Ahorros netos de electricidad por la inteligencia artificial dependen de la eficiencia de su despliegue en el sistema eléctrico de China

Por qué importa una electricidad más inteligente

La inteligencia artificial (IA) suele representarse como un cerebro invisible en la nube, pero detrás de cada chatbot ingenioso o generador de imágenes existe un flujo muy real de electricidad. Este estudio plantea una pregunta con grandes consecuencias para la planificación climática y energética: ¿pueden los ahorros de energía que la IA genera dentro del sistema eléctrico compensar la electricidad extra que consume en enormes centros de datos? Centrándose en la red de rápido cambio de China, los autores trazan cómo la IA podría pasar de ser una carga eléctrica creciente a un ahorro neto, siempre que se despliegue de manera eficiente y lo bastante extendida.

Dos caras de la inteligencia artificial

El artículo comienza exponiendo una tensión. Por un lado están los centros de datos de IA, cuyos servidores especializados pueden consumir entre seis y ocho veces más electricidad que las máquinas tradicionales. A medida que los modelos crecen y se usan con más frecuencia, estas instalaciones se están convirtiendo en una nueva fuente importante de demanda en la red. Por otro lado, los algoritmos de IA se están integrando en todo el sistema eléctrico: ayudan a pronosticar la producción eólica y solar, afinan las plantas de carbón, gestionan la climatización de edificios, equilibran cargas industriales y prolongan la vida de las baterías. Estas aplicaciones pueden reducir el desperdicio y suavizar los picos de demanda. El núcleo del dilema es si, en conjunto, los ahorros que aporta la IA en la red pueden cancelar o incluso superar la electricidad que consume la propia computación de IA.

Medir el efecto neto a lo largo del tiempo

Para abordar esto, los investigadores construyen un modelo de evaluación dinámico que funciona de 2025 a 2060. Estiman el propio uso eléctrico de la IA desde abajo hacia arriba, empezando por los envíos proyectados de servidores de IA, su vida útil, la potencia que consumen durante el entrenamiento y el uso diario, y cómo mejoran con el tiempo la eficiencia energética de los centros de datos. En paralelo, revisan una década de estudios sobre medidas de ahorro energético habilitadas por IA. Mediante un meta‑análisis, sintetizan cuánto electricidad puede ahorrarse en siete prácticas clave, como mejorar la eficiencia de plantas de carbón, reducir pérdidas en transmisión, aumentar la eficiencia en edificios e industrias y optimizar el almacenamiento en baterías. Estos ahorros se escalan para China bajo tres supuestos distintos sobre la profundidad con la que tales herramientas de IA se extienden por el sistema.

Diferentes futuros para la IA y la red

El modelo combina tres líneas argumentales para el uso eléctrico de la IA con tres para su poder de ahorro, produciendo nueve futuros posibles. En el lado del consumo, una vía “impulsada por la tecnología” asume un rápido crecimiento de la computación de IA pero grandes avances en chips de servidores y sistemas de refrigeración; una vía “restringida por políticas” supone normas estrictas que limitan la expansión y exigen buena eficiencia; una vía de “inercia” contempla mejoras más lentas y controles más laxos. En el lado del ahorro, una trayectoria “eficiente” imagina una adopción rápida y amplia de herramientas de IA de alto rendimiento en plantas, líneas, edificios, fábricas y almacenamiento; una trayectoria “típica” refleja una adopción moderada; y una trayectoria “ineficiente” asume un despliegue más lento o desigual. Juntas, estas escenarios muestran cómo tanto el hardware más inteligente como un uso más profundo de la IA en la operación influyen en el equilibrio entre la demanda adicional y el desperdicio evitado.

Dónde se esconden los mayores ahorros

Entre las múltiples formas en que la IA puede ayudar, el estudio identifica un claro “pocos vitales”: aproximadamente una quinta parte de las prácticas aportan más de cuatro quintas partes del potencial total de ahorro. Destacan la mejora de las cargas en edificios, la reducción de pérdidas en líneas de la red y el perfeccionamiento de los pronósticos de energías renovables. A nivel nacional, bajo las suposiciones más optimistas de ahorro, la IA podría recortar cerca del 15% del consumo eléctrico proyectado de China para 2060; bajo supuestos típicos o ineficientes, eso baja a porcentajes de una sola cifra. El análisis regional de cinco provincias muestra que las zonas ricas en generación —como Mongolia Interior con su combinación de carbón y renovables— se benefician más del lado de la oferta, mientras que centros industriales y de servicios como Guangdong y Jiangsu obtienen mayores ganancias gestionando la demanda en edificios y fábricas.

Cuándo la IA se convierte en un ahorro neto

La métrica clave en el estudio es el “ahorro neto de electricidad”: la proporción entre la electricidad ahorrada por la IA y la electricidad que consume la IA. Un valor superior al 100% significa que la IA, en conjunto, reduce la tensión sobre la red. Entre los nueve futuros, solo la combinación de alto despliegue de aplicaciones de ahorro y fuerte progreso tecnológico en centros de datos —el caso Eficiente‑Impulsado por la Tecnología— ofrece este resultado pronto, alcanzando cerca del 130% en 2040. En esta senda, el despliegue rápido de IA en la red y los edificios, combinado con chips muy eficientes y una sobrecarga de refrigeración muy baja, permite que los ahorros superen la propia demanda de la IA. Aun así, el beneficio se estabiliza y declina ligeramente después de 2050 a medida que las tecnologías maduran y se agotan las ganancias fáciles. En futuros menos ambiciosos, el ahorro neto se retrasa o nunca se alcanza dentro del período de estudio.

Qué significa esto para la vida cotidiana

Para los no especialistas, la conclusión es que la IA no es automáticamente buena ni mala para el clima. Si se deja crecer en centros de datos ineficientes con uso limitado en las operaciones reales de la red, principalmente aumenta la demanda eléctrica. Pero si se combina con normas de eficiencia agresivas, mejor hardware y un amplio despliegue en plantas, líneas, edificios, fábricas y almacenamiento, la IA puede más que compensar su propia factura en kilovatios‑hora ahorrados. El estudio sugiere que China —y, por extensión, otros países— necesitará políticas inteligentes para empujar la IA en esa dirección: límites estrictos a centros de datos ineficientes, incentivos para refrigeración avanzada y chips, y fuerte apoyo a herramientas de IA que reduzcan el desperdicio en todo el sistema eléctrico. Hecho correctamente, la misma tecnología que amenaza con sobrecargar la red podría convertirse en uno de los motores que la hagan más limpia y fiable.

Cita: Zhou, K., Yang, Z. & Hu, R. Net electricity savings from artificial intelligence depend on deployment efficiency in China’s power system. Commun. Sustain. 1, 72 (2026). https://doi.org/10.1038/s44458-026-00080-4

Palabras clave: inteligencia artificial y energía, eficiencia de centros de datos, optimización de redes eléctricas, predicción de demanda eléctrica, integración de energías renovables