Inteligencia artificial y energía: una nueva industria pesada
La IA se está consolidando como una nueva industria intensiva en electricidad y recursos naturales. Las proyecciones indican que los centros de datos vinculados a inteligencia artificial consumieron alrededor de 500 teravatios-hora (TWh) anuales en 2025.
En el período Ediacariano —entre 635 y 538 millones de años atrás— la vida compleja comenzó a emerger a partir de procesos de organización cada vez más sofisticados, impulsados por gradientes energéticos estables. Estos gradientes consistían en diferencias sostenidas de potencial químico entre compuestos reducidos y oxidados —como hidrógeno, sulfuros, hierro y dióxido de carbono— presentes en océanos pobres en oxígeno, muchas veces asociados a ambientes hidrotermales que liberaban energía utilizable. Aquella transición marcó un punto de inflexión en la historia biológica del planeta: la energía disponible permitió que estructuras simples evolucionaran hacia formas más complejas.
Hoy, en un contexto completamente distinto, la inteligencia artificial atraviesa un proceso que algunos analistas describen como análogo en términos funcionales: sistemas capaces de mejorar iterativamente sus propios modelos, en ciclos de optimización cada vez más acelerados. Esta dinámica, conocida como “mejora recursiva”, no es solo un fenómeno tecnológico. Es, sobre todo, un fenómeno energético.
La IA se está consolidando como una nueva industria intensiva en electricidad y recursos naturales. Las proyecciones indican que los centros de datos vinculados a inteligencia artificial consumieron alrededor de 500 teravatios-hora (TWh) anuales en 2025, con estimaciones de hasta 1.000-1.100 TWh hacia 2026 en escenarios acelerados. Para 2030, la cifra podría ubicarse entre 945 y 1.587 TWh, equivalente a alrededor del 2.5-4 % del consumo eléctrico global, según estimaciones de la Agencia Internacional de Energía (IEA) y Bloomberg.
-
Te puede interesar
Ley de Glaciares: el problema no es la letra sino quién la aplica
En Estados Unidos, este crecimiento podría representar hasta el 22-25 % del aumento total de la demanda eléctrica hacia 2030, con los centros de datos aportando cerca del 45-50 % de ese incremento. A nivel global, la potencia instalada destinada a data centers podría alcanzar 300 gigavatios en 2035 en Estados Unidos, superando en más de 36 % las previsiones realizadas apenas unos años atrás.
Cada ciclo de entrenamiento de modelos avanzados implica consumos eléctricos comparables a los de miles de hogares. Durante las fases de entrenamiento intensivo, la demanda energética de un centro de datos puede duplicar o triplicar su carga base. La IA, en este sentido, opera como una verdadera “fábrica de inteligencia”, cuyo insumo central es la electricidad.
Recursos críticos y nuevas dependencias
La expansión de la inteligencia artificial no depende únicamente de energía. También requiere minerales estratégicos para la fabricación de chips, servidores y sistemas de almacenamiento.
El cobre es esencial para la transmisión eléctrica y podría absorber entre 2 % y 3 % adicional de la demanda global en escenarios de fuerte expansión de data centers. En el caso de las tierras raras, elementos como el neodimio y el praseodimio son fundamentales para imanes permanentes de alta potencia utilizados en motores y sistemas de refrigeración, mientras que el disprosio y el terbio mejoran su resistencia térmica. El galio y el germanio, críticos para semiconductores avanzados y componentes de alta frecuencia, también forman parte de la cadena tecnológica asociada a la IA. El litio, por su parte, resulta central para los sistemas de almacenamiento energético que estabilizan la operación eléctrica. A esto se suman aluminio y acero para la infraestructura física de los centros de datos, y grandes volúmenes de agua destinados a los sistemas de refrigeración. El consumo hídrico de algunos centros de datos puede alcanzar miles de millones de litros anuales, equivalente al abastecimiento de ciudades medianas. La adopción de tecnologías de refrigeración por inmersión líquida permite reducir hasta 90 % el uso de agua y cerca de 40 % la energía destinada al enfriamiento, pero estas soluciones aún están en proceso de escalamiento.
La dependencia de importaciones de minerales críticos, particularmente en economías desarrolladas, introduce vulnerabilidades geopolíticas crecientes. En el caso de las tierras raras, más del 60 % de la producción y una proporción aún mayor del procesamiento global se concentra en China, lo que otorga a ese país una posición dominante en la cadena de valor. Algo similar ocurre con el galio y el germanio —insumos clave para semiconductores y electrónica de alta frecuencia— cuya oferta también está fuertemente concentrada. El litio presenta una distribución geográfica más diversa, con Australia, Chile, Argentina y China como actores relevantes, pero el refinado químico vuelve a estar mayoritariamente en Asia. El cobre, aunque más ampliamente distribuido, enfrenta cuellos de botella vinculados a nuevos proyectos, permisos ambientales y tiempos de desarrollo que pueden superar una década.
En este contexto, la expansión de la inteligencia artificial no solo tensiona los sistemas eléctricos, sino también las cadenas globales de suministro mineral. La infraestructura digital depende de decisiones mineras tomadas años antes, de estabilidad regulatoria y de relaciones comerciales estratégicas. La competencia por asegurar acceso a estos insumos está reconfigurando alianzas, incentivos de inversión y políticas industriales, integrando definitivamente a la IA dentro del tablero geoeconómico global.
Energía híbrida y transición estructural
El crecimiento de la inteligencia artificial está acelerando las inversiones en generación eléctrica a una escala poco habitual para un sector tecnológico. Diversos estudios proyectan que la expansión de data centers podría impulsar incrementos del 20 % al 25 % en capacidad instalada hacia 2030 en algunos mercados desarrollados, especialmente en Estados Unidos y Asia.
El modelo energético que comienza a consolidarse es híbrido. Combina fuentes renovables —principalmente solar y eólica, con factores de carga que varían entre el 30 % y el 55 % según ubicación— con generación térmica a gas natural que asegure suministro continuo las 24 horas. La intermitencia de las renovables exige respaldo firme para operaciones críticas como los centros de datos, cuya tolerancia a interrupciones es prácticamente nula.
En este escenario, la energía nuclear reaparece como una opción estratégica de base. Ofrece generación estable, alta densidad energética y bajas emisiones de carbono, características especialmente valoradas en industrias que requieren disponibilidad permanente. Este renovado interés coloca nuevamente al uranio en el centro de la ecuación energética. Si bien el combustible representa una proporción relativamente menor en el costo total de generación nuclear, su suministro es crítico y está geográficamente concentrado, con Kazajistán, Canadá y Australia entre los principales productores. A ello se suma la concentración del enriquecimiento y la conversión en pocos países, lo que introduce una dimensión geopolítica adicional en un contexto de creciente electrificación digital.
La extensión de vida útil de centrales existentes y el desarrollo de reactores modulares pequeños (SMR) apuntan a integrar capacidad nuclear adicional hacia fines de la década. Para la infraestructura vinculada a la IA, esto implica acceso a energía firme, previsible y de baja volatilidad en costos operativos.
El almacenamiento a gran escala complementa esta matriz híbrida al aportar flexibilidad operativa, gestionar picos de demanda y estabilizar redes eléctricas sometidas a cargas crecientes y altamente concentradas. Su función no es sustituir generación de base, sino reforzar la resiliencia del sistema frente a variaciones de oferta y consumo.
En conjunto, la expansión de la inteligencia artificial no sólo redefine el mapa tecnológico, sino también la arquitectura energética que lo sustenta. La discusión ya no gira únicamente en torno a cuánta electricidad se necesita, sino a qué tipo de generación puede sostener un consumo continuo, intensivo y estratégicamente sensible.
Oportunidades regionales
El nuevo mapa energético que impulsa la inteligencia artificial no se distribuye de manera uniforme. Las inversiones en infraestructura digital tienden a localizarse donde existe disponibilidad de energía abundante, estable y competitiva en costos. En este contexto, regiones con recursos energéticos de escala y acceso a minerales estratégicos adquieren ventajas relativas.
La Agencia Internacional de Energía estima que la capacidad eólica mundial alcanzó ~1.286 GW al cierre de 2025, con factores de carga que en zonas de alta calidad superan el 45 %. En el sur de Argentina, particularmente en la Patagonia, los factores de capacidad eólica se ubican entre los más altos del mundo, con promedios que oscilan entre 45 % y 55 % en áreas de Santa Cruz y Chubut. Esto implica mayor generación efectiva por megavatio instalado y menores costos nivelados de energía a largo plazo.
En paralelo, el desarrollo del gas natural como respaldo firme es clave para industrias de consumo continuo. Vaca Muerta alcanzó 72.6 millones de metros cúbicos diarios de producción de gas en diciembre de 2025 (picos estacionales), y posiciona a Argentina como uno de los principales reservorios de shale gas fuera de América del Norte. La disponibilidad de gas de bajo costo permite estructurar esquemas de generación térmica flexible que acompañen la expansión renovable y garanticen suministro 24/7 a polos industriales o tecnológicos.
En el plano mineral, Argentina integra el llamado “Triángulo del Litio” junto con Chile y Bolivia, que concentra cerca del 50 % de los recursos globales identificados. La producción argentina de carbonato de litio equivalente (LCE) se ha multiplicado en los últimos años y continúa expandiéndose con nuevos proyectos en construcción. En 2020 el país produjo alrededor de 37.000 toneladas LCE; en 2023 superó las 45.000 toneladas y en 2025 alcanzó 131.000 toneladas, impulsado por ampliaciones en proyectos como Olaroz y Fénix y la entrada en operación de nuevos desarrollos. Con más de una decena de iniciativas en distintas etapas —entre ellas Rincón, Sal de Vida y Cauchari en expansión— la capacidad instalada proyectada podría superar las 200.000 toneladas anuales hacia finales de la década. Argentina posee además recursos estimados en más de 20 millones de toneladas LCE, lo que la ubica entre los tres países con mayores recursos identificados a nivel global.
En un escenario de electrificación creciente y expansión del almacenamiento energético, esta escala productiva posiciona al país como un actor relevante dentro de la cadena de suministro internacional. A escala global, la demanda de minerales vinculados a electrificación y almacenamiento podría duplicarse hacia 2030, según escenarios de transición energética.
La convergencia entre energía abundante, potencial exportador de gas, capacidad renovable de alto rendimiento y reservas minerales estratégicas redefine el mapa de ventajas comparativas. En un escenario donde los centros de datos demandan cientos de megavatios por instalación y contratos eléctricos de largo plazo, la competitividad deja de ser únicamente fiscal o regulatoria: pasa a depender de la solidez energética estructural.
Para países con recursos naturales de escala, el desafío no es solo extraer y exportar materias primas, sino integrarlas a cadenas de valor asociadas a infraestructura digital, procesamiento local y generación firme. La inteligencia artificial, en este sentido, no solo reorganiza mercados tecnológicos: también revaloriza territorios capaces de sostener la energía que los algoritmos necesitan.
Una transformación estructural
La inteligencia artificial no es únicamente un salto tecnológico. Es también una reconfiguración material de la economía digital. Su expansión depende de electricidad firme, redes robustas y cadenas de suministro mineral diversificadas. Detrás de cada modelo avanzado hay infraestructura física, consumo energético continuo y decisiones extractivas que preceden por años al despliegue de los algoritmos.
En los grandes puntos de inflexión de la historia natural, la complejidad no emergió por sí sola: lo hizo cuando existieron flujos energéticos suficientes y estables capaces de sostenerla. La disponibilidad de energía determinó qué estructuras podrían consolidarse y cuáles no. La evolución avanzó allí donde los gradientes lo permitieron.
La inteligencia artificial enfrenta, hoy, una condición estructural similar. Su capacidad de mejora iterativa no depende únicamente de avances en software, sino de la existencia de un entorno energético capaz de sostener cargas crecientes, continuas y concentradas. Sin electricidad abundante y estable, la recursividad computacional encuentra su límite técnico.
La cuestión central ya no es solo qué pueden hacer los algoritmos, sino bajo qué condiciones materiales pueden seguir haciéndolo. Hacia 2030, el desafío será equilibrar crecimiento tecnológico, estabilidad eléctrica en un escenario donde la demanda digital presiona infraestructuras construidas para otra escala de consumo.
La expansión de la inteligencia artificial se convierte así en una prueba fundamental para el sistema energético global. Como en otros momentos de transición profunda, la complejidad futura dependerá —en última instancia— de la energía disponible para sostenerla.