Un modelo económico global estima que la aplicación paralela de inteligencia artificial en energías renovables y combustibles fósiles aumentaría las emisiones anuales de CO₂ entre 0,47 y 1,8 gigatoneladas.
El impacto climático de la inteligencia artificial no depende únicamente de la electricidad consumida por los centros de datos. También está condicionado por las actividades económicas que la tecnología hace más eficientes, entre ellas la generación renovable, la gestión de redes y la extracción de combustibles fósiles.
Una investigación publicada en la revista npj Climate Action analizó estas consecuencias indirectas mediante un modelo de equilibrio general de la economía mundial. Su conclusión es que, bajo escenarios de adopción comparable, las mejoras de productividad relacionadas con el carbón, el petróleo y el gas producirían más emisiones de CO₂ que las evitadas mediante la optimización de fuentes renovables.
Un aumento estimado de hasta 1,8 gigatoneladas
Los investigadores aplicaron distintos niveles de ganancias de productividad a los sectores fósiles, las energías renovables y algunas actividades consideradas neutrales respecto del combustible, como la infraestructura eléctrica y determinados usos industriales. En los escenarios con adopción paralela, el resultado fue un aumento neto anual de entre 0,47 y 1,8 gigatoneladas de CO₂.
Ese intervalo equivale, según el estudio, a entre el 1,2 y el 4,8 por ciento de las emisiones energéticas mundiales registradas en 2024. La principal causa sería la mayor productividad en la extracción de combustibles fósiles, que reduce costes, amplía la oferta económicamente viable y puede estimular el consumo mediante precios más bajos.
El desequilibrio apareció en las 64 combinaciones de escenarios evaluadas. De acuerdo con el modelo, por cada mejora marginal del 1 por ciento en la productividad fósil, las energías renovables necesitarían ganancias de entre el 4 y el 5 por ciento para alcanzar un punto de equilibrio en emisiones.
Las aplicaciones en redes eléctricas, eficiencia industrial y transporte marítimo moderaron el efecto, pero no cambiaron su dirección cuando también aumentaba la productividad de la extracción fósil. Las simulaciones con distintos precios del carbono redujeron la diferencia, aunque tampoco la eliminaron en los escenarios de adopción paralela.
La IA ya tiene incentivos económicos en el sector petrolero
El planteamiento coincide con señales procedentes de la industria. Rystad Energy estima que la digitalización y la inteligencia artificial podrían generar cerca de 500.000 millones de dólares de valor acumulado para las empresas de exploración y producción entre 2026 y 2030. Ese valor contempla reducciones de costes, aumentos de producción y plazos de desarrollo más cortos.
La Agencia Internacional de la Energía también ha documentado usos de la IA para optimizar la operación, el mantenimiento y la innovación en diferentes ramas del sistema energético. Estas herramientas pueden mejorar la integración de renovables y reducir desperdicios, pero también aumentar la eficiencia y rentabilidad de la producción de petróleo y gas.
El nuevo estudio sostiene que las evaluaciones climáticas deberían considerar ambos sentidos del efecto. Contabilizar únicamente el consumo de los centros de datos y las emisiones que ciertas aplicaciones ayudan a evitar dejaría fuera los aumentos derivados de una mayor producción de combustibles fósiles.
Un modelo estructural, no una predicción
Los resultados deben interpretarse con cautela. Los autores describen una relación estructural bajo condiciones económicas determinadas, no una previsión sobre lo que ocurrirá en un año concreto. El modelo es estático y utiliza una base económica de 2017, ajustada para aproximar la participación de las energías renovables en 2024.
El análisis agrupa la economía en cinco regiones y veinte sectores. No representa diferencias entre empresas o proyectos, restricciones físicas y geológicas, ni la evolución temporal de las tasas de adopción. Tampoco incorpora las emisiones directas de los centros de datos en sus cálculos de equilibrio y contabiliza CO₂, pero no metano ni otros gases de efecto invernadero.
Algunas tecnologías de bajas emisiones, como el hidrógeno verde, los pequeños reactores nucleares modulares y la captura directa de carbono, tampoco están representadas de forma independiente. Por estas razones, las cifras expresan un rango sujeto a incertidumbre y no deben sumarse directamente a otras estimaciones sobre la huella de la IA.
El código, las configuraciones y los resultados del modelo fueron publicados en repositorios abiertos. Dos de los autores declararon una afiliación no financiera con Enabled Emissions Campaign, una iniciativa dedicada a investigar y promover políticas sobre el impacto climático de la tecnología. El artículo declara que no hubo financiación ni influencia externa sobre el diseño y la interpretación del estudio.
Fuentes
- Estudio publicado en npj Climate Action
- Agencia Internacional de la Energía, Energy and AI
- Agencia Internacional de la Energía, AI for energy optimisation and innovation
- Rystad Energy, Digital and AI in upstream oil and gas
- Repositorio del modelo y los datos
- Cobertura original de The Guardian
Ilustración creada por IA.
📬 Newsletter gratuito
