Google y OpenAI han pasado el año pasado asegurando al público que una consulta de IA apenas consume más electricidad que un breve clip de televisión. Una nueva auditoría del mundo real realizada por el científico climático Zeke Hausfather sugiere que la verdad para los agentes autónomos de IA es mucho más aleccionadora: pueden consumir aproximadamente 600 veces más energía por mensaje que un intercambio de chat estándar. Los hallazgos, publicados el 8 de agosto de 2026 en un análisis en The Climate Brink, añaden una nueva urgencia a las preguntas sobre la huella ambiental de la IA a medida que la industria gira hacia agentes autónomos siempre activos. Para obtener informes continuos sobre el debate sobre la sostenibilidad que está dando forma a la industria, siga nuestra [cobertura de la industria de la IA] (https://aibuzzwire.news).

Una prueba de la realidad sobre las afirmaciones energéticas de las grandes empresas tecnológicas

El año pasado, Google informó que un mensaje de texto promedio de Gemini usa sólo 0,24 vatios-hora (Wh) de electricidad, menos de nueve segundos de televisión. El director ejecutivo de OpenAI, Sam Altman, ofreció una cifra similar, estimando la consulta ChatGPT promedio en aproximadamente 0,34 Wh, a la par con una búsqueda en Google de 2009.

Ambos números describen el mejor de los casos: un único intercambio de texto sin razonamiento extenso, sin búsquedas en la web, sin procesamiento multimodal y sin comportamiento de agente en bucle. Como señala Hausfather, no tienen en cuenta los modelos de razonamiento que generan muchos más tokens por consulta, los sistemas multiagente que se ejecutan de forma autónoma o el contexto en cascada que los agentes releen en cada paso.

Ocho semanas, 3,2 mil millones de tokens

Hausfather, un científico climático, rastreó su propio uso del agente codificador Claude Code de Anthropic con meticuloso detalle durante ocho semanas. Debido a que Claude Code almacena registros locales completos de cada sesión, incluidos los recuentos exactos de tokens informados por la API para cada llamada de modelo, pudo reconstruir una imagen precisa de lo que realmente exige un agente.

Las cifras son sorprendentes. Sus 1,138 mensajes escritos desencadenaron más de 14,000 llamadas de modelos, un promedio de aproximadamente doce por mensaje. Cada mensaje procesó un promedio de 2,9 millones de tokens, en comparación con aproximadamente mil tokens para un intercambio de chat típico. En total, su agente procesó 3.2 mil millones de tokens durante el período.

Un detalle sorprendente: aproximadamente el 96 por ciento de esos tokens fueron lecturas de caché. En cada uno de los 14.000 pasos, el agente relee todo el contexto acumulado antes de decidir qué hacer a continuación. El texto que Hausfather realmente ve en la pantalla (el resultado del modelo) representa solo el 0,4 por ciento de todos los tokens procesados. El costo computacional oculto ocurre casi en su totalidad detrás de escena.

Traducir tokens en electricidad

Debido a que ninguna parte externa conoce el costo energético exacto por token para un modelo de frontera, Hausfather convirtió sus recuentos de tokens en valores de electricidad utilizando tres métodos de estimación independientes con diferentes suposiciones. Su mejor estimación sitúa el consumo total en aproximadamente 170 kilovatios-hora (kWh) de electricidad del centro de datos durante ocho semanas, con un rango de incertidumbre de 70 a 330 kWh.

Por mensaje, eso equivale aproximadamente a 150 Wh, aproximadamente 600 veces la energía de un mensaje de chat promedio. Su sesión media de Claude Code consumió alrededor de 0,6 kWh, aproximadamente cincuenta veces la electricidad necesaria para cargar un teléfono inteligente. En un día normal, su consumo de agente alcanzaba los 3,0 kWh (entre 1,2 y 5,9 kWh), más que el consumo diario de dos refrigeradores domésticos.

Su día más intensivo, cuando varios agentes paralelos realizaron un extenso análisis de datos geográficos, consumió aproximadamente 11 kWh, más de un tercio del uso diario de electricidad de un hogar estadounidense promedio.

Qué significa un año de uso del agente

Ampliado a un año completo, el flujo de trabajo basado en agentes de Hausfather consumiría aproximadamente 1,1 megavatios-hora (MWh) de electricidad del centro de datos, con un rango de 0,4 a 2,2 MWh, aproximadamente una décima parte de lo que un hogar estadounidense promedio usa anualmente. Según la combinación eléctrica promedio de EE. UU., eso se traduce en aproximadamente 370 kilogramos de emisiones equivalentes de CO2 por año.

Para ponerlo en contexto, eso es más que hacer funcionar una secadora de ropa eléctrica durante un año (alrededor de 262 kg) y aproximadamente la mitad de las emisiones directas de un vuelo económico de ida y vuelta de San Francisco a Nueva York (alrededor de 700 kg). Hausfather señala que representa aproximadamente el ocho por ciento de las emisiones anuales de un automóvil estadounidense típico propulsado por gasolina y aproximadamente el dos por ciento de la huella de carbono anual promedio del estadounidense.

"Esto es a la vez una gran fuente de emisiones y una parte relativamente modesta de mi huella de carbono total", escribió.

Las verdaderas palancas: energía limpia y rutas más inteligentes

Hausfather tiene cuidado de no enmarcar la cuestión en torno a la culpa personal. La moderación por parte del pequeño grupo de usuarios habituales "no va a doblar ninguna curva", argumenta. En cambio, destaca dos palancas estructurales.

En primer lugar, enrutar tareas más simples a modelos más pequeños marca una diferencia significativa. Los modelos más pequeños utilizan aproximadamente cinco a siete veces menos energía por token que los modelos de frontera. En segundo lugar, y lo más importante, la intensidad de carbono de la electricidad en sí misma es el factor dominante. Si la misma carga de trabajo funcionara principalmente con energía limpia, la huella de carbono se reduciría aproximadamente 90 por ciento.

El problema es el combustible detrás del auge. Según Hausfather, casi tres cuartas partes de la generación de energía in situ planificada para los centros de datos de EE. UU. funciona con gas natural, lo que significa que la rápida expansión de la computación con IA está respaldada en gran parte por combustibles fósiles.

Una advertencia a medida que los agentes aumentan

Las estimaciones de Hausfather, si bien son razonables, siguen siendo estimaciones y reflejan los patrones de uso actuales. Los laboratorios de IA ya están compitiendo para implementar sistemas basados ​​en agentes que se ejecuten de forma autónoma durante días, semanas o incluso meses. Si esa visión se materializa, el consumo de energía por "usuario" podría aumentar mucho más.

Su mensaje central es que las cifras por consulta que Google y OpenAI han publicado distorsionan la realidad de cómo está evolucionando la tecnología. "En última instancia, un 'indicador' no es una unidad de uso de la IA, como tampoco los 'viajes' son una medida de conducción; lo que importa es hasta dónde llegas", escribió Hausfather.

Manténgase por delante de la IA

A medida que los agentes autónomos pasan de la infraestructura novedosa a la predeterminada, su factura energética oculta será más difícil de ignorar. Para obtener informes continuos y verificados sobre la investigación de la IA, la sostenibilidad y las empresas que dan forma a este campo, agregue nuestra página de inicio a favoritos y lea más noticias sobre IA → en https://aibuzzwire.news.