Consumo eléctrico de la IA en la UE: qué dicen las proyecciones oficiales y qué falta por medir

La expansión de la inteligencia artificial necesita centros de datos, redes eléctricas y sistemas de refrigeración. Por eso, evaluar su impacto ambiental no consiste solo en contar procesadores o medir la electricidad de un modelo: también hay que determinar dónde se ejecuta el trabajo, qué infraestructura lo sostiene y con qué fuentes se abastece. La cuestión práctica es si el aumento de capacidad queda compensado por mejoras de eficiencia o si el consumo total sigue subiendo.

El debate suele mezclar tres magnitudes diferentes: el consumo de todos los centros de datos, el consumo de instalaciones dedicadas a IA y la electricidad asociada a una tarea o servicio concreto. No son categorías intercambiables. Una proyección sobre centros de datos en conjunto no demuestra por sí sola cuánto consume la IA; una estimación global de IA tampoco permite deducir qué parte corresponde a la Unión Europea.

Las empresas que compran capacidad de nube, entrenan modelos o integran servicios de IA necesitan información operativa que las cifras agregadas no ofrecen: consumo atribuible a la carga de trabajo, ubicación, eficiencia de las instalaciones y emisiones vinculadas a la electricidad. Sin ese desglose, una mejora del consumo por cálculo podría coexistir con un aumento del consumo absoluto si se ejecutan muchas más tareas. La distinción entre intensidad y volumen total es central para planificar costes, capacidad y objetivos climáticos.

Una cobertura publicada en septiembre de 2026 atribuye a la Agencia Internacional de la Energía (AIE) una estimación de 485 TWh de consumo eléctrico de centros de datos en 2025 y una proyección de unos 950 TWh para 2030, cerca del 3% de la demanda eléctrica mundial. La misma cobertura indica un crecimiento del 17% en 2025 para los centros de datos, frente al 3% de la demanda eléctrica global. Son cifras para el conjunto de los centros de datos, no una medición exclusiva de instalaciones de IA.

Un estudio publicado en Nature aborda un perímetro más estrecho: calcula que la electricidad usada por centros de datos construidos para IA podría pasar de unos 118 TWh en 2024 a entre 239 y 295 TWh en 2030, aproximadamente el 1% de la demanda eléctrica mundial. El artículo también señala que la capacidad proyectada se concentra principalmente en Norteamérica, Europa occidental y Asia-Pacífico. El rango expresa escenarios, no un contador observado de consumo futuro, y su resultado depende de los supuestos de la investigación.

Las dos cifras globales no se contradicen necesariamente: una contempla centros de datos en general y la otra instalaciones orientadas a IA; además, parten de años y métodos distintos. La cifra de 3% no debe presentarse como el porcentaje atribuible a la IA, y el 1% del estudio no representa una estimación específica de la UE. Las fuentes disponibles no incluyen una proyección primaria de la Comisión Europea que respalde el 13% citado en el planteamiento inicial. Por tanto, ese porcentaje no puede usarse como dato oficial ni como base para calcular una divergencia entre Bruselas y la industria.

También circula una cifra histórica para la UE: 76,8 TWh en 2018, equivalente al 2,7% de la demanda eléctrica, y una proyección de 98,5 TWh para 2030. La fuente disponible es una guía secundaria que atribuye esos valores a documentación europea; no es la publicación primaria de la Comisión ni desglosa el consumo de IA. Debe leerse como una referencia histórica del sector, no como una medición actualizada ni como una proyección que incorpore necesariamente el auge de la IA generativa.

Los aceleradores de IA pueden realizar cálculos paralelos y son una parte de la infraestructura que determina el rendimiento y la energía consumida. Sin embargo, comparar chips por una cifra aislada no basta: el resultado depende de la tarea, la precisión requerida, la utilización del equipo, el software y el tiempo de ejecución. Para una organización, la pregunta útil es cuánta electricidad y cuántas emisiones requiere una carga de trabajo comparable, no qué procesador ofrece una cifra de eficiencia en condiciones distintas.

La refrigeración añade otra capa. El calor de los servidores debe evacuarse para mantener las condiciones de funcionamiento, y las soluciones disponibles pueden intercambiar consumo eléctrico y uso de agua. Una fuente empresarial que resume referencias externas afirma que la refrigeración evaporativa puede reducir la electricidad empleada frente a alternativas secas, pero presenta un rango amplio y dependiente del contexto. Ese intervalo no debe tratarse como garantía universal: clima, diseño, carga, disponibilidad de agua y límites de medición cambian el balance.

Por ello, PUE y WUE aportan información distinta. PUE relaciona la energía total de una instalación con la energía consumida por sus equipos de TI; WUE relaciona el uso de agua con la energía de TI según la definición aplicada. Ninguno, tomado aisladamente, revela las emisiones completas de una tarea de IA ni resuelve la elección entre agua y electricidad. Conviene mirar conjuntamente energía total, energía de TI, agua, mezcla eléctrica y producción útil del sistema.

La ubicación importa porque dos instalaciones con equipos similares pueden operar con condiciones climáticas y redes eléctricas diferentes. La investigación de Nature destaca que la capacidad prevista está concentrada en varias regiones y que la presión sobre los sistemas eléctricos puede variar localmente. Así, el total mundial no informa por sí mismo de los límites de conexión, la disponibilidad de potencia o el impacto hídrico de una instalación concreta. Para decidir dónde alojar una carga hay que contrastar la información del proveedor con datos de la región y del emplazamiento.

En un escenario favorable, la eficiencia mejora en servidores, modelos y operaciones, mientras la demanda de cómputo crece a un ritmo que permite reducir la energía por tarea y contener el consumo total. La optimización de la refrigeración y la gestión de cargas pueden contribuir, pero el resultado debe demostrarse con datos comparables. Una mejora de rendimiento por vatio no prueba, por sí sola, que el centro de datos consuma menos electricidad en conjunto.

En el escenario contrario, el aumento de uso y capacidad supera las ganancias de eficiencia: se necesita más energía total aunque cada operación sea menos intensiva. La investigación citada proyecta un incremento del consumo de centros de datos de IA entre 2024 y 2030, pero no permite afirmar por sí sola qué ocurrirá en cada empresa ni qué porcentaje del aumento corresponderá a una aplicación determinada. Son escenarios para evaluar riesgos, no predicciones empresariales garantizadas.

La manera de distinguir ambos caminos es fijar una unidad funcional y un límite de medición. Por ejemplo, una organización puede seguir los kilovatios-hora asociados a una tarea definida, junto con el volumen de tareas ejecutadas en el periodo. Si cae el consumo por tarea pero aumenta el número de ejecuciones, el total podría crecer; si baja la intensidad y el volumen se mantiene, la mejora sí podría traducirse en menos consumo absoluto. La comparación requiere conservar el mismo criterio de atribución y registrar cambios en modelo, hardware y ubicación.

Para decisiones de compra, la inversión en capacidad anunciada por proveedores no sustituye a los datos operativos. Las cifras de gasto de capital recogidas en la prensa pueden indicar expansión del sector, pero no cuantifican directamente el consumo eléctrico de un servicio, una región o un centro de datos. Es más útil pedir al proveedor indicadores medidos, su periodo y su perímetro, y revisar si las comparaciones incluyen refrigeración, pérdidas de alimentación y electricidad contratada o consumida.

La primera prioridad es separar el consumo propio del consumo de servicios contratados. Para infraestructura gestionada por terceros, se debe solicitar al proveedor la energía atribuible al servicio, el método de asignación, la ubicación relevante y el periodo cubierto. Si solo ofrece una media global o una etiqueta sin metodología, no se puede verificar con precisión la huella de una carga concreta. La calidad de la atribución importa tanto como el indicador elegido.

Un cuadro de seguimiento práctico puede incluir energía, agua y emisiones, además del volumen de trabajo realizado. PUE ayuda a entender la eficiencia global de la instalación; WUE informa sobre la relación entre agua y operación de TI; y la intensidad de emisiones depende de cómo se contabilice la electricidad. Para que los datos sirvan a una decisión, deben acompañarse de definiciones, límites organizativos y operativos, fechas y fuentes de los factores de emisión. La guía del Ministerio para la Transición Ecológica explica la delimitación de la huella organizativa y el cálculo de emisiones de alcances 1 y 2.

La regulación europea contempla obligaciones de información para determinados centros de datos. Una fuente secundaria sobre el marco vigente describe el umbral de 500 kW de potencia de TI y los requisitos de publicación y reporte vinculados a la Directiva (UE) 2023/1791 y al Reglamento Delegado (UE) 2024/1364. El alcance exacto, el calendario y la aplicación nacional deben comprobarse en los textos jurídicos y en la autoridad competente: no es correcto convertir esa obligación de reporte en una obligación genérica para cualquier empresa que use IA.

En la práctica, una revisión de proveedores puede plantear estas preguntas antes de ampliar una carga de trabajo:

• ¿Qué consumo se atribuye a la tarea y con qué método?
• ¿Qué instalación o región alberga el servicio y qué periodo cubren los datos?
• ¿Se informa de electricidad total, energía de TI, agua y emisiones, o solo de una parte?
• ¿La comparación mantiene constantes el modelo, la carga y el nivel de servicio?
• ¿Los valores son medidos, estimados o proyectados, y quién los verifica?

Las respuestas permiten separar una mejora técnica de una reducción ambiental demostrada.

Las fuentes disponibles describen un crecimiento importante del consumo de centros de datos y un aumento previsto de la electricidad destinada a instalaciones de IA. Pero no acreditan una cifra oficial de la Comisión Europea según la cual la IA representará el 13% del consumo eléctrico de la UE en 2030, ni permiten comparar ese supuesto porcentaje con estimaciones empresariales no identificadas. La conclusión prudente es que falta un desglose europeo comparable del consumo atribuible a IA.

Para las empresas, la decisión no es esperar a que aparezca una estadística perfecta. Pueden exigir a sus proveedores datos con perímetro y metodología claros, medir la energía por unidad de trabajo y revisar en paralelo consumo total, agua y emisiones. Para quienes operan centros de datos, la ubicación, la refrigeración y las obligaciones de reporte forman parte del análisis de capacidad. Para quienes compran servicios, la transparencia de esos datos debe pesar en la selección y seguimiento del proveedor.

Una señal de avance será que las series publicadas permitan distinguir la electricidad de centros de datos en general de la correspondiente a cargas de IA, con desgloses regionales y métodos reproducibles. Una señal de retroceso será tratar proyecciones globales o métricas parciales como si describieran la huella de una empresa o de toda la UE. Hasta que exista ese nivel de detalle, conviene presentar las cifras con su alcance y año, y no confundir eficiencia por tarea con reducción del consumo total.