¿Cómo puede la IA generar 60 veces más basura electrónica hasta 2050?

La expansión de la inteligencia artificial tiene una cara bastante menos etérea que los algoritmos, los asistentes conversacionales y las imágenes creadas en segundos. Es metal, plástico, cobre, baterías, placas electrónicas y enormes sistemas de refrigeración. Un nuevo análisis de Basel Action Network (BAN) calcula que el despliegue de la IA podría provocar la retirada de entre 395 y 617 millones de toneladas de equipos electrónicos entre 2025 y 2050.

La cifra que más llama la atención —hasta 60 veces por encima de algunas estimaciones anteriores— necesita una explicación. No significa que la generación de residuos electrónicos se haya multiplicado de repente por 60. El nuevo cálculo amplía considerablemente lo que considera infraestructura vinculada a la IA: no mira únicamente servidores y GPU, sino prácticamente todo el ecosistema físico necesario para mantener funcionando un centro de datos.

En el escenario superior planteado por BAN, los equipos retirados llenarían unos 23 millones de contenedores marítimos de 40 pies. Colocados uno detrás de otro, formarían una hilera capaz de rodear la Tierra aproximadamente seis veces. Es una comparación vistosa, quizá demasiado perfecta para resistirse a ella, pero detrás hay algo bastante cotidiano: máquinas que envejecen y son sustituidas cada vez más deprisa.

El enorme trozo del centro de datos que no se estaba contando

Cuando se habla del impacto físico de la inteligencia artificial, el protagonismo suele llevárselo la GPU. Tiene lógica. Estos procesadores especializados constituyen uno de los componentes esenciales para entrenar y ejecutar grandes modelos de IA y han alimentado una carrera tecnológica de inversiones gigantescas.

Pero una GPU no flota en el aire. Necesita servidores, racks, almacenamiento, conexiones de red, sistemas de alimentación eléctrica, baterías de respaldo y refrigeración. Kilómetros de cableado, transformadores, interruptores y equipos mantienen las instalaciones operativas las 24 horas. BAN sostiene que servidores y aceleradores representan apenas alrededor del 13% de la infraestructura electromecánica, medida en masa, contemplada por su modelo para un centro de datos.

De las GPU a las baterías y la refrigeración

Ahí aparece buena parte de la diferencia frente a investigaciones anteriores. El nuevo análisis divide la infraestructura en distintas categorías e incluye redes, distribución eléctrica, almacenamiento y respaldo, además de refrigeración. En conjunto, estima alrededor de 70.000 toneladas de equipamiento por cada gigavatio de capacidad de los centros de datos.

La escala empieza a cambiar rápidamente cuando esa cantidad se proyecta sobre un sector que continúa construyendo instalaciones para satisfacer la demanda de computación asociada a la IA. El informe toma como referencia escenarios en los que la capacidad mundial de centros de datos alcanza hasta 219 gigavatios en 2030.

No todo ese hardware será residuo inmediatamente, por supuesto. Tampoco todo centro de datos está dedicado exclusivamente a inteligencia artificial. Precisamente por eso las cifras deben entenderse como escenarios de modelización, no como una báscula colocada delante de una montaña de chatarra que ya exista.

El problema de cambiar máquinas cuando todavía funcionan

Hay otra variable incómoda: la vida útil del hardware. Una máquina puede seguir funcionando correctamente y, pese a ello, dejar de resultar económicamente atractiva.

En un sector donde una nueva generación de aceleradores puede procesar más operaciones utilizando menos energía por cálculo, conservar hardware antiguo tiene un coste. Si sustituirlo permite ejecutar muchas más cargas de trabajo con el mismo espacio o consumo eléctrico, aparece antes el incentivo económico para renovar.

El modelo de BAN trabaja con ciclos diferentes dependiendo del equipo y sitúa la sustitución de aceleradores, servidores y racks alrededor de los dos años y medio, mientras que las redes tendrían periodos superiores y componentes como la distribución eléctrica podrían permanecer bastante más tiempo.

La eficiencia también puede acelerar la obsolescencia

Aquí surge una paradoja. Un nuevo servidor puede ser mucho más eficiente que otro de hace unos años y reducir la electricidad utilizada para una determinada tarea. Magnífico. Pero fabricar el nuevo equipo requiere materias primas, energía y procesos industriales; retirar anticipadamente el anterior genera otro flujo de residuos electrónicos.

La eficiencia operativa no elimina, por sí sola, la huella de fabricación y sustitución. En instalaciones gigantescas, donde miles de componentes se renuevan en tandas, unos pocos años de diferencia en la vida útil pueden convertirse en toneladas y toneladas de aparatos retirados.

Es justamente este ritmo de renovación el que vuelve tan difícil estimar el futuro. Si las empresas alargan la vida de sus servidores, reutilizan componentes o trasladan equipos todavía válidos hacia tareas menos exigentes, el volumen final puede reducirse bastante. Si la carrera tecnológica sigue acelerando el reemplazo, ocurre lo contrario.

De 225.000 toneladas a millones: de dónde sale el “60 veces”

Una investigación publicada en 2026 por Alex de Vries-Gao estimó que los servidores destinados a IA podrían generar entre 131.000 y 224.800 toneladas de residuos electrónicos anuales en 2030. Era, de hecho, una estimación inferior a otros escenarios académicos anteriores.

El cálculo de BAN llega a millones de toneladas porque mide algo mucho más ancho. Compara el servidor con todo lo que hay alrededor del servidor. De ahí que hablar simplemente de una nueva estimación “60 veces mayor” resulte incompleto: una parte sustancial de la diferencia procede de que no se está pesando exactamente lo mismo.

BAN proyecta para 2030 entre 8,6 y 13,1 millones de toneladas anuales de equipos retirados relacionados con la expansión de la IA en sus escenarios. Al confrontar determinadas cifras con estimaciones centradas principalmente en servidores, aparece esa diferencia aproximada de 40 a 60 veces.

Esto no invalida los trabajos previos ni demuestra automáticamente que el nuevo escenario vaya a cumplirse. Cambia la frontera del problema. Y esa frontera, hasta ahora, había dejado fuera muchos kilos de infraestructura tecnológica.

El efecto puede llegar también a ordenadores y móviles

El aspecto más discutible —y a la vez más interesante— del análisis está fuera de los propios centros de datos. BAN introduce el concepto de “AI Waste Contagion”, algo así como una propagación de residuos provocada por la IA.

La idea es sencilla. Si las nuevas funciones de inteligencia artificial exigen ordenadores más potentes, teléfonos con determinadas capacidades de procesamiento local o nuevas infraestructuras de telecomunicaciones, parte del parque existente podría ser reemplazado antes de agotar su vida útil.

Un portátil que funciona perfectamente puede empezar a parecer viejo cuando el software exige una NPU más potente. Un móvil todavía razonable puede quedarse al margen de nuevas funciones ejecutadas directamente en el dispositivo. No es nuevo: la informática lleva décadas conviviendo con esa forma de obsolescencia tecnológica. Lo novedoso sería la escala que podría alcanzar si las funciones de IA pasan a ser habituales en sistemas operativos, aplicaciones y servicios.

Aquí conviene mantener los pies en el suelo. Nadie sabe cuántos teléfonos u ordenadores serán realmente sustituidos antes de tiempo por esta razón durante los próximos 25 años. Es una hipótesis del modelo, especialmente sensible a decisiones de fabricantes, desarrolladores y consumidores. La compatibilidad por software, el procesamiento en la nube o una mayor duración de los dispositivos podrían modificar mucho ese escenario.

Reciclar una montaña electrónica tampoco es sencillo

El problema no consiste únicamente en encontrar espacio para guardar equipos antiguos. Los residuos electrónicos contienen materiales con valor económico —como cobre y otros metales—, pero también componentes que pueden convertirse en un riesgo ambiental y sanitario cuando son desmontados, quemados o tratados sin controles.

Los datos internacionales más consolidados ayudan a colocar el debate en perspectiva. En 2022 se generaron alrededor de 62 millones de toneladas de residuos electrónicos en todo el mundo y solo el 22,3% constaba como recogido y reciclado formalmente. Para 2030 se espera que el volumen global alcance unos 82 millones de toneladas.

Eso significa que el sistema de gestión de residuos tecnológicos ya llega jadeando antes de añadir el efecto de los grandes despliegues de inteligencia artificial.

El reciclaje informal puede liberar plomo, mercurio, cadmio y otras sustancias peligrosas al aire, el suelo y el agua. El problema resulta especialmente grave allí donde los aparatos terminan desmontados manualmente o quemados para recuperar pequeñas cantidades de metales valiosos. La electrónica parece limpia cuando está encendida sobre una mesa; convertida en desperdicio y tratada sin protección, el paisaje cambia bastante.

También existe una cuestión económica. Recuperar determinados materiales de placas y procesadores puede tener valor, pero separar mezclas complejas, reutilizar componentes especializados o reciclar ciertos materiales no siempre resulta sencillo ni rentable. Tirar y comprar de nuevo sigue siendo, demasiadas veces, el camino corto.

Entre la advertencia y la incertidumbre de mirar hasta 2050

El informe de Basel Action Network no es una predicción cerrada del futuro ni un estudio académico revisado por pares. Es un white paper que combina datos publicados con hipótesis sobre crecimiento de centros de datos, cantidades de equipamiento, ciclos de sustitución y obsolescencia inducida por la inteligencia artificial.

Esa diferencia importa. Proyectar hasta 2050 una tecnología que cambia cada pocos meses tiene una incertidumbre enorme. Puede aparecer hardware que dure más, sistemas modulares fáciles de reparar, mercados potentes de reutilización o arquitecturas capaces de hacer mucho más con menos componentes. También puede ocurrir lo contrario: ciclos tecnológicos todavía más rápidos y una expansión de capacidad que convierta las previsiones prudentes en papel mojado.

Lo que sí aporta el nuevo análisis es una corrección útil al encuadre habitual. La infraestructura de IA no termina en la GPU. Detrás del pequeño cuadro de texto donde alguien escribe una petición existe una cadena física colosal: minerales extraídos, fábricas de semiconductores, placas, servidores, baterías, sistemas eléctricos, refrigeración y edificios repletos de máquinas.

La nube pesa bastante más de lo que parece

Durante años se ha hablado de “la nube” como si nuestros datos estuvieran flotando en algún lugar blanco, ligero y casi incorpóreo. La inteligencia artificial vuelve esa metáfora todavía menos creíble. Para producir una respuesta digital aparentemente instantánea hacen falta toneladas de infraestructura real.

El cálculo de hasta 617 millones de toneladas de equipos retirados entre 2025 y 2050 representa el extremo superior de un escenario, no un destino inevitable. Pero incluso rebajando las proyecciones, el mensaje permanece: construir cantidades extraordinarias de capacidad informática también significa decidir qué hacer con esa maquinaria cuando quede obsoleta.

La carrera de la IA suele medirse en parámetros, velocidad, inversiones y potencia computacional. Cada vez habrá que medirla también en algo mucho menos glamuroso: cuánto dura una máquina antes de convertirse en residuo y qué ocurre con ella después. Porque hasta la tecnología más futurista acaba, tarde o temprano, en un mundo bastante material.