Los data centers de IA podrían consumir 945 TWh para 2030, el doble que en 2025, según la Agencia Internacional de Energía. El consumo de electricidad de los data centers en 2030 equivale a lo que gastan países industriales enteros, y la inteligencia artificial es el principal motor detrás de ese salto. La pregunta ya no es si crece, sino quién paga la cuenta eléctrica y la de agua.
Ponele que entrenás un modelo grande. Lo dejás corriendo semanas en miles de GPU, quemás unos 50 GWh en el proceso, lo ponés a responder millones de consultas por día, y recién ahí te das cuenta de que la factura de energía y la de agua crecen mucho más rápido que cualquier proyección que habías firmado.
Un data center de IA es una instalación que aloja servidores y aceleradores (GPU, TPU) dedicados a entrenar y ejecutar modelos de inteligencia artificial, con un consumo eléctrico muy por encima del de un centro de datos tradicional. La IEA proyecta que la demanda específica de IA pasará de 93 TWh en 2025 a 432 TWh hacia 2030, dentro de un total de 945 TWh para toda la infraestructura de datos.
En 30 segundos
- 945 TWh para 2030: el consumo de los data centers se duplica desde 2025, según la IEA. Solo Estados Unidos sumaría unos 240 TWh.
- El mito de ChatGPT: una consulta gasta cerca de 0,3 Wh, 1,7 veces una búsqueda de Google, no 10 veces como circuló.
- Agua bajo presión: la industria iría hacia 9,3 billones de litros anuales en 2030, el doble que hoy.
- La salida posible: refrigeración líquida directa y renovables, con USD 580.000 millones invertidos en 2025.
- Argentina mira de afuera: apenas 32 MW de capacidad instalada, contra los proyectos de 500 MW que se anuncian en Patagonia.
GPT es un modelo de lenguaje grande desarrollado por OpenAI, diseñado para generar texto y entender consultas en lenguaje natural. Se utiliza en aplicaciones de procesamiento de información, asistencia de escritura y análisis de datos.
¿Cuánta electricidad consumirán los data centers de IA para 2030?
La cifra central de la IEA es clara: 945 TWh en 2030. Para que tenga dimensión, Japón entero consume alrededor de 500 TWh por año. O sea que los data centers del mundo van camino a gastar casi el doble de electricidad que la décima economía del planeta.
El reparto no es parejo. Estados Unidos concentra buena parte del crecimiento, con unos 240 TWh proyectados, y China aporta otra porción enorme. Lo que más asusta no es el total, sino la velocidad: la demanda atada puntualmente a IA se cuadruplica, de 93 TWh a 432 TWh en cinco años.
¿Y de dónde sale ese empuje? De los racks de GPU. Un rack tradicional tira unos 15 kW. Uno cargado de aceleradores para IA actualmente ronda los 132 kW, y la próxima generación apunta a 240 kW por rack. Misma superficie, casi diez veces más consumo. Esto se conecta con lo que analizamos sobre cómo funcionan ChatGPT y muchas otras herramientas.
Goldman Sachs lo puso en otro número: un aumento del 165% en la demanda eléctrica de data centers para 2030 respecto de 2023. Tomalo con pinzas igual, porque depende mucho de qué tan rápido se adopte la IA generativa (y eso nadie lo sabe con certeza).
¿Cómo se compara el consumo de ChatGPT con una búsqueda de Google?
Acá hay que romper un mito que se repitió hasta el cansancio. Durante meses circuló que cada consulta a ChatGPT gastaba diez veces lo de una búsqueda de Google. La realidad es más modesta.
Una consulta a ChatGPT consume cerca de 0,3 Wh según análisis de 2025. Una búsqueda de Google, alrededor de 0,17 Wh. La diferencia real es de 1,7 veces, no de 10. Sigue siendo más, pero la brecha que se viralizó estaba inflada.
El punto que casi nadie menciona: el grueso del gasto no está en responderte a vos. Está en el entrenamiento. Entrenar GPT-4 habría costado unos USD 100 millones y consumido cerca de 50 GWh. Eso es energía concentrada en pocas semanas, antes de que el modelo conteste una sola pregunta.
Proyectado a un año entero de uso, la inferencia de ChatGPT rondaría los 226,8 GWh. Mucho, sí. Pero la “explosión” energética que asusta vive más en la fase de entrenar modelos cada vez más grandes que en tus prompts del día a día. Más contexto en modelos base como GPT consumen energía.
¿Qué impacto tiene el consumo de agua de los centros de datos?
La electricidad se lleva los titulares. El agua se lleva el problema callado.
Los data centers usan agua para refrigerar. Mucha. La proyección para 2030 ronda los 9,3 billones de litros anuales a nivel industria, el doble que en 2025. Según un análisis de Newtral, ese volumen alcanzaría para abastecer a 1.300 millones de personas durante 1,6 años.
Las empresas grandes ya publican números (algunas a regañadientes). Acá va la comparación.
| Empresa | Consumo de agua | Año reportado |
|---|---|---|
| 22.700 millones de litros | 2024 | |
| Microsoft | 7.800 millones de litros | 2023 |
| Meta | 3.078 millones de litros | 2023 |
El riesgo no es solo cuánta agua entra. Es qué pasa cuando sale. El agua de refrigeración vuelve más caliente a ríos y embalses, sube la temperatura del cuerpo de agua y baja el oxígeno disuelto. Para un ecosistema chico, eso pega fuerte.
¿Cuáles son las soluciones reales para mejorar la eficiencia energética?
La buena noticia es que hay margen técnico. Y bastante.
- Refrigeración líquida directa: mueve el calor hasta 3.000 veces mejor que el aire y mejora la eficiencia del centro entre un 40% y un 50%. Con racks de 132 kW, el aire ya no da abasto.
- Coordinación de cargas con IA: usar algoritmos para repartir el trabajo entre servidores sube la utilización cerca de un 25%. Menos hardware ocioso prendido al pedo.
- Red de corriente continua: distribuir la energía en DC en lugar de AC recorta las pérdidas de conversión a un 10-15%.
- Reaprovechamiento de calor: el calor residual puede ir a calefacción de barrios o procesos industriales en vez de tirarse al ambiente.
La propia IEA estima que aplicar IA a la gestión del sistema energético podría dar hasta un 30% de ahorro. Suena raro: la IA es parte del problema y parte de la solución. Habría que ver cuánto de eso se cumple en la práctica y cuánto queda en el paper.
¿Pueden las energías renovables resolver este desafío?
La apuesta es esa. La IEA proyecta que el 60% de la nueva energía para data centers vendrá de fuentes renovables hacia 2035. Y en 2025 la inversión en electricidad limpia llegó a USD 580.000 millones, superando por primera vez a la inversión en petróleo, según datos de la agencia recogidos por Nature.
El problema es de velocidad. Las renovables hay que instalarlas, y la demanda de los data centers crece más rápido que los paneles y los molinos. Si la oferta limpia no llega a tiempo, el hueco lo tapa el gas o el carbón. Relacionado: herramientas como restauración de imágenes.
Sobre el agua, Google y Meta se comprometieron a “reponer” más agua de la que consumen para 2030. Es un objetivo lindo en una diapositiva. Falta ver auditorías independientes que lo confirmen, porque hoy la transparencia de estas empresas sobre consumo es, siendo generosos, parcial.
¿Cómo está Argentina y Latinoamérica en infraestructura de data centers?
Acá la película cambia de escala. Argentina tiene entre 13 y 43 data centers operativos según cómo los cuentes, pero apenas 32 MW de capacidad instalada. El 71% está en CABA y el 29% en provincia de Buenos Aires. Es casi todo área metropolitana.
Brasil domina la región: se lleva el 33% del mercado, unos USD 16.600 millones en 2025. La proyección regional habla de USD 32.900 millones para 2034, con un crecimiento anual cercano al 8%. Hay torta y hay apetito.
Lo ambicioso aparece en el sur. Sur Energy propuso un proyecto de 500 MW en Patagonia, con una inversión estimada en USD 25.000 millones, apalancado en energía eólica barata. Si se concreta, multiplicaría por más de quince la capacidad actual del país. Para más detalles técnicos, mirá nuestro análisis sobre cómo los generadores de imágenes por IA demandan energía.
El agujero está en la regulación. No hay marco comercial, impositivo ni ambiental específico para estos proyectos. Mientras tanto, para quien necesita hosting o infraestructura cloud en Argentina sin montar un data center propio, la opción sigue siendo apoyarse en proveedores locales con presencia regional. El soberano tema de dónde viven tus datos no es menor.
Errores comunes sobre el consumo energético de la IA
- Creer que ChatGPT gasta 10 veces lo de Google: el número real ronda 1,7 veces (0,3 Wh contra 0,17 Wh). La cifra de 10x se viralizó sin sustento sólido.
- Pensar que el consumo es sobre todo de consultas: el entrenamiento es mucho más caro. GPT-4 habría usado unos 50 GWh solo en entrenarse, antes de responder nada.
- Tomar las proyecciones como certezas: los 945 TWh dependen de cuánto se adopte la IA. Si la adopción frena, el número baja. Son escenarios, no profecías.
- Asumir que las renovables tapan todo: no alcanza con tener energía limpia disponible. Hay que instalarla al ritmo de una demanda que se duplica, y ahí está el cuello de botella.
Preguntas Frecuentes
¿Cuánta electricidad consumirán los data centers en 2030?
Cerca de 945 TWh anuales, el doble que en 2025, según la Agencia Internacional de Energía. La demanda atada puntualmente a inteligencia artificial pasaría de 93 TWh a 432 TWh en ese período.
¿Cuánta agua consume la inteligencia artificial al año?
La industria de data centers iría hacia 9,3 billones de litros anuales en 2030, el doble que en 2025. Como referencia, Google declaró 22.700 millones de litros en 2024 y Microsoft 7.800 millones en 2023.
¿Es verdad que ChatGPT gasta diez veces más que Google?
No. Una consulta a ChatGPT consume cerca de 0,3 Wh contra 0,17 Wh de una búsqueda de Google, una diferencia de 1,7 veces. La cifra de 10x circuló sin respaldo verificable.
¿Qué solución mejora más la eficiencia de un data center?
La refrigeración líquida directa, que disipa calor hasta 3.000 veces mejor que el aire y mejora la eficiencia entre un 40% y un 50%. Con racks de GPU de 132 kW, el enfriamiento por aire ya quedó corto.
¿Cómo está Argentina en capacidad de data centers?
Argentina tiene unos 32 MW de capacidad instalada, concentrados en un 71% en CABA. Hay proyectos grandes anunciados, como los 500 MW de Sur Energy en Patagonia, pero todavía sin un marco regulatorio específico.
Conclusión
El consumo de electricidad de los data centers en 2030 dejó de ser un tema técnico de nicho para volverse un problema de infraestructura nacional en medio mundo. Los 945 TWh proyectados y los 9,3 billones de litros de agua marcan un límite físico que la euforia de la IA no puede ignorar.
Lo concreto: el cuello de botella ya no es el modelo, es la red eléctrica y el agua. Las soluciones existen (refrigeración líquida, corriente continua, renovables), pero corren detrás de una demanda que se duplica cada cinco años.
Si trabajás con infraestructura o pensás proyectos que dependan de cómputo intensivo, vale mirar dos cosas antes de firmar: de dónde sale la energía del proveedor y qué hace con el agua. Esos dos datos van a definir el costo real (y reputacional) de la IA en los próximos años. El resto es marketing.
Fuentes
- IEA – Energy and AI, resumen ejecutivo con la proyección de 945 TWh para 2030
- IEA – La IA y la demanda eléctrica de los data centers
- Goldman Sachs – Aumento del 165% en la demanda eléctrica hacia 2030
- Nature – Análisis sobre energía, IA e inversión en renovables
- Newtral – El consumo de agua de los centros de datos de IA