Los agentes de IA están cambiando por completo las reglas del juego cuando hablamos de consumo de energía en el sector tecnológico.
Si alguna vez te preguntaste por qué las grandes tecnológicas están gastando miles de millones para construir centros de datos cada vez más grandes, la respuesta va mucho más allá del chatbot que usás para sacarte una duda rápida o pedir una receta de cocina.
La era del chatbot simple quedó atrás, y lo que viene es bastante más pesado, literalmente. 🔋
La nueva frontera de la inteligencia artificial funciona con sistemas que toman decisiones solos, ejecutan tareas complejas y se quedan operando durante horas sin necesitar a un humano al mando. Eso tiene un costo, y ese costo va mucho más allá de lo financiero.
Las emisiones de carbono, el consumo de agua y la demanda de poder computacional están creciendo a una velocidad que deja a mucha gente preocupada, incluyendo científicos climáticos e investigadores independientes que intentan entender la dimensión real de este impacto. El problema es que las empresas no son precisamente transparentes con esos números, lo que vuelve el debate todavía más complicado.
En este artículo vamos a explorar:
- Qué son los agentes de IA y por qué consumen mucha más energía que una búsqueda común
- Cómo los experimentos de OpenAI con miles de agentes muestran la escala de ese consumo
- Por qué proyectos como Hyperion, de Meta, incluyen 10 plantas de gas natural para alimentar un único centro de datos
- Qué significa todo esto para las metas de sustentabilidad globales
- Y si la energía nuclear tiene alguna chance real de entrar en esta ecuación
¿Vamos a entender qué está pasando detrás de escena en esta carrera tecnológica? 🚀
Qué son los agentes de IA y por qué son tan diferentes
Cuando hablamos de un chatbot tradicional, el proceso es relativamente simple: escribís una pregunta, el modelo la procesa y devuelve una respuesta. Es una interacción puntual, casi como encender y apagar una luz. Los agentes de IA, por otro lado, funcionan de una manera completamente diferente. No esperan un único comando para actuar. Planifican, ejecutan etapas, consultan herramientas externas, revisan sus propios resultados y siguen operando en bucles hasta completar una tarea compleja, todo esto sin que un humano necesite intervenir en cada paso del camino.
Como bien explicó el periodista Maxwell Zeff, de WIRED, en vez de hacer una pregunta simple y recibir una respuesta directa, estos agentes pueden generar cientos de pequeños comandos a partir de la solicitud original de un usuario. Si alguien le pide a un agente que construya un sitio web, por ejemplo, este puede estar funcionando durante horas armando funcionalidades, reprogramándose decenas de veces en el proceso para crear páginas, menús y bases de datos que sostienen todo aquello.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Pensalo así: mientras un chatbot responde una pregunta, un agente de IA puede acceder a internet, leer reportes, compilar datos, escribir un código, testearlo y hasta enviar un correo electrónico con los resultados, todo de forma autónoma. Cada una de esas etapas exige llamadas al modelo de lenguaje, lo que significa que el consumo de poder computacional se multiplica de forma exponencial en comparación con una simple conversación. Y cuando ponés miles de estos agentes corriendo al mismo tiempo, el impacto en la infraestructura empieza a quedar muy claro.
Cuando 10 mil agentes resuelven un problema de matemáticas
Uno de los ejemplos más impresionantes, y al mismo tiempo un poco inquietantes, vino de la propia OpenAI. La empresa anunció que un enjambre de más de 10 mil agentes enviando 2,7 millones de mensajes habría resuelto un antiguo problema matemático. Vale aclarar que algunos matemáticos cuestionaron esas afirmaciones, así que conviene tomar la noticia con cierta cautela.
Aun así, el episodio es revelador. Muestra hasta dónde los laboratorios de punta están dispuestos a llegar para intentar resolver problemas considerados imposibles, lanzando cantidades absurdas de recursos en el proceso. Todos esos mensajes quemaron una montaña de poder computacional, lo que se traduce en mucha energía gastada. Se estima que el costo quedó en el rango de las decenas de millones de dólares, aunque el valor exacto es prácticamente imposible de precisar.
Este tipo de operación es un caso extremo, claro. Pero ilustra bien el punto central de la discusión: el modelo de uso prolongado e intensivo de los agentes es el principal factor que está presionando a las grandes empresas de tecnología a repensar, y sobre todo a expandir, su infraestructura física de forma agresiva.
El problema de la falta de transparencia
Las empresas privadas de IA históricamente eligen a dedo qué divulgar cuando el tema son las métricas ambientales de sus productos. Muchos ejecutivos suelen apuntar a consultas individuales como forma de medir el uso de recursos, lo que termina minimizando la percepción del impacto real.
Un ejemplo interesante vino de Sam Altman, CEO de OpenAI. En una entrevista reciente en un podcast, afirmó que el agua necesaria para cosechar una sola almendra equivaldría a 38 mil consultas a ChatGPT. El cálculo fue bastante cuestionado por especialistas. Según Altman, las personas que comen 12 almendras de una vez no sienten que estén haciendo algo terrible desde el punto de vista del consumo de agua, la mayor parte de las veces.
El problema es que introducir los agentes de IA en esa cuenta cambia todo. Son mucho más intensivos en energía que las consultas simples, y las tareas que ejecutan pueden variar desde trabajos pequeños hasta un día entero de programación autónoma involucrando un equipo de agentes auxiliares corriendo en paralelo. El abismo entre esos dos escenarios de consumo es gigantesco, y la expansión es potencialmente ilimitada a medida que las tareas se vuelven más complejas.
Boris Gamazaychikov, cofundador y CEO del grupo de investigación y consultoría Sustainable AI, resume bien la cuestión. Según él, en otras áreas de crecimiento tecnológico había un límite natural, como el número de personas manejando un auto o viendo Netflix. Ahora, ese consumo está de cierta forma desacoplado de los usuarios. Y si prestás atención al discurso de los líderes de IA, es exactamente eso lo que quieren, hablando abiertamente sobre empresas multimillonarias con un solo empleado humano.
Solo que un empleado humano, en ese mundo imaginado, vendría acompañado de cientos o miles de agentes de IA trabajando entre bastidores. Ese es el futuro hacia el que las empresas están corriendo, y esto ayuda a explicar la urgencia por construir centros de datos por todos lados.
Haciendo las cuentas: el consumo real de los agentes
Como poca información confiable sale de las propias empresas, algunos entusiastas decidieron intentar hacer los cálculos por su cuenta. El científico climático Zeke Hausfather publicó un análisis sobre cuánta energía consume su propio uso de IA, que depende bastante de agentes. Usando diversas fuentes, llegó a la conclusión de que su sesión diaria promedio en Claude podría gastar más energía de la necesaria para mantener dos refrigeradores encendidos.
Gamazaychikov, cuyo grupo publicará próximamente una investigación con cálculos más precisos sobre la huella ambiental de agentes corriendo en modelos cerrados, elogió el esfuerzo de Hausfather, pero señaló que su matemática se basaba en datos algo desactualizados. Nada sorprendente, considerando lo poco que existe en trabajo académico sobre el tema y lo opacas que son las empresas de tecnología a la hora de divulgar métricas de emisiones.
Hausfather concluye que, en el balance general de su vida personal, tener un uso de IA equivalente a algunos refrigeradores extra no es un número que vaya a acabar con el mundo. Pero hace una advertencia importante: ese uso representa una nueva fuente neta de emisiones, en un momento en que las temperaturas globales se disparan y las metas de reducción de emisiones de carbono están cada vez más lejos del rumbo correcto. Y es mucho mayor que los números del tamaño de una fracción de almendra que Altman anda usando como métrica.
Centros de datos más grandes, cuentas de energía más pesadas
Hausfather admite que usa IA y herramientas con agentes más que la mayoría de las personas, pero eso podría cambiar rápidamente. Meta lanzó recientemente un agente personal de IA que, según la propia empresa, fue construido para trabajar para miles de millones de personas en todo el mundo. Bautizado como Muse, promete mantener una computadora dedicada en la nube para cada usuario, funcionando incluso cuando la persona esté desconectada. La empresa planea integrar Muse a sus lentes inteligentes este mismo año.
Es muy posible que, en un futuro cercano, usuarios de Meta usando los lentes o navegando en Facebook estén delegando tareas a agentes sin siquiera darse cuenta de lo que están haciendo. Y si Meta imagina un futuro en el que todo el mundo usa un agente, eso explica la escala absurda de algunos de los centros de datos que se están construyendo.
El proyecto Hyperion, en Luisiana, es el ejemplo más revelador de esta carrera. Se trata de un centro de datos de escala gigantesca que será alimentado por 10 plantas de gas natural. Así como lo leés: una sola instalación de datos con su propio parque de generación basado en combustible fósil, lo que plantea preguntas serias sobre en qué dirección estamos caminando cuando el tema es sustentabilidad.
Como resume Gamazaychikov, la tecnología que va a ser entrenada por los centros de datos que se están proponiendo y construyendo ahora está a tres o cinco años de distancia. Y va a tener un sabor bastante diferente de la simple ventanita de chatbot que conocemos hoy.
Sustentabilidad en jaque: lo que dicen los números
El debate sobre sustentabilidad en el contexto de la inteligencia artificial ganó una capa extra de complejidad porque las propias empresas controlan qué datos hacen públicos. No existe un estándar global de transparencia que obligue a las grandes tecnológicas a reportar el consumo energético específico de sus sistemas de IA. Esto significa que los números que circulan en los medios suelen ser estimaciones hechas por investigadores externos, y no datos oficiales verificados. Esta falta de claridad dificulta mucho la creación de políticas públicas eficaces.
Herramientas que usamos a diario
El consumo de agua también entra en esta ecuación y suele pasar desapercibido en el debate público. Los centros de datos utilizan sistemas de enfriamiento que dependen de grandes volúmenes de agua para mantener los servidores en temperatura operacional segura. Con el crecimiento de la demanda de poder computacional, ese consumo hídrico también escala proporcionalmente, creando presiones adicionales en regiones que ya enfrentan estrés hídrico. Es decir, el impacto ambiental va más allá de las emisiones de carbono y toca recursos que son fundamentales para comunidades enteras alrededor de las instalaciones.
Energía nuclear: ¿solución real o apuesta a futuro?
Una duda que aparece bastante es si pequeñas plantas nucleares podrían funcionar para abastecer centros de datos. La respuesta corta es: sí, podrían ser una excelente opción de energía libre de carbono. Diversas startups y desarrolladores de data centers sueñan con un futuro en el que estas instalaciones operan contentas al lado de los llamados pequeños reactores modulares, o SMR, conectados a la red eléctrica.
El problema, como siempre pasa con la nuclear, es el tiempo que eso puede llevar. Ningún pequeño reactor modular está operando comercialmente en Estados Unidos, y solo un modelo fue licenciado para la venta, a pesar de décadas de desarrollo. El gobierno estadounidense viene intentando ayudar al sector a madurar más rápido, incluyendo un proyecto piloto en el Departamento de Energía para que 11 startups alcancen un hito importante. Al menos algunas lograron llegar. Ahora comienza el largo camino de llevar esos productos al mercado.
Pero muchos desarrolladores de data centers no quieren esperar años para que estas empresas demuestren su valor. Por eso están instalando turbinas a gas ahora mismo. En otras palabras, no están esperando a que llegue la utopía. Mientras tanto, gigantes como Microsoft, Google y Amazon ya firmaron acuerdos o manifestaron interés en energía nuclear. Microsoft, por ejemplo, cerró un acuerdo para reactivar la planta de Three Mile Island, en Pensilvania, con el foco puesto en abastecer sus operaciones.
El escenario más realista para los próximos años es que ninguna fuente de energía va a resolver sola la ecuación del consumo de los agentes de IA. La tendencia es una combinación de fuentes renovables, nuclear, eficiencia energética en los propios chips y cambios en la arquitectura de los modelos de lenguaje para reducir el costo computacional por tarea. Es una carrera en dos frentes: aumentar la oferta de energía limpia y reducir la demanda de energía bruta.
Qué esperar de acá en adelante
La expansión de los agentes de IA no es una tendencia pasajera. Al contrario, a medida que los modelos se vuelven más capaces y los casos de uso se multiplican, la demanda de centros de datos tiende a crecer todavía más. Y los efectos de esto ya se están sintiendo en la práctica, incluso políticamente. En algunos estados estadounidenses que ofrecieron miles de millones en incentivos fiscales para atraer data centers, ya hay gobiernos dando marcha atrás con esos acuerdos. En regiones como Texas, el tema se convirtió hasta en agenda electoral, alejando a algunos votantes conservadores de sus partidos tradicionales.
Gobiernos de todo el mundo están empezando a prestar atención a esto, ya sea por el impacto en las redes eléctricas locales o por las metas climáticas asumidas en acuerdos internacionales. Del lado de las empresas, la presión de los inversores por métricas ambientales consistentes también está forzando una conversación más seria sobre cómo equilibrar crecimiento con responsabilidad. No es que a las grandes tecnológicas no les importe la sustentabilidad, es que los incentivos financieros para expandir la capacidad de IA son, por ahora, mucho mayores que los incentivos para frenar ese crecimiento por razones ambientales.
Lo que queda claro en todo este escenario es que el desarrollo de los agentes de IA no es solo una cuestión tecnológica. Es una cuestión de infraestructura, política energética, sustentabilidad y decisiones colectivas sobre qué tipo de futuro queremos construir. La tecnología avanza rápido, y los impactos llegan con ella. Entender este contexto es el primer paso para cualquier debate serio sobre el rumbo que está tomando la inteligencia artificial, y sobre quién va a pagar la cuenta a largo plazo. 🌍
