El boom de la inteligencia artificial tiene un coste que rara vez aparece en los titulares: el consumo eléctrico de los centros de datos está creciendo a una velocidad que amenaza con desbordar las infraestructuras energéticas de los países más avanzados. En 2026, la geopolítica de la IA es inseparable de la política energética, y las decisiones sobre dónde construir un data center empiezan a depender más de la disponibilidad de megavatios que de la fiscalidad.
Los 50 gigavatios-hora detrás de un modelo como GPT-5
Entrenar el modelo que dio lugar a GPT-5 requirió aproximadamente 50 gigavatios-hora de electricidad, equivalente al consumo eléctrico anual de una ciudad de 50.000 habitantes. Pero el entrenamiento es solo la mitad de la historia: la inferencia, es decir, responder a los miles de millones de consultas diarias que reciben ChatGPT, Gemini o Claude, consume de forma permanente más energía acumulada que el entrenamiento inicial. Microsoft ha comprometido 17.500 millones de dólares para construir nuevos data centers en India; Amazon ha anunciado 35.000 millones de dólares en inversiones similares repartidas entre varios países. Son cifras que superan el PIB de bastantes estados y que convierten a estas empresas en actores de política energética por derecho propio.
Three Mile Island, el símbolo de la paradoja nuclear
La ironía de la transición energética de la IA es que las grandes tecnológicas están apostando fuertemente por la energía nuclear, la misma tecnología que el movimiento ecologista llevaba décadas intentando cerrar. Microsoft ha firmado un acuerdo para reactivar la central nuclear de Three Mile Island —tristemente célebre por el accidente parcial de 1979— exclusivamente para alimentar sus data centers de IA. Google y Amazon, por su parte, tienen contratos con startups de reactores modulares pequeños (SMR), una tecnología que todavía no ha demostrado viabilidad comercial a gran escala pero que promete despliegues más rápidos que una central convencional. La nuclear ofrece algo que ninguna renovable puede garantizar sola: energía libre de carbono disponible las 24 horas, sin depender del viento o del sol, y es la única opción realmente escalable para un data center que necesita gigavatios de potencia constante y predecible.
España, de comparsa energética a destino preferente
España se está posicionando como uno de los destinos europeos preferidos para data centers de IA gracias a una combinación poco habitual de factores: un clima favorable para la refrigeración eficiente en buena parte del territorio, un mix energético donde más del 50% ya es renovable, y una posición geográfica estratégica como puerta de entrada a Europa y el norte de África. Microsoft, Google y AWS han anunciado inversiones combinadas de más de 8.000 millones de euros en data centers españoles para los próximos tres años, concentradas sobre todo en Aragón, Madrid y la Comunidad Valenciana. El debate interno, sin embargo, no es menor: sindicatos y algunas comunidades autónomas ya cuestionan si esa electricidad renovable debería priorizarse para consumo doméstico e industrial antes que para servidores de multinacionales extranjeras.
El agua, el otro recurso escaso que nadie menciona
Detrás del debate eléctrico se esconde otro consumo que las tecnológicas prefieren no destacar: el agua para refrigeración. Un data center de tamaño medio puede consumir varios millones de litros de agua al día en climas cálidos, un dato especialmente sensible en regiones españolas que ya sufren estrés hídrico recurrente. Algunos proyectos, como los de Aragón, han tenido que rediseñar sus sistemas de refrigeración hacia circuitos cerrados o refrigeración por aire precisamente por la presión social y regulatoria en torno al consumo de agua, lo que encarece la construcción pero reduce el impacto ambiental real.
Chips especializados: la eficiencia como respuesta técnica
La industria no solo está buscando más energía, sino formas de necesitar menos por cada operación de cómputo. Los nuevos diseños de chips especializados para IA, como las últimas generaciones de aceleradores de Nvidia, Google (TPU) y Amazon (Trainium), son entre 3 y 10 veces más eficientes por operación que las GPUs de propósito general que dominaban el mercado hace apenas tres años. A esto se suma otra tendencia relevante: modelos de IA más pequeños y especializados que realizan tareas concretas con una fracción de los recursos que exige un modelo generalista de frontera, una vía que empresas como Mistral o Anthropic están explorando activamente para reducir el coste energético por consulta sin sacrificar calidad en tareas específicas.
Quién paga la factura al final
El aumento de la demanda eléctrica de los data centers ya se está trasladando a las facturas de los consumidores en algunos estados de EE.UU., donde reguladores como el de Virginia han empezado a investigar si las tecnológicas deberían asumir directamente los costes de las nuevas líneas de transmisión que necesitan, en lugar de repartirlos entre todos los contribuyentes de la red. Es un precedente que Europa observa de cerca: si España quiere seguir atrayendo estas inversiones sin generar tensión social, la discusión sobre quién financia la infraestructura energética adicional tendrá que resolverse antes de que se multiplique el número de proyectos.
