Veig el mateix argument una vegada i una altra. Algú a les xarxes socials publica que la IA està “bullint els oceans” i destruint el planeta, i la publicació rep desenes de milers de likes de gent que potser ha anat a treballar amb un cotxe de combustió, ha sopat un filet, i està planificant un vol de vacances a l’estranger.

Dit això, aquest article no argumenta que el cost ambiental de la IA sigui zero o que hauríem de deixar de prestar-hi atenció. La trajectòria de creixement és forta i la infraestructura que es construeix ara determinarà les fonts d’energia durant dècades. Però si el que et preocupa és el planeta i tens una quantitat limitada d’indignació, les dades deixen molt clar cap a on hauria d’anar primer.

Què costa realment una consulta a ChatGPT

L’afirmació més repetida era del 2023: una consulta a ChatGPT gasta unes deu vegades l’energia d’una cerca a Google. Alex de Vries va publicar una estimació a Joule de 2,9 Wh per consulta. Aquesta xifra es va difondre per tot arreu i encara es cita avui.

Era incorrecta, o com a mínim, es va quedar obsoleta molt ràpid. L’estimació assumia 2.000 output tokens amb hardware NVIDIA A100. A la pràctica, la majoria de consultes generen entre 260 i 500 tokens, i el 2025 la inference funciona amb GPUs H100 i B200 que són molt més eficients. L’anàlisi independent d’Epoch AI [8] i les dades autoreportades d’OpenAI i Google ara coincideixen en uns 0,3 Wh per a una consulta de text estàndard (aquestes xifres són autoreportades per la indústria, no verificades de manera independent, i poden subestimar el consum real). Google va informar que una consulta mitjana a Gemini gasta 0,24 Wh i 0,26 mL d’aigua [9] . Ja no és deu vegades una cerca a Google. Està més a prop de quatre a set vegades, depenent de quina estimació de Google facis servir (la seva pròpia xifra del 2009 era 0,3 Wh; les estimacions actuals són més a prop de 0,04 Wh).

La generació d’imatges costa més, uns 0,63 Wh per imatge. La generació de vídeo és cara: uns 1 kWh per un clip de 5 segons. I els models de raonament com o1 o o3 poden gastar molt més per consulta que un text simple. Però les mitjanes importen, i la majoria de la gent la majoria del temps fa consultes de text.

Doncs, 0,3 Wh. Què vol dir això en termes que tothom pugui entendre?

Carregar un mòbil gasta uns 10 Wh – això són 33 consultes d’IA. Bullir un litre d’aigua en un bullidor elèctric gasta uns 100 Wh, o unes 330 consultes per una tassa de te. Una hora de streaming de Netflix gasta entre 80 i 120 Wh si comptes la tele, l’equip de xarxa i la part del data center – això són 300 a 400 consultes. Un cicle de rentadora gasta uns 500 Wh, o 1.700 consultes. Un cicle de rentaplats gasta uns 1.800 Wh, que equival a 6.000 consultes d’IA.

xychart-beta
    x-axis ["Càrrega mòbil", "Tassa de te", "1h Netflix", "Rentadora", "Rentaplats"]
    y-axis "Consultes d'IA" 0 --> 6500
    bar [33, 330, 350, 1700, 6000]

La comparació de l’aigua és encara més absurda

L’aigua és on el discurs es descontrola del tot. Li et al. (2023), en un article publicat a Communications of the ACM [1] , van estimar que entrenar GPT-3 va evaporar directament uns 700.000 litres d’aigua dolça per la refrigeració als data centers de Microsoft als EUA. Si s’inclou l’aigua consumida durant la generació d’electricitat (Scope-2), el total puja a 5,4 milions de litres. Són números grans i val la pena conèixer-los.

Però el context importa. Mekonnen i Hoekstra, en un estudi del 2012 publicat a Ecosystems [3] , van trobar que produir un quilogram de carn de vaca requereix aproximadament 15.400 litres d’aigua. Una sola hamburguesa de quarter-pound representa uns 1.740 litres. Això vol dir que tot el cost d’aigua d’entrenar GPT-3, el model que va iniciar l’era actual de la IA, equival a l’aigua d’unes 400 hamburgueses. Si s’inclou l’aigua de Scope-2, s’arriba a unes 3.100 hamburgueses. Els Estats Units sols mengen uns 12 mil milions d’hamburgueses cada any.

A nivell de consulta, 0,3 mL d’aigua per prompt d’IA vol dir que necessites 5,8 milions de consultes per igualar una hamburguesa. Necessitaries unes 270.000 consultes per igualar una dutxa de deu minuts. Una sola tassa de cafè, comptant el cultiu i el processament dels grans, té una petjada d’aigua d’uns 140 litres, que equival a unes 467.000 consultes d’IA.

No conec ningú que faci 5,8 milions de preguntes a un chatbot d’IA en un any, ni la meitat, ni l’un per cent d’això. Sí que conec molta gent que menja moltes hamburgueses cada any.

Ara bé, és molt important dir que l’ús d’aigua no és generalment comparable. Importa, és clar, quan i on es fa servir l’aigua, i molta aigua de l’agricultura és aigua de pluja. La refrigeració de data centers, en canvi, sol agafar aigua dolça de subministraments municipals en llocs concrets, i per això l’impacte regional pot ser desproporcionat respecte al volum.

L’estrès hídric regional és un problema real. A The Dalles, Oregon, els data centers de Google ara consumeixen una tercera part del subministrament d’aigua de la ciutat, quan el 2012 era el 12%. Això és una preocupació local legítima, sobretot en zones que ja pateixen sequera. Però fins i tot aquí, la perspectiva ajuda: els camps de golf al comtat de Maricopa, Arizona gasten 110 mil milions de litres d’aigua cada any. Els data centers al mateix comtat es projecta que gastin 3.400 milions de litres el 2025. Els camps de golf gasten 32 vegades més.

És una farsa que fins i tot els data centers nous es construeixin en regions que ja tenen poca pluja o nivells baixos d’aigües subterrànies i després facin servir refrigeració evaporativa. Tot i així, el contrast d’aquestes xifres és immens i per desgràcia l’ús d’aigua no és ni de lluny el problema més gran.

La visió macro: un error d’arrodoniment al costat de la ramaderia i la petroquímica

Si passem de les consultes individuals als números a nivell d’indústria, la diferència és encara més gran. L’informe de l’IEA d’abril de 2025 Energy and AI [7] , l’anàlisi més complet disponible, posa l’electricitat global dels data centers a 415 TWh el 2024. Això és aproximadament l’1,5% de l’electricitat global. Als EUA és més alt, al voltant del 4,4%.

Ara compara-ho amb les indústries sobre les quals la majoria de gent no publica fils indignats.

El model GLEAM 3.0 de la FAO [6] posa el sector ramader global a 6,2 gigatones de CO₂-equivalent per any, aproximadament el 12% de tots els gasos d’efecte hivernacle. Una avaluació anterior de la FAO amb una metodologia diferent va estimar 7,1 gigatones, o el 14,5% [14] . Basant-se en les xifres d’electricitat de l’IEA i la intensitat de carboni mitjana de la xarxa global, tots els data centers globals junts van emetre uns 180 megatones de CO₂ el 2024. Això vol dir que la ramaderia emet unes 35 a 40 vegades més gasos d’efecte hivernacle que tots els data centers del planeta, inclosos els que fan funcionar el teu correu, el teu streaming, la teva banca i la teva IA.

Levi i Cullen, en una anàlisi del 2018 publicada a Environmental Science & Technology [4] , van identificar el sector químic i petroquímic com el major consumidor industrial d’energia del món amb aproximadament 42,5 EJ per any, uns el 30% del consum industrial total. Els data centers amb 1,5 EJ són aproximadament 1/28 d’això. Fins i tot el 2030, quan es projecta que els data centers es dupliquin fins a uns 945 TWh, la petroquímica encara serà unes 12 vegades més gran.

Un sol passatger d’economia en un vol de Nova York a Londres genera entre 300 i 500 kg de CO₂ només d’anada [12] . Si s’inclou l’efecte del forçament radiatiu de les emissions a gran altitud, són entre 600 i 1.000 kg.

Per dir-ho clar: un vol transatlàntic d’anada i tornada emet aproximadament tant de CO₂ com una persona que fa servir un chatbot d’IA cada dia durant entre 30 i 90 anys, depenent dels patrons d’ús i de com de generós siguis amb les estimacions del vol.

xychart-beta
    x-axis ["Ramaderia", "Acer", "Petroquím.", "Aviació", "Transport marítim", "DCs", "IA"]
    y-axis "Mt CO₂e / any" 0 --> 7000
    bar [6650, 4400, 2500, 1050, 700, 180, 25]

Per què la IA rep tota l’atenció?

En part és per la novetat. La IA és nova, creix ràpid i s’associa amb grans empreses tecnològiques que molta gent ja no es fia. La carn, els cotxes i els vols són vells, familiars i personalment convenients. Sempre és més fàcil indignar-se per una cosa que no fas servir que per una cosa que sí.

En part és una preocupació legítima per la trajectòria. La demanda d’electricitat dels data centers creix al voltant del 15% anual, més de quatre vegades més ràpid que la demanda total d’electricitat. Goldman Sachs, en un informe del 2024 sobre IA i demanda energètica dels data centers [13] , projecta un augment del 165% fins al 2030. Les càrregues de treball d’IA representen ara el 14% de l’energia dels data centers, però aquesta proporció creix ràpid. L’IEA projecta que la IA podria representar entre el 35 i el 50% de l’energia dels data centers el 2030. En el seu escenari base, el consum total es duplica fins a 945 TWh, comparable al consum elèctric total del Japó.

També hi ha la qüestió de com es genera aquesta electricitat. El gas natural i el carbó encara subministren més del 40% de l’electricitat addicional dels data centers fins al 2030 segons l’IEA, cosa que genera un risc de lock-in de combustibles fòssils. Les emissions totals de Microsoft van pujar un 23,4% entre 2020 i 2024. Les de Google van pujar un 13% només el 2023. Les dues empreses s’han compromès amb operacions net-zero per al 2030 mentre construeixen data centers alimentats amb combustibles fòssils. Això és ridícul i és important dir-ho. Però és en gran part una decisió capitalista; hi ha fonts d’energia alternatives al món que no són tan dolentes.

L’eficiència millora més ràpid del que la majoria de gent creu

Una cosa que sovint s’omet de la narrativa catastrofista és la rapidesa amb què milloren el hardware i l’eficiència dels models. Google va reportar una reducció de 33 vegades en l’ús d’energia per prompt de text mitjà de Gemini en dotze mesos [9] – tot i que això reflecteix principalment un salt d’optimització puntual des del desplegament inicial fins a l’eficiència de producció, no una taxa de millora anual. La GPU B200 de NVIDIA ofereix 25 vegades millor eficiència energètica en inference que la H100, que ja era una millora enorme respecte a la A100. Les empreses tecnològiques són els majors compradors corporatius d’energia renovable del món, i es projecta que les renovables més la nuclear subministrin el 60% de l’electricitat dels data centers el 2030.

On gastar realment la teva indignació

Si et preocupa el medi ambient, i hauria de ser així, les dades et donen una llista clara de prioritats. Wynes i Nicholas, en un estudi de 2017 publicat a Environmental Research Letters [10] , van classificar les accions climàtiques individuals per l’estalvi anual de CO₂ als països desenvolupats, i ja en vaig escriure abans a La factura arriba. Viure sense cotxe estalvia unes 2,4 tones per any. Evitar un vol de llarga distància d’anada i tornada estalvia 1,6 tones. Canviar a una dieta vegetal estalvia unes 0,8 tones. Els productes animals proporcionen el 18% de les calories del món però generen el 56% de les emissions del menjar [5] .

Fes servir la IA o no, és la teva decisió i hi ha més coses a considerar que només l’impacte ambiental, és clar. Però no fer-la servir per raons ambientals és una gota insignificant avui dia. Fins i tot un usuari intensiu amb 100 consultes al dia afegiria uns 11 kWh per any, equivalent a fer funcionar una assecadora unes quatre vegades. Si realment vols compensar el teu ús de la IA, deixa de menjar una hamburguesa al mes i estaràs en positiu per tot un any.

L’impacte ambiental de la IA és real, creix, i mereix informes transparents, responsabilitat amb els compromisos climàtics i una planificació d’infraestructures intel·ligent. Són demandes raonables. Però la narrativa que la IA és una catàstrofe ambiental, empesa per gent que no aplica el mateix rigor al seu menjar, al seu cotxe o als seus plans de viatge, no és ecologisme. És buscar un blanc fàcil per a la indignació.

El planeta té problemes reals i enormes: combustibles fòssils, ramaderia, aviació, petroquímica. Aquests són els grans números. La IA és, ara per ara, una fracció d’un percentatge de les emissions globals, cada vegada més alimentada per renovables i millorant en eficiència més ràpid que gairebé qualsevol altra tecnologia.

Preocupa’t per l’impacte ambiental de la IA però només si fas els passos més importants primer.