Es imposible de negar o matizar. La inteligencia artificial se ha convertido en uno de los motores tecnológicos de nuestro tiempo, pero también en una de sus mayores incógnitas energéticas. En los debates públicos se repite con frecuencia cuánto cuesta, en términos eléctricos, entrenar un gran modelo de lenguaje o un sistema avanzado de visión artificial. Entre quienes han intervenido en esta conversación está Sam Altman, empresario tecnológico y director ejecutivo de OpenAI, una de las compañías líderes en el desarrollo de modelos de IA generativa. Y es precisamente este, padre de ChatGPT, el que tiene una idea motriz un tanto polémica sobre la energía, los recursos y la humanidad.
Sam Altman, creador de ChatGPT, defiende el coste energético de la IA: 'También consume recursos formar a una persona durante dos décadas'
Altman, en su demostración de que la inversión energética es algo necesario para el progreso, ha recurrido a una comparación provocadora: "La gente habla de cuánta energía se necesita para entrenar un modelo de IA… Pero también cuesta mucha energía entrenar a un ser humano. Son como 20 años de vida y toda la comida que consumes en ese tiempo antes de que seas inteligente", indicaba el ejecutivo.
🚨 SAM ALTMAN: “People talk about how much energy it takes to train an AI model … But it also takes a lot of energy to train a human. It takes like 20 years of life and all of the food you eat during that time before you get smart.” pic.twitter.com/vRuVnnmzjB
— Chief Nerd (@TheChiefNerd) February 21, 2026
La analogía, según algunos expertos es sugerente, pero simplifica una cuestión compleja. Es cierto que el cerebro humano consume energía -aproximadamente el 20% del gasto calórico en reposo- y que formar a una persona implica recursos, infraestructuras educativas y años de inversión social.
Pero seremos honestos. La diferencia radica en la escala y la concentración del consumo. Un modelo de IA puede requerir en pocos meses una cantidad de electricidad que, además, depende en gran medida de fuentes energéticas no siempre renovables. El impacto es inmediato y masivo, más y cuando hablamos de una revolución tecnológica que está arrasando en todos los continentes y países.
A corto plazo, el problema no reside únicamente en el coste del entrenamiento inicial, sino también en el gasto energético continuo de la inferencia. Cada consulta, cada imagen generada y cada proceso automatizado consumen energía. Con millones de usuarios interactuando diariamente, la demanda se multiplica. Los grandes centros de datos requieren refrigeración constante y un suministro eléctrico estable, lo que aumenta la huella de carbono si no se utilizan fuentes de energía limpias.
A medio plazo, si la carrera por modelos más grandes persiste, el aumento exponencial del consumo podría sobrecargar las redes eléctricas y comprometer los objetivos climáticos. Por lo tanto, la cuestión no es oponer inteligencia humana a inteligencia artificial, sino evaluar la eficiencia y la sostenibilidad del modelo tecnológico que estamos desarrollando. Sin avances en eficiencia energética y una transición real hacia fuentes renovables, la revolución de la IA corre el riesgo de agravar el desafío energético global.
