Durante mucho tiempo, la política energética, pese a sus retos, se planeó desde una lógica relativamente predecible. La demanda crecía ligadas al dinamismo de la economía y sus sectores, las decisiones de inversión se tomaban con horizontes largos y los cambios tecnológicos —renovables, eficiencia, almacenamiento—, no exentos de complejidad, se incorporaban gradualmente. La inteligencia artificial está alterando ese equilibrio, no por una disrupción súbita, sino por algo más difícil de procesar: una presión constante y creciente sobre la infraestructura eléctrica.
Desde hace meses se discute que los modelos de IA consumen mucha energía, que los centros de datos son intensivos en electricidad y que el entrenamiento de modelos grandes de lenguaje crean una huella ambiental considerable. Nada de eso es nuevo. Lo que sigue sin dimensionarse con claridad es qué implica esto para las decisiones estructurales del sistema energético.
Una metáfora útil es la del cuarto de máquinas. Por años, la IA ha sido vista como software: algo que corre sobre sistemas existentes. Hoy se comporta más bien como una carga nueva que entra directamente al corazón del sistema eléctrico. No ajusta únicamente el tablero; redefine el tamaño del generador.
Un caso ilustrativo es el de Estados Unidos, donde grandes empresas tecnológicas han comenzado a asegurar suministro eléctrico de largo plazo para alimentar sus centros de datos. El anuncio de Microsoft de reabrir un reactor nuclear en Three Mile Island no es solo una anécdota llamativa. Es una señal de escala. Cuando una tecnología digital empieza a justificar la reapertura de infraestructura nuclear, estamos ante un fenómeno que excede cualquier comparación con servicios digitales tradicionales.
El punto va más allá de entender si la energía nuclear es deseable o no. La IA está empezando a influir en decisiones energéticas que normalmente se toman a nivel de Estado, con implicaciones regulatorias, ambientales y sociales de largo plazo. La demanda asociada a los centros de datos no es marginal, ni flexible, ni fácilmente desplazable. Es continua, concentrada y exige confiabilidad absoluta.
Esto genera tensiones nuevas. Por un lado, las empresas tecnológicas tienen compromisos climáticos ambiciosos y buscan fuentes bajas en carbono. Por otro, la urgencia por asegurar energía suficiente puede empujar soluciones que reactivan infraestructuras consideradas superadas o políticamente sensibles. No es casual que resurja la discusión sobre lo nuclear, pero también sobre gas, líneas de transmisión y uso prioritario de la red.
El problema, otra vez, no es reconocer el impacto energético de la IA, sino medirlo con instrumentos adecuados. Muchos análisis siguen evaluando el consumo eléctrico de la IA como una fracción del total, sin atender su concentración geográfica ni su rigidez operativa. Un centro de datos no se comporta como una ciudad: no reduce demanda en horas pico ni tolera interrupciones. Exige red, generación y respaldo.
Desde la perspectiva de política pública, esto plantea preguntas incómodas. ¿Cómo se asigna capacidad eléctrica cuando una sola instalación puede consumir tanto como una población mediana? ¿Qué prioridad tiene una carga destinada a optimizar modelos frente a otros usos productivos o sociales? ¿Quién financia la expansión de la red necesaria para sostener esta demanda?
En términos económicos, estamos frente a otra externalidad mal evaluada. El precio que pagan las empresas por la electricidad no refleja necesariamente los costos sistémicos de adaptar la infraestructura para atenderlas. Líneas de transmisión, respaldo, estabilidad de la red: todo eso tiene costos que suelen distribuirse de forma difusa.
La inteligencia artificial, al escalar, está dejando de ser solo una usuaria intensiva de energía para convertirse en un factor que condiciona la planeación energética. Al ocurrir de ese modo, la conversación transita del terreno tecnológico al institucional.
En la primera entrega hablamos de externalidades mal medidas. En esta, vemos una consecuencia concreta de esa mala medición: decisiones de infraestructura que se toman caso por caso, sin un marco claro para evaluar su impacto agregado. Nuestras preguntas ya se canalizan al terreno de qué tipo de sistema energético estamos construyendo para sostener la IA.
En la tercera entrega, el foco estará en ese vacío: la ausencia de reglas, estándares y mecanismos de gobernanza que permitan incorporar estas externalidades en decisiones públicas. En cuanto la tecnología dirige el cuarto de máquinas es momento de que su regulación se vuelva una discusión inexorable.
