuentra mejor brújula.

Petróleo, gas e inteligencia artificial forman una alianza creciente

La relación entre las grandes tecnológicas y la industria energética tampoco es una hipótesis de laboratorio. Las compañías de petróleo y gas llevan años utilizando aprendizaje automático y otras formas de análisis avanzado para localizar reservas, aumentar recuperaciones y reducir costes. La nueva generación de IA multiplica esas posibilidades y convierte los datos en una herramienta directa de productividad energética.

Este efecto tiene especial importancia porque los combustibles fósiles siguen dominando buena parte del suministro mundial de energía primaria. Cuando una tecnología transversal aumenta de forma parecida la productividad del sector fósil y la del renovable, no parte de una pista neutral: llega a una economía donde petróleo, gas y carbón conservan una enorme ventaja de escala y están incrustados en transporte, industria, química y producción eléctrica.

Hay, además, una segunda vuelta de tuerca. Las empresas tecnológicas necesitan cantidades crecientes de energía para alimentar sus centros de datos y algunas compañías energéticas ven ahí un nuevo mercado para el gas. En Estados Unidos se han proyectado decenas de centrales destinadas a suministrar electricidad directamente a grandes instalaciones informáticas, una expansión que podría añadir cientos de millones de toneladas de gases de efecto invernadero si todos esos proyectos terminan materializándose.

La escena tiene algo de círculo perfecto, aunque no precisamente virtuoso: combustibles fósiles proporcionando electricidad a la IA y la IA ayudando a producir combustibles fósiles con mayor eficiencia.

La IA también ayuda a las renovables, pero parte con desventaja

Sería simplista convertir el estudio en un alegato según el cual inteligencia artificial equivale automáticamente a contaminación. No dice eso. La misma tecnología puede ofrecer beneficios ambientales importantes cuando se utiliza para mejorar sistemas energéticos limpios.

La IA puede perfeccionar las previsiones de producción solar y eólica, anticipar fallos mediante mantenimiento predictivo, optimizar la integración de electricidad renovable en la red y prolongar la vida útil de determinados equipos. También puede detectar fugas de metano o incrementar la eficiencia de algunos procesos energéticos. La tecnología no tiene una ideología energética incorporada; optimiza aquello sobre lo que se aplica.

El problema aparece en las proporciones. Cuando los investigadores introducen mejoras comparables de productividad en combustibles fósiles y renovables, el balance continúa aumentando las emisiones. Para alcanzar aproximadamente el punto de equilibrio, las mejoras logradas mediante IA en las energías renovables tendrían que ser entre cuatro y cinco veces superiores a las obtenidas en los combustibles fósiles.

Cada aumento marginal del 1% en productividad fósil necesitaría, según el modelo, alrededor de un 4%-5% de mejora renovable para quedar compensado. No basta, pues, con que existan aplicaciones verdes. Tendrían que desarrollarse y extenderse bastante más deprisa que aquellas que abaratan o amplían la producción fósil.

Los centros de datos siguen teniendo una factura gigantesca

Que exista un impacto indirecto potencialmente mayor no convierte en irrelevante el consumo energético de los centros de datos. Más bien añade otra planta al edificio. La expansión de la IA está obligando a levantar infraestructura informática a una velocidad extraordinaria y está tensionando redes eléctricas que no siempre pueden incorporar generación limpia al mismo ritmo.

Las previsiones internacionales apuntan a un fuerte crecimiento del consumo eléctrico de estas instalaciones durante la segunda mitad de la década. Los organismos internacionales también han reclamado mayor transparencia a las empresas tecnológicas sobre electricidad, agua, carbono y ocupación del suelo, cuatro variables que suelen quedar ocultas detrás de servicios digitales aparentemente inmateriales.

El agua merece atención aparte. Los centros de datos necesitan refrigeración y la propia producción de electricidad puede requerir grandes cantidades de agua. De ahí que hablar de la huella de la IA únicamente en toneladas de CO₂ deje fuera otra parte del paisaje: embalses, redes eléctricas, terrenos, fabricación de chips, metales y equipos que deberán renovarse periódicamente. La nube, al final, pesa. Mucho.

El estudio no predice el futuro, pero señala una dirección peligrosa

Conviene colocar una precaución importante antes de convertir las cifras en profecía. Los autores utilizan un modelo de equilibrio general computable, una herramienta económica diseñada para observar cómo los cambios de productividad en determinados sectores pueden propagarse por el resto de la economía.

No significa que en un año concreto vayan a aparecer exactamente 1,8 gigatoneladas adicionales de CO₂ debido a la inteligencia artificial. El modelo es comparativo y mantiene constantes determinadas estructuras para aislar el efecto que interesa estudiar. La economía real evolucionará simultáneamente en precios, regulación, tecnología, demanda energética y composición del sistema eléctrico.

La aportación relevante está en otro lugar. Hasta ahora era habitual plantear la ecuación climática de la IA como una balanza entre la energía consumida por los centros de datos y las emisiones que sus aplicaciones podían ahorrar. El trabajo introduce una tercera pieza bastante menos cómoda: las emisiones que la propia inteligencia artificial hace económicamente posibles.

Y esas emisiones no aparecen necesariamente en la contabilidad climática de la empresa tecnológica que proporciona el software. Ahí está uno de los agujeros del debate: medir únicamente lo que consume un servidor puede dejar fuera lo que ese servidor permite producir después.

Una tecnología aceleradora dentro de una economía todavía fósil

El debate sobre la huella ambiental de la inteligencia artificial empieza a parecerse menos a una discusión sobre ordenadores y más a una discusión sobre qué economía estamos acelerando.

Una IA capaz de optimizar una turbina eólica puede ser una herramienta climática extraordinaria. La misma capacidad aplicada a encontrar hidrocarburos, reducir el coste de un pozo o prolongar la producción de un campo petrolífero trabaja en dirección contraria. El algoritmo puede ser parecido; lo que cambia es aquello que se vuelve más eficiente.

Ese es el aspecto incómodo que señala la investigación. No existe una garantía automática de que aumentar la productividad tecnológica conduzca hacia una economía menos contaminante. Si la estructura que recibe ese impulso continúa profundamente vinculada a los combustibles fósiles, la eficiencia puede convertirse en acelerador, no en freno.

La inteligencia artificial no está descubriendo de repente petróleo donde antes solo había margaritas. Pero sí puede conseguir que extraerlo sea más barato, preciso y rentable. Mientras sus aplicaciones fósiles avancen a un ritmo parecido al de las verdes, el balance descrito por el estudio resulta difícil de maquillar: más producción, más consumo y, finalmente, más CO₂ en la atmósfera.