La estampida eléctrica de la inteligencia artificial: cuando los servidores le ganan de mano a las centrales

La inteligencia artificial no vive solo en la nube: vive en edificios del tamaño de varios supermercados, llenos de servidores que procesan información las 24 horas. Y resulta que esa vida digital tiene un apetito eléctrico comparable al de una ciudad mediana. En 2023, los centros de datos absorbieron alrededor de 176 teravatios hora de electricidad en Estados Unidos, lo que equivale, para dimensionarlo con un ejemplo doméstico, a mantener encendidas unas 2.500 millones de estufas eléctricas funcionando durante un año entero. Ese volumen representó el 4,4% de todo el consumo eléctrico del país, según un informe del Lawrence Berkeley National Laboratory publicado por el Departamento de Energía.

Cinco años antes, en 2018, la cifra rondaba el 1,9%. El salto, en poco más de un lustro, fue de más del doble. Y las proyecciones oficiales anticipan que para 2028 el consumo podría ubicarse entre 325 y 580 teravatios hora, es decir, entre el 6,7% y el 12% de toda la electricidad que se utilice en el país. Un teravatio hora, para ponerlo en términos simples, equivale a un billón de watts consumidos durante una hora: es la unidad que usan las compañías eléctricas cuando planifican centrales enteras.

Por qué la red no puede seguirles el paso

El cuello de botella no es únicamente la cantidad de energía disponible, sino el ritmo con que se instala todo. Un centro de datos puede levantarse en aproximadamente un año, parecido al tiempo que lleva construir un edificio de oficinas de gran porte. Pero una línea de transmisión de alta tensión, una subestación nueva o una central generadora suelen demandar entre cinco y diez años entre permisos, obra civil y puesta en marcha. Es como si una familia comprara un aire acondicionado industrial antes de confirmar si la instalación eléctrica de la casa lo soporta: el electrodoméstico llega primero y el problema aparece después.

Esa diferencia de velocidad ya genera restricciones concretas en varias regiones. Cuando una empresa anuncia un nuevo campus de procesamiento, las distribuidoras locales deben evaluar si el tendido existente puede entregarle potencia sin que se resienta el suministro de los hogares cercanos. En muchos casos, la respuesta es no, y la conexión queda condicionada a obras de ampliación que demoran años.

El motor financiero detrás de la demanda

El fenómeno tiene un combustible económico muy concreto. NVIDIA, la compañía que fabrica las unidades de procesamiento gráfico que dominan el entrenamiento de modelos de IA, cerró su segundo trimestre fiscal de 2027 con ingresos por 96.221 millones de dólares, un 106% más que un año antes. Casi todo ese crecimiento vino de su división de centros de datos, que facturó unos 89.000 millones de dólares, equivalente al 93% del total, con una suba interanual del 117%. Su fundador y director ejecutivo, Jensen Huang, sostuvo en la presentación de resultados que la capacidad de cómputo se convirtió, por sí misma, en una fuente de ingresos. Cada nuevo modelo de IA requiere más chips funcionando en paralelo, y cada chip funcionando en paralelo requiere más megawatts enchufados a la red.

Cuando los vecinos dicen que no

A la saturación de las redes se suma otro frente: la resistencia de las comunidades locales. Durante 2025, al menos 48 proyectos de centros de datos por alrededor de 156.000 millones de dólares fueron bloqueados o demorados por oposición vecinal. Las objeciones más habituales son tres:

• Ruido constante de los sistemas de refrigeración, que funcionan de manera ininterrumpida.
• Aumento de la tarifa eléctrica para los hogares, porque las nuevas demandas presionan el cuadro tarifario de la distribuidora.
• Impacto ambiental, especialmente por el consumo de agua que requieren algunas plantas de enfriamiento.

Ese frente social añade otro cuello de botella a un sistema que ya corría detrás de la demanda.

Qué falta para que la IA siga enchufada

El escenario hacia adelante depende de tres variables. La primera es la velocidad con que se modernicen y amplíen las redes de transmisión, algo que en Estados Unidos requiere coordinación entre reguladores federales, estados y empresas concesionarias. La segunda es la disponibilidad de generación adicional, ya sea por nuevas centrales de gas natural, por la incorporación masiva de renovables con almacenamiento en baterías, o por la vuelta de la energía nuclear a la mesa de discusión. La tercera es la eficiencia de los propios centros de datos: chips más eficientes en consumo por operación, mejores sistemas de enfriamiento líquido y diseños de hardware que aprovechen más cada kilowatt hora.

Hasta que esas tres variables se alineen, cada nueva camada de modelos de inteligencia artificial llegará al mercado con una pregunta técnica pendiente: de dónde sale la electricidad para entrenarla. La tecnología avanza al ritmo de Silicon Valley; la infraestructura eléctrica, al ritmo de las obras públicas de mediados del siglo XX. Esa diferencia es, hoy, el principal freno físico de la expansión de la IA.