Deep Research - El consumo energético de los modelos de IA

En enero de 2025, tanto Google como OpenAI anunciaron la integración de su funcionalidad de «Investigación a fondo» (Deep Research) en sus modelos de IA más avanzados, limitados a las cuentas de pago. A continuación, Perplexity incluyó esta misma funcionalidad dentro de su web, permitiendo 5 usos gratuitos al día para los usuarios registrados.

Tras realizar una pruebas previas con diferentes temas, estamos preparando un artículo sobre esta funcionalidad y cómo sacarle partido en las tareas docentes. Mientras tanto, vamos a iniciar una serie de artículos en los que mostramos algunos de los resultados que nos ha proporcionado al pedirle temas que nos parecen de interés.

⚠️ ATENCIÓN: Aunque la respuesta y las fuentes usadas por perplexity se han revisado, se trata de un material generado con Inteligencia Artificial, por lo que puede cometer errores. Además, el objetivo de estos artículos es también evaluar la calidad de los resultados primarios de la función Deep Research, por lo que se ha optado por mantener las respuestas con las mínimas correcciones, salvo erratas evidentes o fuentes y textos inapropiados.

Comparativa del consumo energético entre modelos de inteligencia artificial y actividades domésticas cotidianas

El avance de la inteligencia artificial (IA) ha generado preocupaciones sobre su impacto energético, especialmente cuando se compara con actividades humanas básicas.

Este informe analiza el consumo energético de sistemas como ChatGPT frente a tareas diarias como el uso de vehículos, electrodomésticos y procesos de cocina, utilizando datos actualizados hasta febrero de 2025. Los hallazgos revelan que, aunque el entrenamiento de modelos avanzados como GPT-4 requiere energía equivalente al consumo anual de decenas de hogares, el uso individual de herramientas como ChatGPT es comparable al de electrodomésticos pequeños. Sin embargo, la escalabilidad de la IA y su dependencia de infraestructuras energéticas complejas plantean desafíos únicos para la sostenibilidad.

Consumo energético de los modelos de inteligencia artificial

Entrenamiento de modelos de IA

El entrenamiento de sistemas de IA constituye la fase más intensiva en energía. Por ejemplo, GPT-4, uno de los modelos más avanzados de OpenAI, requirió 400 MWh (megavatios-hora) durante su entrenamiento, suficiente para abastecer a 40 hogares españoles durante un año completo (2). Esta cifra supera ampliamente el consumo de versiones anteriores: GPT-3 necesitó 78,437 kWh, equivalente a 23 años de consumo eléctrico doméstico medio en España6. La eficiencia varía entre modelos; DeepSeek, una alternativa más optimizada, reduce este consumo en un 75% al utilizar solo 100 MWh (2).

Operación continua y consultas de usuarios

Durante su funcionamiento, el consumo depende de factores como la complejidad de las consultas y las capacidades del modelo. Estudios recientes de Epoch AI indican que una interacción típica con ChatGPT consume 0.3 Wh (vatios-hora), diez veces menos que estimaciones anteriores que lo equiparaban a 3 Wh por consulta (1). No obstante, análisis independientes del Instituto de Ingeniería de España señalan cifras más altas: 0.001–0.01 kWh por pregunta, triplicando el gasto de una búsqueda en Google (0.0003 kWh) (6, 8). Esta disparidad refleja diferencias metodológicas, como la inclusión de recursos adicionales (refrigeración de servidores, procesamiento de datos auxiliares) en algunos cálculos.

A escala global, si los 100 millones de usuarios semanales de ChatGPT realizan 15 preguntas cada uno, el consumo anual alcanzaría 226.82 millones de kWh, equivalente a 20 millones de euros en costes eléctricos en España (8). Este volumen equivale al gasto energético de 23,000 hogares durante un año, destacando el impacto acumulativo de tecnologías masivas.

Consumo energético en el transporte: coches eléctricos vs. tradicionales

Vehículos eléctricos

Un coche eléctrico medio consume entre 12 y 20 kWh por cada 100 km, dependiendo de su eficiencia. Considerando que 1 litro de gasolina contiene 9 kWh y 1 litro de diésel 10 kWh, esto equivale a un consumo de menos de 2 litros de combustible por cada 100 km (3). Para un uso anual de 15,000 km, el gasto energético ronda 1,800–3,000 kWh, comparable al consumo eléctrico doméstico de 2-3 meses en una vivienda promedio.

Vehículos de combustión

En contraste, un automóvil de gasolina con un consumo de 6 L/100 km requiere 54 kWh para la misma distancia (6 L × 9 kWh/L), triplicando el gasto del eléctrico. Esta diferencia subraya la ventaja ecológica de la electrificación del transporte, aunque persisten retos en la generación de energía renovable para alimentar la creciente flota vehicular (3).

Electrodomésticos domésticos: el coste oculto de la vida cotidiana

Contribución al consumo residencial

Los electrodomésticos representan 55.2% del consumo eléctrico en hogares españoles, según el IDAE. Los principales responsables son:

Frigorífico (30.6%): Con un uso continuo, consume ≈1,200 kWh anuales.
Televisor (12.2%): Un modelo LED de 55″ gasta ≈150 kWh al año.
Lavadora (11.8%): Cada ciclo de lavado consume ≈0.5–1.2 kWh, dependiendo de la temperatura (4).

Dispositivos de cocina

Horno eléctrico: Un uso de 1 hora diaria a 2,200 W genera ≈800 kWh anuales.
Freidora de aire: Más eficiente que el horno, consume 0.7–0.85 kWh en media hora frente a 0.7–1 kWh del horno para las mismas patatas fritas (5).
Microondas: Con solo 0.075 kWh por 5 minutos de uso, es el electrodoméstico más eficiente para calentar alimentos (7).

Comparativa directa: IA vs. actividades diarias

Escenario individual

50 consultas diarias en ChatGPT (0.3 Wh cada una): 15 Wh/día ≈ 5.475 kWh/año.
Cocinar pollo asado:
- Freidora de aire: 0.9 kWh por 30 minutos (5).
- Horno tradicional: 2 kWh por 1 hora (5).
Lavar ropa: 3 ciclos semanales (1 kWh cada uno) ≈ 156 kWh/año (4).

Escala global

El consumo anual de ChatGPT (226.82 millones de kWh) equivale a:

37,800 vehículos eléctricos circulando 15,000 km/año.
189,000 hogares usando un frigorífico medio.
303 millones de ciclos de lavado en agua fría (8).

Retos y perspectivas futuras

Dependencia de energías renovables

Aunque empresas como Microsoft operan centros de datos con energía 100% renovable, la intermitencia de fuentes solares y eólicas exige sistemas híbridos con respaldo de baterías. Un corte en el suministro podría paralizar servicios críticos que dependen de IA, como diagnósticos médicos automatizados (2).

Eficiencia vs. capacidad

Modelos como DeepSeek demuestran que es posible reducir el consumo sin sacrificar rendimiento, pero persiste la tensión entre escalabilidad y sostenibilidad. La optimización de algoritmos y el uso de hardware especializado (como chips neuromórficos) serán claves para mitigar el impacto ambiental (2, 6).

Conclusión

El consumo energético de la IA, aunque significativo en fase de entrenamiento, se equipara al de electrodomésticos comunes cuando se analiza su uso cotidiano. No obstante, su escalabilidad masiva y dependencia de infraestructuras globales la convierten en un factor crítico para las redes eléctricas del futuro. La transición hacia modelos más eficientes y energías renovables será determinante para equilibrar innovación tecnológica y sostenibilidad.

Podcast – Consumo energético de los modelos de IA frente a usos domésticos

Además de la redacción de este texto, hemos usado la herramienta GenFM de ElevenLabs para la creación de un podcast personalizado automático que señale los aspectos más relevantes del documento.

⚠️ ATENCIÓN: El material de este podcast ha sido generado con la herramienta de IA de GenFM (ElevenLabs). Aunque ha sido revisado por los autores del blog, puede contener errores en su contenido.

CURSO DE FORMACIÓN ONLINE: HERRAMIENTAS DE IA PARA PROFESORES

✅ En este curso se exploran, a lo largo de más de 3 horas de videos, las principales herramientas de Inteligencia Artificial que han surgido y que se pueden aplicar a tareas docentes: chatbots educativos, generación de imágenes, avatares, cómics, canciones, videos y animaciones, redacción de tests y exámenes y muchas otras más.

✅ Este curso está disponible en las plataformas Udemy (19,99€) y G-Talent (20,95€), y ambas tienen frecuentes cupones, promociones y descuentos 😉 )