Durante meses, la discusión sobre el coste ambiental de la inteligencia artificial estuvo centrada en los chatbots. Cada pregunta, cada imagen generada y cada respuesta larga parecían pequeñas acciones invisibles, pero detrás había centros de datos, GPU, refrigeración, agua y una demanda eléctrica cada vez más difícil de ignorar. Ahora llega una fase todavía más exigente: la IA agéntica. Ya no hablamos solo de escribir una respuesta cuando el usuario pregunta algo, sino de sistemas capaces de planificar tareas, consultar webs, ejecutar código, usar herramientas externas, comparar resultados y tomar decisiones intermedias antes de llegar a una respuesta final.
Un estudio del KAIST, el Instituto Avanzado de Ciencia y Tecnología de Corea, acaba de poner números a ese salto. Según el equipo dirigido por el profesor Minsoo Yoo, un agente de IA basado en un modelo de 70.000 millones de parámetros consumió de media 348,41 Wh para procesar una sola consulta compleja. En algunos casos, el consumo fue hasta 136,5 veces superior al de una IA generativa convencional en modo pregunta-respuesta. © Magnific El problema no es solo pensar más: es trabajar más tiempo La diferencia entre un chatbot y un agente parece pequeña desde fuera, pero es enorme por dentro. Un chatbot recibe una instrucción , genera una respuesta y termina.
Un agente, en cambio, puede descomponer el objetivo en pasos, consultar herramientas, esperar respuestas externas, volver a llamar al modelo, corregir su plan y repetir el ciclo varias veces. Eso dispara el tiempo de ejecución. El estudio de KAIST detectó que los agentes pueden tardar hasta 153,7 veces más que los sistemas convencionales en completar una respuesta. Y durante parte de ese proceso las GPU no están trabajando al máximo, pero tampoco están apagadas: pueden quedar inactivas hasta el 54,5% del tiempo mientras esperan resultados de herramientas externas, webs o programas.
Ese detalle es clave. La energía no se consume solo cuando el modelo “piensa” activamente. T ambién se consume cuando el hardware está preparado para continuar, esperando que llegue un dato para volver a procesar. En términos de eficiencia, eso convierte a los agentes en una carga mucho más irregular y difícil de optimizar que un chatbot tradicional.
La proyección más llamativa del estudio es todavía más dura. Si en un futuro hubiera 13.700 millones de solicitudes diarias a agentes de IA, los investigadores estiman que los centros de datos necesitarían unos 198,9 GW de potencia, una cifra comparable a aproximadamente la mitad del consumo eléctrico medio total de Estados Unidos. La red eléctrica ya venía tensionada antes de los agentes El problema es que esta transición llega cuando los centros de datos ya están bajo presión. El Departamento de Energía de Estados Unidos informó que estas instalaciones consumieron alrededor del 4,4% de toda la electricidad del país en 2023, y proyectó que podrían llegar al 6,7% o incluso al 12% en 2028.
La Agencia Internacional de la Energía también prevé que el consumo eléctrico global de los centros de datos se duplique hacia 2030, hasta rondar los 945 TWh. Según la IEA, la IA será uno de los motores principales de ese crecimiento, especialmente por el aumento de servidores acelerados con GPU y chips especializados. Ahí aparece la tensión de fondo. La industria tecnológica se está moviendo hacia agentes porque prometen automatizar tareas mucho más complejas : programar, investigar, reservar viajes, gestionar documentos, analizar datos o coordinar procesos empresariales.
Pero cada una de esas tareas puede implicar muchas llamadas al modelo y mucha más actividad de infraestructura que una simple respuesta de chat. KAIST no plantea que la solución sea abandonar los agentes, sino rediseñar toda la cadena: modelos, chips, centros de datos y red eléctrica. El propio equipo habla de co-design, una optimización conjunta entre software, semiconductores, infraestructura y energía para que la IA no solo sea más capaz, sino también más sostenible. El matiz importa: el dato de 136,5 veces no significa que cualquier agente, en cualquier tarea y con cualquier modelo, consuma siempre eso.
Depende del framework, del tamaño del modelo, de la cantidad de pasos, de las herramientas usadas y del tiempo de espera. Pero la señal general es clara: cuanto más autónoma se vuelve la IA, más costoso puede ser mantenerla funcionando. Los chatbots ya habían abierto el debate energético . Los agentes pueden convertirlo en una cuestión mucho más urgente.
Porque si el futuro de la IA consiste en sistemas que trabajan solos durante minutos, consultan herramientas y ejecutan tareas completas, entonces la pregunta ya no es solo qué tan inteligentes serán. También es si la red eléctrica podrá seguirles el ritmo. Fuente: Xataka.