¿Cuál es la huella material de la IA?

Un modelo de IA puede presentarse como un programa en una pantalla, pero ejecutarlo requiere una larga cadena física. Las minas y refinerías suministran materias primas; las plantas de semiconductores fabrican procesadores y memoria; los fabricantes de equipos ensamblan servidores; y los centros de datos proporcionan alimentación eléctrica, conectividad de red y refrigeración.

Esta distinción importa porque la electricidad consumida durante el funcionamiento es solo una parte del ciclo de vida. Antes de que un servidor procese su primer prompt, ya se han utilizado energía y materiales para fabricar sus chips, placas de circuito, fuentes de alimentación, unidades de almacenamiento y equipos de refrigeración, así como el edificio que los alberga.

Ninguna cifra por sí sola refleja toda esta huella. Los límites varían entre estudios: algunos solo contabilizan los equipos informáticos, mientras que otros incluyen los edificios, la infraestructura eléctrica, el agua, las redes, los ciclos de sustitución o el tratamiento al final de la vida útil. Una estimación creíble debe especificar qué incluye.

Los aceleradores de IA combinan procesadores, memoria de alto ancho de banda, placas de circuito, componentes de refrigeración y encapsulados complejos. Su producción exige procesos de fabricación extremadamente controlados, etapas de procesamiento repetidas, agua ultrapura, electricidad, gases especiales y sustancias químicas.

Los nodos de fabricación de semiconductores más pequeños pueden ofrecer mayor rendimiento de cálculo, pero eso no elimina los impactos de su fabricación. La revisión de The Shift Project señala que los impactos sobre la energía, el agua y las emisiones de gases de efecto invernadero por unidad de superficie de silicio pueden aumentar a medida que avanzan los procesos de fabricación, mientras que los datos públicos sobre los productos siguen siendo incompletos.

Por tanto, la eficiencia debe considerarse en dos niveles. Un acelerador más reciente puede ejecutar la misma carga de trabajo con menos electricidad, pero sustituir equipos antes de tiempo también genera una nueva huella de fabricación. El mejor resultado depende de la eficiencia al ejecutar la carga de trabajo, la vida útil, el grado de utilización y el destino del hardware sustituido.

Los servidores contienen acero, aluminio, cobre y silicio, además de cantidades mucho menores de materiales especializados utilizados en componentes electrónicos, baterías, imanes, conectores y sistemas de alimentación. La investigación de ADEME resumida por The Shift Project señala que los equipos digitales pueden contener, en su conjunto, más de 50 metales.

El problema no se limita a la masa de cada material. La extracción minera, el refinado y la producción de componentes se realizan en distintos países, en condiciones que pueden variar mucho en materia de energía, agua, contaminación, trabajo y gobernanza. Una pequeña cantidad de un material difícil de refinar puede tener un impacto que no se aprecia en el peso final del servidor.

Las cadenas de suministro también están concentradas geográficamente. El AI Index de Stanford destaca la concentración de la fabricación de semiconductores avanzados y de la capacidad de cálculo para IA en un número reducido de países. Esa concentración puede crear cuellos de botella industriales y distribuir de forma desigual los beneficios y las cargas ambientales.

La infraestructura de IA requiere más que bastidores de aceleradores. Los centros de datos utilizan hormigón, acero estructural, subestaciones eléctricas, sistemas de respaldo, baterías, transformadores, aparamenta eléctrica, cables, bombas, intercambiadores de calor, torres de refrigeración y equipos de red.

Las emisiones incorporadas de la fabricación y la construcción suelen ser menores que las emisiones operativas cuando la red eléctrica depende en gran medida de los combustibles fósiles, pero no son despreciables. Su importancia relativa aumenta a medida que la electricidad reduce su intensidad de carbono, porque el hormigón, el acero, los componentes electrónicos y los equipos de sustitución siguen formando parte del ciclo de vida.

Las instalaciones y los equipos informáticos también envejecen a ritmos distintos. Una declaración de 2026 relativa al centro de datos Agate de Google, en Nebraska, describe una vida de diseño habitual de las instalaciones superior a 25 años y de entre 30 y 50 años para la estructura del edificio, mientras que los subsistemas informáticos, eléctricos y de refrigeración internos se sustituyen o modernizan por módulos. Es la descripción de un operador sobre un centro de datos concreto, no una regla universal del sector.

La demanda de aceleradores más rápidos puede acortar los ciclos reales de sustitución incluso cuando el hardware antiguo sigue funcionando. Los equipos nuevos pueden mejorar el rendimiento por vatio, pero fabricarlos requiere otra ronda de materiales, energía industrial, transporte e instalación.

El hardware retirado del servicio no se convierte automáticamente en residuo. Algunos servidores y componentes pueden reasignarse a cargas de trabajo menos exigentes, reacondicionarse, revenderse o utilizarse como piezas de repuesto. El tratamiento seguro de los datos, la compatibilidad, la eficiencia energética y los costes de mantenimiento determinan si la reutilización es viable.

Lo que no puede reutilizarse entra en el sistema de gestión de residuos electrónicos. El informe de UNU-INWEH cita una proyección de hasta 2.5 millones de toneladas de residuos electrónicos relacionados con la IA al año para 2030. Se trata de una estimación futura, no de un total actual medido, y depende en gran medida de los supuestos de despliegue y sustitución.

La fabricación de semiconductores y componentes electrónicos puede consumir agua e implicar el uso de disolventes, gases especiales y sustancias químicas persistentes. Los PFAS se utilizan en algunos procesos de fabricación de semiconductores y aplicaciones de transferencia térmica, pero la evidencia pública no permite atribuir un total mundial preciso de PFAS exclusivamente a la IA.

El uso del suelo es otro aspecto que delimita el análisis. Las minas, las fábricas, las instalaciones de generación eléctrica, las líneas de transporte y los complejos de centros de datos ocupan espacio, pero los resultados sobre la ocupación del suelo dependen en gran medida de la fuente de electricidad y del método de contabilización. El informe de UNU-INWEH muestra por qué las opciones con menores emisiones de carbono, menor consumo de agua y menor ocupación del suelo no siempre coinciden.

Estos impactos pueden producirse lejos de quienes utilizan el servicio final. Los minerales pueden extraerse en una región, refinarse en otra, transformarse en chips en otro lugar e instalarse en centros de datos que atienden a usuarios de todo el mundo. El análisis del ciclo de vida ayuda a visibilizar estos impactos distribuidos sin pretender reducirlos todos a una única puntuación.

Las medidas más directas son prolongar la vida útil del hardware, mantener un alto grado de utilización de los servidores, diseñar sistemas reparables y modulares, priorizar la reutilización frente al reciclaje, recurrir a una fabricación más limpia y mejorar la recuperación de materiales valiosos. Los operadores también pueden publicar la huella de cada producto y sus políticas de sustitución para que las mejoras sean verificables.

Las decisiones sobre el software también importan. Los modelos más pequeños y adecuados a cada propósito, la inferencia eficiente, el procesamiento por lotes, la cuantización y la derivación de tareas sencillas a sistemas más ligeros permiten obtener trabajo útil del hardware existente. La eficiencia solo reduce la huella total cuando el crecimiento de la demanda no anula los ahorros.

Es esencial mejorar la medición. Los informes deben separar la electricidad consumida durante el funcionamiento de las emisiones incorporadas, identificar los límites del ciclo de vida y distinguir las medias de toda la empresa de los datos de cada instalación. El objetivo no es asignar una cifra material exacta a cada prompt, sino hacer que las decisiones sobre infraestructuras sean más transparentes y comparables.