América Latina y el Caribe se encuentra en una encrucijada medioambiental ante el creciente uso de la Inteligencia Artificial (IA). Un nuevo estudio de Microsoft y el CAF destaca que la aplicación de esta tecnología en la optimización de las redes de energía podría ayudar a la región a reducir las emisiones de carbono.
Sin embargo, al mismo tiempo, su desarrollo, entrenamiento y adopción requerirá más recursos computacionales y capacidad en los Centros de Datos, lo cual se traduce en un mayor consumo energético y una huella de carbono en expansión.
El informe Inteligencia Artificial y energía: una perspectiva de las prácticas emergentes señala que la IA tiene el potencial de ser un “reductor neto” de emisiones, pero este resultado no será automático, pues requiere de políticas que guíen su despliegue hacia aplicaciones de alto impacto y la rápida expansión de la energía limpia.
Destacado: Hambrienta de energía, la Inteligencia Artificial plantea un desafío para el cambio climático
De acuerdo con el reporte, el poder de la IA para reducir emisiones proviene principalmente de la optimización de procesos a lo largo de toda la cadena de valor energética, gracias a la analítica predictiva y los sistemas de respuesta a la demanda.
La Agencia Internacional de Energía (IEA) proyecta que el despliegue generalizado de las aplicaciones de IA existentes podría reducir las emisiones en aproximadamente el 5% de las emisiones totales relacionadas con la energía para 2035.
Por ejemplo, en Chile, los modelos de pronóstico basados en Inteligencia Artificial están optimizando los recursos renovables, reduciendo la reducción de energía renovable y mejorando la estabilidad de la red.
Mientras tanto, a nivel global, DeepMind de Google redujo el uso de energía de refrigeración de su Centro de Datos en un 40% mediante el aprendizaje por refuerzo profundo.
Centros de Datos de IA demandan más y más energía
A pesar de este potencial impacto en la reducción de emisiones de carbono, el informe también advierte que hay una creciente demanda energética para alimentar la infraestructura digital. El entrenamiento y la inferencia de los modelos de IA, especialmente los generativos, están creando una carga sin precedentes.
RAND Corporation proyecta que los Centros de Datos de IA podrían requerir una capacidad adicional de 68 GW para 2027, casi duplicando los requisitos de energía global de los Data Centers en 2022.
Además, la IEA estima que las emisiones de CO2 derivadas del uso de electricidad en Centros de Datos alcanzarán los 300 MtCO2 en un escenario base para 2035.
Relacionado: Centros de Datos con energía eléctrica verde no son una utopía: Ángel Melguizo
En América Latina y el Caribe, esta tendencia se está intensificando rápidamente. La Organización Latinoamericana de Energía (Olade) reporta que la electricidad utilizada por los 455 Centros de Datos relacionados con la IA en la región ya representaba cerca del 1.6% de la demanda total en 2023.
Para 2035, la Olade proyecta que la IA podría representar alrededor del 5% de la demanda regional, equivalente a más de 120 TWh.
Este aumento está ejerciendo una “presión intensificada sobre las redes eléctricas y acelerando la necesidad de inversión en generación de electricidad baja en carbono, infraestructura de red y capacidad de transmisión”, señala el estudio.
¿Es posible lograr el equilibrio?
Ante esta dualidad, la clave para lograr un balance neto positivo reside en la gobernanza. El informe destaca que el resultado final del impacto de la IA dependerá de equilibrar las reducciones y el crecimiento de la demanda, un proceso que es vulnerable a los “efectos de rebote”.
Las ganancias de eficiencia no siempre se traducen en recortes de emisiones absolutos; en algunos casos, pueden incentivar un mayor uso de energía.
Para garantizar una IA climáticamente positiva y socialmente justa, el informe propone una hoja de ruta con cinco pilares fundamentales:
- Promover la transparencia y la responsabilidad: establecer estándares claros de presentación de informes para el consumo de energía y la huella de carbono de las aplicaciones de IA. Un ejemplo global de esta iniciativa es el AI Energy Score, un marcador que clasifica a los modelos de IA según su consumo de energía y emisiones de gases de efecto invernadero.
- Alinear la infraestructura digital con los objetivos de justicia: los incentivos públicos para los Centros de Datos deben vincularse a la integración de energía renovable, la creación de valor social y beneficios comunitarios, como la capacitación de la fuerza laboral y la equidad de género.
- Institucionalizar la participación comunitaria: los gobiernos y el sector privado deben incorporar mecanismos participativos en la planificación energética habilitada por IA. Esto incluye abordar la gobernanza de datos y la rendición de cuentas algorítmica.
- Fortalecer la capacidad regional: fomentar la colaboración sur-sur, el desarrollo de herramientas de código abierto y el apoyo a la experimentación local.
En última instancia, el informe concluye que América Latina y el Caribe tiene la oportunidad de liderar un camino inclusivo, transparente y alineado con el clima para la integración de la IA si logra anclar la innovación tecnológica en el conocimiento local y alinea el desarrollo digital con las prioridades sociales y medioambientales.