Alimentando la IA: Por qué el exceso de energía en centros de datos puede no ser el desastre que algunos temen

Un nuevo informe de McKinsey aborda una pregunta que ha circulado tanto en salas de juntas como en círculos de política: ¿está Estados Unidos en riesgo de sobreconstruir capacidad eléctrica para los centros de datos de inteligencia artificial (IA)? El estudio, basado en una combinación de modelado de escenarios y patrones históricos de demanda, concluye que el riesgo de activos eléctricos inutilizados es menor de lo que muchos alarmistas predicen.

El análisis comienza cuantificando la escala de los proyectos de energía ya en marcha o anunciados para la próxima década. Según el informe, aproximadamente 30 gigavatios de nueva capacidad de generación —principalmente proyectos de gas natural y renovables— están destinados a servir la creciente huella de cómputo. Esto representa un aumento del 15 % sobre la capacidad actual de la red dedicada a cargas de centros de datos.

Crucialmente, McKinsey señala tres palancas operativas que mitigan el riesgo de sobreconstrucción. Primero, la elasticidad de la demanda: las cargas de trabajo de IA pueden desplazarse temporalmente, usando programas de respuesta a la demanda para alinear los picos de cómputo con períodos de abundante generación renovable. Segundo, el escalado modular: los diseños modernos de centros de datos permiten a los operadores añadir racks de cómputo de forma incremental, evitando la necesidad de contratos de energía monolíticos. Tercero, el uso compartido de carga entre industrias: la capacidad excedente puede redirigirse a otros sectores de alta intensidad, como la carga de vehículos eléctricos o procesos industriales, mejorando la utilización global de los activos.

Desde una perspectiva de métricas, el informe estima que incluso en un escenario de "baja adopción" —donde el crecimiento del cómputo de IA se estanca en un 5 % de CAGR anual— las tasas de utilización de los activos eléctricos recién construidos rondarían el 70 % de la capacidad dentro de cinco años. En contraste, una trayectoria de "alta adopción" (12 % de CAGR) elevaría la utilización por encima del 90 %, ofreciendo un mejor retorno de inversión para las utilities y reduciendo el costo por kilovatio‑hora de los servicios de IA.

Las implicaciones para el ecosistema de IA son dobles. Operativamente, las empresas pueden justificar la inversión continua en cómputo de alta densidad sin temer una reacción regulatoria inmediata por desperdicio energético. Estratégicamente, el hallazgo fomenta una integración más estrecha entre desarrolladores de IA y operadores de la red, promoviendo una planificación colaborativa que alinee los ciclos de cómputo con las curvas de suministro renovable. Sin embargo, el informe también advierte que la complacencia podría erosionar las ventajas de costo si los proveedores ignoran las oportunidades de respuesta a la demanda o se comprometen excesivamente con generación de un solo combustible.

En la práctica, la conclusión para los líderes empresariales es clara: centrarse en mejoras medibles de eficiencia —como la programación de cargas de trabajo, la optimización de refrigeración y la expansión modular— en lugar de preocuparse por posibles energías inutilizadas. Al hacerlo, pueden aprovechar el potencial productivo de la IA mientras mantienen bajo control la factura eléctrica y la narrativa de sostenibilidad más amplia.