Luis Orlando Díaz Vólquez | #GuasábaraEditor
Artículo de opinión académica
16 de agosto de 2026
Resumen
La inteligencia artificial se ha convertido en una tecnología de propósito general con capacidad para transformar la producción, la energía, el transporte, la agricultura, las finanzas y la gestión de infraestructuras. Sin embargo, su expansión plantea una contradicción climática que trasciende el consumo eléctrico de los centros de datos. Además de requerir energía, agua, semiconductores, redes y materiales, la IA puede aumentar la productividad de las industrias que la utilizan. Cuando esas mejoras se aplican a la exploración, extracción, refinación y comercialización de petróleo, gas y carbón, la tecnología puede abaratar la oferta fósil, ampliar reservas económicamente recuperables y prolongar la vida útil de activos intensivos en carbono. Un estudio publicado en 2026 en npj Climate Action estima que, en determinados escenarios de adopción paralela, las ganancias de productividad asociadas con la IA podrían incrementar las emisiones mundiales entre 0.47 y 1.8 gigatoneladas de dióxido de carbono anuales. Este artículo examina ese riesgo junto con la expansión energética de los centros de datos, las emisiones corporativas, las oportunidades de descarbonización y las implicaciones para los países en desarrollo. Se sostiene que la IA no es inherentemente limpia ni contaminante. Su balance climático dependerá de la matriz eléctrica, las industrias beneficiadas, los incentivos económicos y la capacidad regulatoria de los Estados. La gobernanza debe evolucionar desde la medición limitada de la electricidad consumida hacia una contabilidad integral de emisiones operativas, incorporadas, indirectas, evitadas, inducidas y habilitadas.
Palabras clave: inteligencia artificial, combustibles fósiles, centros de datos, emisiones habilitadas, transición energética, gobernanza climática, descarbonización.
Introducción
La discusión mundial sobre inteligencia artificial suele oscilar entre dos extremos. En uno, la IA aparece como una fuerza casi ilimitada de productividad, descubrimiento científico y eficiencia. En el otro, es presentada como una infraestructura voraz que consume electricidad, agua y materiales a una velocidad incompatible con los compromisos climáticos. Ambas visiones contienen elementos verdaderos, pero resultan incompletas si se observan aisladamente. La inteligencia artificial no constituye una fuente primaria de energía ni posee una orientación ambiental propia. Es una capacidad tecnológica que amplifica objetivos humanos y estructuras económicas preexistentes. Por eso, su impacto climático depende menos de la supuesta “intención” de los algoritmos que de los sectores donde se despliegan, el sistema eléctrico que los alimenta y las normas que condicionan su utilización.[1] [oecd.org], [oecd.ai], [reports.weforum.org]
La pregunta decisiva ya no es solamente cuánta electricidad consumen los centros de datos. También debe preguntarse qué actividades económicas resultan más productivas gracias a la IA. Un algoritmo capaz de integrar energías renovables a la red puede disminuir emisiones, pero otro que perfeccione la interpretación sísmica, identifique nuevos depósitos de hidrocarburos, reduzca costos de perforación o mejore el rendimiento de una refinería puede facilitar emisiones futuras mucho mayores que las generadas durante su entrenamiento. Esta diferencia introduce una dimensión que los inventarios corporativos todavía no reflejan adecuadamente: las emisiones habilitadas por aplicaciones tecnológicas.[2] [nature.com], [citizen.org], [iea.org]
La materialidad energética de la inteligencia artificial
La expresión “nube” ha contribuido a construir la imagen de una economía digital inmaterial. En realidad, cada operación de IA depende de una infraestructura física formada por centros de datos, procesadores especializados, sistemas de transmisión, cables, transformadores, baterías, generadores de respaldo y equipos de refrigeración. La fabricación y construcción de esa infraestructura requieren minerales, acero, cemento, agua y energía. Por ello, la huella de la IA debe analizarse mediante un enfoque de ciclo de vida que incluya tanto las emisiones operativas como el carbono incorporado en edificios, equipos y cadenas de suministro.[3] [oecd.ai], [oeko.de], [news.mit.edu]
La Agencia Internacional de Energía calcula que los centros de datos consumieron alrededor de 415 a 460 teravatios hora de electricidad en 2024, dependiendo del perímetro estadístico empleado. Su escenario central proyecta que la demanda podría superar los 1,000 teravatios hora en 2030 y alcanzar 1,300 teravatios hora en 2035. Aunque estas instalaciones representarían alrededor del 3 % de la generación eléctrica mundial en 2030, su impacto será territorialmente concentrado. Un complejo de gran escala puede exigir tanta electricidad como una ciudad, mientras varios centros agrupados en una misma región pueden competir con hogares e industrias por capacidad de generación, transmisión y agua.[4] [iea.org], [iea.org], [spglobal.com]
Estados Unidos ilustra esa concentración. El Laboratorio Nacional Lawrence Berkeley estimó que los centros de datos consumieron 176 teravatios hora en 2023, equivalentes al 4.4 % de la electricidad estadounidense. Para 2028, el consumo podría situarse entre 325 y 580 teravatios hora, o entre 6.7 % y 12 % de la electricidad nacional. El intervalo es amplio porque depende del crecimiento de la IA, la eficiencia de los procesadores, la utilización de los servidores y la evolución del resto de la economía. La incertidumbre no disminuye la importancia del fenómeno; demuestra que las decisiones tomadas durante los próximos años determinarán si la digitalización conduce a sistemas más eficientes o a una nueva expansión estructural de la demanda fósil.[5] [newscenter.lbl.gov], [energy.gov], [eta-public...ns.lbl.gov]
El Massachusetts Institute of Technology ha señalado que los centros de datos presentan densidades energéticas muy superiores a las de edificios convencionales y que la discusión pública suele subestimar las emisiones incorporadas asociadas con acero, concreto, procesadores, refrigeración y cableado. También advierte que el tránsito desde aplicaciones de texto hacia imágenes, audio y video incrementa la intensidad computacional. No todas las consultas, modelos ni tareas consumen lo mismo, razón por la cual las comparaciones simplificadas entre una consulta de IA y una búsqueda convencional deben manejarse con cautela.[6] [news.mit.edu], [sustainabi...ty.mit.edu], [mitsloan.mit.edu]
Una demanda eléctrica que puede prolongar el uso de gas y carbón
La demanda de los centros de datos crece con mayor rapidez que la construcción de líneas de transmisión y que algunos procesos de autorización para energías renovables. En esas circunstancias, las empresas procuran generación que pueda instalarse rápidamente y suministrar electricidad continua. El resultado puede ser una combinación de renovables, gas natural, carbón, energía nuclear, almacenamiento y generación propia. La AIE proyecta que las fuentes renovables cubrirán cerca de la mitad del crecimiento del suministro eléctrico para centros de datos hasta 2030, pero el gas y el carbón atenderían conjuntamente más del 40 % de la demanda adicional durante el mismo periodo.[7] [iea.org], [iea.org], [iea.org]
Este dato obliga a rechazar dos narrativas igualmente defectuosas. La primera sostiene que toda expansión de la IA será inevitablemente fósil. La segunda supone que los contratos corporativos de energía renovable garantizan por sí solos una operación permanentemente libre de carbono. Una compañía puede adquirir anualmente certificados o contratos equivalentes a su consumo total y, al mismo tiempo, utilizar electricidad procedente de gas o carbón durante horas en que la generación renovable no está disponible. La transparencia climática requiere, por tanto, avanzar desde la compensación anual hacia la correspondencia horaria y geográfica entre consumo y generación baja en carbono.[8] [sustainabi...ity.google], [blog.google], [iea.org]
Debe reconocerse, sin embargo, que la transición eléctrica mundial ha conseguido avances sustanciales. Ember informó que en 2025 la generación limpia cubrió todo el crecimiento de la demanda eléctrica global, la energía solar aportó el 75 % de ese aumento y las renovables alcanzaron el 33.8 % de la generación mundial, superando al carbón por primera vez en la era moderna. La generación fósil global descendió 0.2 % interanual. Estos resultados demuestran que el crecimiento de la electricidad no tiene que traducirse automáticamente en más combustibles fósiles. Pero un aumento extraordinario de nuevas cargas digitales puede consumir capacidad renovable que, en ausencia de la IA, habría desplazado centrales fósiles en hogares, industrias y transporte.[9] [ember-energy.org], [ember-energy.org], [iea.org]
Las emisiones corporativas y la crisis de credibilidad climática
Los reportes ambientales de las grandes empresas tecnológicas revelan la tensión entre compromisos climáticos y expansión de infraestructura. Microsoft informó que sus emisiones totales alcanzaron aproximadamente 20.3 millones de toneladas de dióxido de carbono equivalente en su ejercicio fiscal 2025, frente a cerca de 16.2 millones el año anterior, un incremento aproximado de 25 %. La empresa reconoce que la expansión de la IA y la nube aumenta la demanda de energía, agua, materiales y suelo, aunque también informa inversiones en energía libre de carbono, eficiencia y remoción de dióxido de carbono.[10] [cdn-dynmed...rosoft.com], [blogs.microsoft.com], [cdn-dynmed...rosoft.com], [finance.yahoo.com]
Amazon registró un aumento de 16 % en sus emisiones absolutas durante 2025. Las emisiones de alcance 2 vinculadas con electricidad adquirida crecieron 34 %, mientras las de alcance 3 aumentaron 20 %. La compañía destaca que su intensidad de carbono permanece 38 % por debajo de 2019, aun cuando los ingresos crecieron 156 % desde ese año. Esto revela una distinción fundamental: reducir las emisiones por unidad de ingreso no equivale a disminuir las emisiones absolutas. Para estabilizar el clima importa el volumen total de gases acumulado en la atmósfera, no solamente la eficiencia relativa de una empresa.[11] [aboutamazon.com], [esgdive.com]
Google ofrece un panorama más matizado que algunas informaciones periodísticas. Su reporte ambiental de 2026, relativo a 2025, indica que la demanda eléctrica aumentó 37 %, mientras las emisiones operativas descendieron 2 %. La empresa contrató más de 12 gigavatios de nueva energía limpia y declaró haber evitado 58 millones de toneladas de CO₂ equivalente mediante eficiencia, software, hardware y compras de energía. Por tanto, no resulta correcto atribuirle indiscriminadamente un incremento interanual de 25 % sin identificar el alcance, la metodología y el periodo comparado. La experiencia de Google demuestra que el crecimiento computacional puede desacoplarse parcialmente de las emisiones operativas, pero no elimina la necesidad de evaluar la cadena de suministro y los impactos facilitados por sus aplicaciones.[12] [sustainabi...ity.google], [blog.google]
El proyecto GW Ranch, asociado con un gran campus de Amazon en el condado de Pecos, Texas, representa la dimensión extrema de este desafío. La instalación propuesta contemplaría 35 turbinas de gas con una capacidad aproximada de 7.65 gigavatios. El permiso permitiría hasta 33 millones de toneladas de CO₂ anuales, cifra superior a la emisión individual de cualquier central eléctrica estadounidense actualmente operativa. Debe aclararse que un límite autorizado no equivale a las emisiones efectivas, pues las plantas rara vez operan todo el año al máximo permitido. Aun así, la escala del proyecto muestra cómo la búsqueda de electricidad firme puede crear activos fósiles con vida útil de varias décadas.[13] [easternherald.com], [techcrunch.com], [drmhse.com]
El problema mayor: las emisiones habilitadas
El trabajo de Holly Alpine, Will Alpine, Nathan Geldner y Maksym Chepeliev, publicado en npj Climate Action en agosto de 2026, desplaza el centro del debate desde el consumo de los servidores hacia las transformaciones económicas ocasionadas por la IA. Utilizando un modelo de equilibrio general, los investigadores analizaron cómo las ganancias de productividad en combustibles fósiles, energías renovables, redes eléctricas, transporte marítimo y manufactura pesada pueden modificar precios, producción, consumo y emisiones.[14] [nature.com], [citizen.org], [magica.com]
En escenarios donde la adopción de IA genera beneficios simultáneos y comparables para las actividades fósiles y las bajas en carbono, el modelo obtiene un incremento neto de entre 0.47 y 1.8 gigatoneladas de CO₂ por año. Esa cantidad representaría entre 1.2 % y 4.8 % de las emisiones energéticas mundiales de 2024. La AIE estimó posteriormente que las emisiones energéticas globales alcanzaron casi 38.4 gigatoneladas en 2025. El límite superior del estudio, por consiguiente, tendría una magnitud sistémica y podría contrarrestar reducciones alcanzadas mediante electrificación, energías renovables y eficiencia.[15] [nature.com], [citizen.org], [iea.org], [iea.org]
La estimación no debe presentarse como una predicción inevitable. Se trata de un resultado condicionado por supuestos acerca de productividad, adopción, elasticidades, precios y respuesta del mercado. Tampoco debe sumarse mecánicamente a todas las proyecciones de emisiones de centros de datos, pues los perímetros analíticos pueden diferir. Su valor radica en identificar un mecanismo omitido: si la IA reduce los costos de extracción, aumenta el volumen económicamente recuperable y abarata la oferta fósil, el consumo puede crecer aunque cada barril o unidad energética sea producido con mayor eficiencia.[16] [nature.com], [magica.com]
Esta dinámica es consistente con la conocida paradoja de Jevons. La eficiencia técnica no garantiza una disminución absoluta del consumo cuando abarata un recurso o expande sus usos. Aplicada al sector petrolero, una reducción de costos puede prolongar la producción de campos maduros, mejorar la tasa de recuperación, revelar yacimientos antes inviables y optimizar cadenas logísticas. El beneficio climático de utilizar menos energía por barril puede quedar superado por el aumento del número de barriles extraídos y quemados. La eficiencia operativa, sin límites sobre la producción o las emisiones, puede convertirse en una estrategia de expansión.[17] [nature.com], [newsbreak.com], [iea.org]
Los investigadores estiman que las ganancias de productividad de las energías renovables tendrían que ser aproximadamente entre cuatro y cinco veces superiores a las obtenidas por el sector fósil para alcanzar el equilibrio climático bajo las condiciones modeladas. La asimetría se explica parcialmente porque el sistema económico mundial ya posee una vasta infraestructura de extracción, transporte y consumo de hidrocarburos. Una innovación que se incorpora a esa estructura puede expandirse con rapidez, mientras la energía renovable enfrenta restricciones de redes, almacenamiento, permisos, suelo y financiamiento.[18] [nature.com], [citizen.org], [newsbreak.com]
La IA también puede acelerar la descarbonización
Una evaluación científicamente equilibrada debe reconocer el potencial favorable de la IA. La AIE identifica posibilidades para optimizar redes eléctricas, anticipar generación renovable, reducir pérdidas, gestionar demanda, mejorar edificios, detectar fugas de metano y acelerar la innovación de materiales. La inteligencia artificial puede procesar grandes cantidades de información meteorológica, operativa y comercial para integrar mejor fuentes variables como el sol y el viento.[19] [iea.org], [iea.org], [build-up.e....europa.eu]
Una investigación divulgada por el Grantham Research Institute de la London School of Economics estimó que la aplicación ambiciosa de IA en electricidad, transporte y alimentación podría evitar entre 3.2 y 5.4 gigatoneladas de CO₂ equivalente anuales para 2035. En el sector eléctrico, la IA podría mejorar la gestión de redes y elevar hasta 20 % el factor de utilización de determinadas instalaciones solares y eólicas. El estudio también identifica contribuciones en movilidad compartida, baterías, proteínas alternativas, modelación climática y adaptación.[20] [lse.ac.uk], [climatesol...tions.news], [bcs.org]
La diferencia entre estas estimaciones optimistas y el estudio sobre emisiones habilitadas no constituye necesariamente una contradicción. Los trabajos evalúan mecanismos, sectores y escenarios distintos. Uno pregunta cuánto podría reducir la IA si se orienta deliberadamente hacia la transición climática. El otro examina qué puede ocurrir cuando las ganancias de productividad también fortalecen la oferta fósil. Ambos convergen en una misma conclusión: el balance ambiental no está predeterminado por la tecnología. Depende de la dirección económica y política de sus aplicaciones.[21] [nature.com], [iea.org], [lse.ac.uk]
Hacia una gobernanza climática integral de la IA
La primera reforma necesaria es metodológica. Los Estados y las empresas deben diferenciar al menos seis categorías: emisiones operativas derivadas de la electricidad y los combustibles consumidos; emisiones incorporadas en edificios, equipos y materiales; emisiones de la cadena de valor; emisiones inducidas por el aumento general de la demanda; emisiones habilitadas por aplicaciones que expanden actividades contaminantes; y emisiones evitadas mediante optimización o sustitución. Sin esta taxonomía, una empresa puede destacar reducciones logradas por una aplicación mientras omite las emisiones facilitadas por otra.[22] [oecd.org], [oecd.ai], [news.mit.edu]
La OCDE recomienda desarrollar estándares comparables, ampliar la recopilación de datos, identificar impactos específicamente atribuibles a la IA y mirar más allá de la energía operacional. Esa agenda debería traducirse en obligaciones de divulgación sobre consumo horario de electricidad, ubicación de cargas, fuentes físicas de generación, utilización de agua, carbono incorporado, vida útil del hardware y contratos de IA con sectores intensivos en emisiones. La transparencia voluntaria resulta insuficiente cuando los métodos corporativos no son plenamente comparables.[23] [oecd.org], [oecd.ai], [oecd.ai]
La segunda reforma es energética. Los nuevos centros de datos deberían vincularse con capacidad limpia adicional, almacenamiento, modernización de redes y flexibilidad de demanda. No basta con comprar atributos renovables producidos en otra región o en horas diferentes. Una infraestructura digital responsable debe contribuir a expandir el sistema eléctrico, evitar trasladar costos a los hogares y demostrar que su entrada no prolongará centrales fósiles que de otro modo se retirarían.[24] [iea.org], [weforum.org], [reports.weforum.org]
La tercera reforma consiste en evaluar las aplicaciones según su función económica. Los gobiernos podrían exigir análisis climáticos reforzados para servicios de IA destinados a la exploración y expansión de combustibles fósiles. Esta evaluación no supone prohibir toda aplicación en petróleo y gas. Algunas pueden prevenir accidentes, detectar metano o reducir impactos operativos. La distinción regulatoria debe establecerse entre utilizar IA para disminuir daños en actividades existentes y emplearla para descubrir reservas, ampliar producción o prolongar estructuralmente la dependencia fósil.[25] [nature.com], [citizen.org], [iea.org]
La cuarta reforma es fiscal y financiera. Sin señales económicas coherentes, la IA tenderá a beneficiar a los sectores capaces de pagar por sus herramientas más avanzadas. Los precios al carbono, la eliminación gradual de subsidios fósiles ineficientes, las normas de desempeño, las adquisiciones públicas verdes y la financiación concesional para redes y renovables pueden inclinar la productividad digital hacia la descarbonización. La innovación no opera en el vacío; sigue los incentivos definidos por mercados, gobiernos e instituciones financieras.[26] [weforum.org], [reports.weforum.org], [iea.org]
Implicaciones para la República Dominicana y el Caribe
Para la República Dominicana, la discusión tiene relevancia estratégica. El país aspira a ampliar la digitalización, atraer inversión tecnológica, mejorar la productividad y fortalecer su posición logística regional. Los centros de datos y la IA pueden contribuir a esos objetivos, pero también crear nuevas presiones sobre un sistema eléctrico todavía expuesto a combustibles importados. La localización de grandes cargas computacionales debe coordinarse con expansión renovable, almacenamiento, redes, disponibilidad de agua, gestión de residuos electrónicos y resiliencia ante huracanes y calor extremo.
La política pública dominicana debería exigir estudios de impacto energético y ambiental antes de conceder incentivos a infraestructuras digitales de gran escala. Esos estudios deben determinar quién financiará la nueva generación y transmisión, cómo se protegerá al consumidor residencial, qué fuentes abastecerán la instalación durante las 24 horas y qué proporción de energía limpia será verdaderamente adicional. Atraer un centro de datos que aumente las importaciones de gas o fuel oil, eleve los costos del sistema y socialice las inversiones de red podría generar actividad económica sin producir desarrollo sostenible.
El Caribe puede convertir su vulnerabilidad climática en una posición diplomática activa. La región tiene legitimidad para reclamar estándares internacionales de IA compatibles con el Acuerdo de París, mecanismos de financiamiento para infraestructura digital limpia y acceso equitativo a tecnologías de pronóstico, adaptación y gestión energética. La gobernanza global no debe permitir que los beneficios económicos de la IA se concentren en las mayores economías mientras sus costos climáticos recaen desproporcionadamente sobre los pequeños Estados insulares.
Conclusión
La inteligencia artificial se encuentra ante un espejo que refleja las contradicciones del sistema económico contemporáneo. Puede acelerar descubrimientos científicos, optimizar redes eléctricas, facilitar energías renovables y mejorar la adaptación climática. También puede reducir costos de extracción, ampliar la producción de hidrocarburos, estimular nuevas centrales de gas y prolongar activos incompatibles con las metas de descarbonización.
El riesgo principal no consiste exclusivamente en que los centros de datos consuman más electricidad. El peligro mayor surge cuando la IA fortalece la productividad y competitividad de los combustibles fósiles a una velocidad superior a aquella con la que contribuye a sustituirlos. En ese escenario, los algoritmos más avanzados del siglo XXI terminarían preservando la estructura energética de los siglos XIX y XX.
La respuesta no debe ser frenar indiscriminadamente la innovación, sino gobernarla. Eso exige medir impactos completos, transparentar contratos y consumos, condicionar incentivos, acelerar redes limpias, proteger a las comunidades y evaluar qué industrias son ampliadas por la inteligencia artificial. También requiere distinguir entre eficiencia relativa y reducción absoluta, entre energía renovable contratada y electricidad limpia físicamente suministrada, y entre emisiones propias y emisiones habilitadas.
La IA no es neutral porque ninguna tecnología de propósito general lo es una vez insertada en relaciones económicas, instituciones e intereses concretos. Su destino climático será consecuencia de decisiones humanas. La gran responsabilidad del presente consiste en impedir que una herramienta concebida para ampliar la inteligencia termine perfeccionando la capacidad de la humanidad para prolongar sus errores históricos.
Notas numeradas, estilo Chicago
Organización para la Cooperación y el Desarrollo Económicos, Measuring the Environmental Impacts of Artificial Intelligence Compute and Applications (París: OECD Publishing, 2022).
Holly Alpine et al., “AI-Driven Productivity Gains Enable More CO₂ Emissions Than They Avoid,” npj Climate Action (2026), https://doi.org/10.1038/s44168-026-00411-0.
Adam Zewe, “Responding to the Climate Impact of Generative AI,” MIT News, 30 de septiembre de 2025.
International Energy Agency, Energy and AI (París: IEA, 2025).
Arman Shehabi et al., 2024 United States Data Center Energy Usage Report (Berkeley: Lawrence Berkeley National Laboratory, 2024).
World Economic Forum, Artificial Intelligence’s Energy Paradox: Balancing Challenges and Opportunities (Ginebra: World Economic Forum, 2025).
International Energy Agency, “Energy Supply for AI,” en Energy and AI (París: IEA, 2025).
Google, 2026 Environmental Report (Mountain View, CA: Google, 2026).
Nicolas Fulghum et al., Global Electricity Review 2026 (Londres: Ember, 2026).
Microsoft, 2026 Environmental Sustainability Report: Responsibly Building the AI Future (Redmond, WA: Microsoft, 2026).
Amazon, 2025 Sustainability Report (Seattle: Amazon, 2026).
Google, 2026 Environmental Report.
Anthony Ha, “Planned Amazon Data Center Could Become the Biggest Climate Polluter in the U.S.,” TechCrunch, 8 de agosto de 2026.
Alpine et al., “AI-Driven Productivity Gains.”
International Energy Agency, Global Energy Review 2026 (París: IEA, 2026).
Alpine et al., “AI-Driven Productivity Gains.”
International Energy Agency, “AI and Climate Change,” en Energy and AI.
Alpine et al., “AI-Driven Productivity Gains.”
International Energy Agency, Energy and AI.
Grantham Research Institute on Climate Change and the Environment y Systemiq, “Green and Intelligent: The Role of AI in the Climate Transition,” 2025.
World Economic Forum, From Paradox to Progress: A Net-Positive AI Energy Framework (Ginebra: World Economic Forum, 2025).
OECD, Measuring the Environmental Impacts of Artificial Intelligence.
Ibid.
International Energy Agency, “Energy Supply for AI.”
Alpine et al., “AI-Driven Productivity Gains.”
World Economic Forum, From Paradox to Progress.
Referencias bibliográficas en formato APA 7.ª edición
Alpine, H., Alpine, W., Geldner, N., & Chepeliev, M. (2026). AI-driven productivity gains enable more CO₂ emissions than they avoid. npj Climate Action. https://doi.org/10.1038/s44168-026-00411-0
Amazon. (2026). 2025 sustainability report. https://sustainability.aboutamazon.com/reports
Díaz Vólquez, L. O. (2026, 16 de agosto). La inteligencia artificial ante el espejo de los combustibles fósiles: Innovación, emisiones habilitadas y gobernanza climática [Artículo de opinión]. Guasábara Editor.
Ember. (2026). Global electricity review 2026. https://ember-energy.org/latest-insights/global-electricity-review-2026/
Google. (2026). 2026 environmental report. https://sustainability.google/google-2026-environmental-report/
Grantham Research Institute on Climate Change and the Environment. (2025, 23 de junio). New study finds AI could reduce global emissions annually by 3.2 to 5.4 billion tonnes of carbon-dioxide-equivalent by 2035. London School of Economics and Political Science. https://www.lse.ac.uk/granthaminstitute/
International Energy Agency. (2025). Energy and AI. https://www.iea.org/reports/energy-and-ai
International Energy Agency. (2026). Global energy review 2026. https://www.iea.org/reports/global-energy-review-2026
Massachusetts Institute of Technology. (2025, 30 de septiembre). Responding to the climate impact of generative AI. MIT News. https://news.mit.edu/2025/responding-to-generative-ai-climate-impact-0930
Microsoft. (2026). 2026 environmental sustainability report: Responsibly building the AI future. https://www.microsoft.com/en-us/corporate-responsibility/sustainability/report
Organisation for Economic Co-operation and Development. (2022). Measuring the environmental impacts of artificial intelligence compute and applications: The AI footprint. OECD Publishing. https://doi.org/10.1787/7babf571-en
Shehabi, A., Smith, S. J., Hubbard, A., Newkirk, A., Lei, N., Siddik, M. A. B., Holecek, B., Koomey, J., Masanet, E., & Sartor, D. (2024). 2024 United States data center energy usage report. Lawrence Berkeley National Laboratory.
World Economic Forum. (2025a). Artificial intelligence’s energy paradox: Balancing challenges and opportunities. https://www.weforum.org/publications/
World Economic Forum. (2025b). From paradox to progress: A net-positive AI energy framework. https://www.weforum.org/publications/
+++++
La inteligencia artificial no puede modernizar la dependencia fósil
Por Luis Orlando Díaz Vólquez
La inteligencia artificial se anuncia como la gran fuerza transformadora del siglo XXI. Promete elevar la productividad, acelerar descubrimientos científicos y optimizar sistemas energéticos. Sin embargo, detrás de esa narrativa emerge una contradicción inquietante: los algoritmos más avanzados también pueden perfeccionar la exploración, extracción, refinación y comercialización de petróleo, gas y carbón.
El problema no se limita al consumo eléctrico de los centros de datos. La Agencia Internacional de Energía proyecta que la electricidad destinada a estas instalaciones superará los 1,000 teravatios hora en 2030. Aunque las energías renovables cubrirían cerca de la mitad del aumento, el gas y el carbón atenderían conjuntamente más del 40 % de la demanda adicional. [energyinst.org], [newscenter.lbl.gov]
Existe una amenaza todavía mayor: las llamadas emisiones habilitadas. Un estudio publicado en npj Climate Action estima que, bajo determinados escenarios de aplicación simultánea en energías renovables y combustibles fósiles, las ganancias de productividad derivadas de la IA podrían incrementar las emisiones mundiales entre 470 millones y 1,800 millones de toneladas de dióxido de carbono anuales. No constituye una predicción inevitable, pero sí una advertencia científica sobre el poder de la tecnología para abaratar la producción fósil y prolongar su dominio económico. [oecd.org], [opportunitygreen.org]
La IA no posee conciencia climática. Puede gestionar redes eléctricas, integrar energías renovables, detectar fugas de metano y mejorar la eficiencia industrial. También puede localizar nuevos yacimientos, optimizar perforaciones y convertir recursos antes inviables en reservas comercialmente explotables. Su balance ambiental dependerá de las políticas públicas, los incentivos financieros y los sectores que reciban sus mayores beneficios.
Las empresas tecnológicas enfrentan, además, una prueba de credibilidad. Microsoft reportó un aumento aproximado de 25 % en sus emisiones durante el ejercicio fiscal 2025, mientras Amazon registró un incremento de 16 % en sus emisiones absolutas. Estos resultados demuestran que reducir la intensidad de carbono por unidad de ingreso no equivale necesariamente a disminuir el volumen total liberado a la atmósfera. [iea.org], [citizen.org]
La respuesta no consiste en detener la innovación, sino en gobernarla. Los Estados deben exigir transparencia sobre consumo eléctrico, agua, emisiones incorporadas, fuentes energéticas y aplicaciones comerciales capaces de expandir actividades contaminantes.
La humanidad no necesita algoritmos del futuro dedicados a prolongar la energía del pasado. Necesita una inteligencia artificial orientada por responsabilidad climática, rendición de cuentas y visión de largo plazo. La verdadera innovación no será producir más combustibles fósiles con mayor eficiencia, sino acelerar su sustitución sin sacrificar el desarrollo, la seguridad energética ni el bienestar colectivo.
+++++++++
República Dominicana ante la expansión de la IA: avances importantes, pero cambios estructurales impostergables
La República Dominicana ha dado pasos valiosos en energías renovables, almacenamiento, planificación energética, transformación digital e inteligencia artificial. Sin embargo, las políticas energéticas, tecnológicas y climáticas todavía no están completamente articuladas para impedir que el crecimiento de la IA y de los centros de datos profundice la dependencia nacional de los combustibles fósiles.
La conclusión es clara: el país avanza en la dirección correcta, pero necesita cambios regulatorios, fiscales, ambientales y territoriales antes de promoverse a gran escala como centro regional de inteligencia artificial y alojamiento de datos.
La contradicción dominicana
El Plan Energético Nacional 2025-2038 reconoce la necesidad de ampliar las energías renovables, incorporar almacenamiento y fortalecer la seguridad del suministro. Al mismo tiempo, contempla generación térmica flexible y asigna al gas natural una función estratégica durante la transición. En marzo de 2025, las autoridades anunciaron más de 30 proyectos renovables y la incorporación de 2,179 megavatios de generación térmica, principalmente a gas natural. Esta combinación procura confiabilidad, pero también puede crear infraestructura fósil con una vida económica de varias décadas. [datacne.gob.do], [cne.gob.do], [presidencia.gob.do]
El país ha registrado progresos reales. La capacidad renovable pasó de aproximadamente 556 megavatios en 2020 a 1,396 megavatios al cierre de 2024. Para julio de 2025, las autoridades reportaron 3,087 megavatios renovables instalados si se incluyen determinadas modalidades y 470 megavatios de generación distribuida. Además, existían 17 proyectos en construcción con capacidad superior a 1,207 megavatios. Estas cifras demuestran que hay inversión, capacidad institucional y confianza empresarial para acelerar la transición. [cne.gob.do], [cne.gob.do], [mem.gob.do]
No obstante, la composición de la generación efectiva continúa dominada por los combustibles fósiles. En el último trimestre de 2025, el gas natural aportó 41.2 % de la electricidad, el carbón mineral 28.5 % y el fuel oil 9.8 %. Las fuentes no renovables representaron conjuntamente 79.6 % de las inyecciones, frente a 20.4 % de fuentes renovables. Esto significa que un nuevo centro de datos conectado a la red dominicana consumiría, en términos físicos y mientras no contrate capacidad limpia adicional, electricidad mayoritariamente vinculada con gas, carbón y derivados del petróleo. [eldinero.com.do], [elcaribe.com.do], [mem.gob.do]
El estudio de npj Climate Action cambia la pregunta
El estudio publicado en 2026 en npj Climate Action no afirma que la IA producirá inevitablemente 1,800 millones de toneladas adicionales de CO₂ cada año. Se trata de una modelación económica condicionada por diferentes niveles de adopción y productividad. Sin embargo, identifica un riesgo que la planificación tradicional suele ignorar: las emisiones habilitadas, es decir, aquellas que aparecen cuando la IA abarata, optimiza o amplía actividades intensivas en carbono. [oecd.org], [opportunitygreen.org], [oeko.de]
Bajo escenarios de aplicación paralela en energías renovables y combustibles fósiles, el estudio estima un aumento neto de entre 470 millones y 1,800 millones de toneladas de CO₂ anuales. Los autores sostienen que las ganancias de productividad de las energías renovables tendrían que ser aproximadamente entre cuatro y cinco veces mayores que las obtenidas por el sector fósil para alcanzar un equilibrio climático dentro de las condiciones modeladas. El hallazgo no condena a la IA, pero demuestra que la eficiencia tecnológica puede fortalecer a las industrias dominantes si no existe una dirección pública deliberada. [oecd.org], [opportunitygreen.org], [opportunitygreen.org]
Aplicada a la República Dominicana, esta advertencia significa que no basta con medir el consumo eléctrico de una instalación. También debe evaluarse qué actividades serán optimizadas por sus sistemas: exploración y comercialización de hidrocarburos, logística intensiva en carbono, redes eléctricas, agricultura, gestión hídrica, turismo, transporte o integración renovable. La misma infraestructura digital puede producir balances climáticos completamente diferentes según las aplicaciones que aloje.
¿Las políticas actuales se corresponden con ese desafío?
La respuesta más rigurosa es: parcialmente.
La Estrategia Nacional de Inteligencia Artificial, la cooperación con NVIDIA, la creación del Centro de Excelencia en Inteligencia Artificial y el proyecto de infraestructura digital soberana representan decisiones importantes para desarrollar talento, alojar datos nacionales y aplicar soluciones en salud, educación, transporte, seguridad, finanzas y turismo. En marzo de 2026, el Gobierno también inició, con apoyo del PNUD, una evaluación sobre la preparación institucional del Estado para adoptar esta tecnología. [presidencia.gob.do], [presidencia.gob.do], [elcaribe.com.do]
El HUB de Innovación Punta Bergantín incorpora acertadamente cinco ejes: educación, medioambiente, agricultura, energías renovables y economía digital. Esta aproximación reconoce que la innovación tecnológica debe vincularse con las necesidades productivas y ambientales nacionales, no limitarse a importar plataformas o vender capacidad informática. [7dias.com.do], [prensa.pucmm.edu.do], [elcaribe.com.do]
La NDC 3.0 también ofrece una base favorable. La República Dominicana elevó su meta de reducción de emisiones al 28 % respecto del escenario tendencial proyectado para 2030, utilizando 2022 como año de referencia. De esa reducción, 8.5 puntos porcentuales deberán financiarse con recursos nacionales y 19.5 dependerán del financiamiento internacional. El instrumento reafirma, además, la adaptación como prioridad ante sequías, inundaciones, huracanes y erosión costera. [presidencia.gob.do], [eldinero.com.do], [presidencia.gob.do]
El vacío aparece porque las estrategias de energía, IA, centros de datos y cambio climático todavía no forman un sistema regulatorio integrado. La política digital promueve alojamiento local, soberanía de datos y atracción de inversiones, pero la información pública disponible no demuestra la existencia de requisitos específicos sobre electricidad limpia adicional, consumo horario, agua, emisiones incorporadas, residuos electrónicos o emisiones habilitadas para la infraestructura de IA. La NDC 3.0 y el Plan Energético Nacional proporcionan objetivos generales, pero necesitan mecanismos expresos para gobernar las nuevas cargas digitales.
La recomendación central: una política nacional de IA climáticamente positiva
La República Dominicana debería adoptar una Política Nacional de Infraestructura Digital y de Inteligencia Artificial Climáticamente Positiva, vinculante para los centros de datos de gran escala, la Fábrica Nacional de IA, las alianzas público-privadas y cualquier proyecto que reciba incentivos fiscales, terrenos públicos o facilidades energéticas.
El objetivo no debe ser que cada instalación se declare simplemente “verde”, sino que demuestre una contribución neta verificable a la seguridad energética, la reducción de emisiones y la resiliencia nacional.
1. Electricidad limpia verdaderamente adicional
Todo centro de datos de gran escala debería financiar o contratar nueva capacidad renovable, almacenamiento y, cuando corresponda, infraestructura de transmisión. No bastaría adquirir certificados anuales. La instalación tendría que demostrar correspondencia horaria y territorial entre su consumo y la generación baja en carbono.
Esta exigencia es crucial porque la Agencia Internacional de Energía proyecta que la demanda eléctrica mundial de los centros de datos superará los 1,000 teravatios hora en 2030. Aunque las renovables cubrirían cerca de la mitad del incremento, el gas y el carbón aportarían conjuntamente más del 40 % de la demanda adicional. [energyinst.org], [newscenter.lbl.gov], [iea.org]
2. Acceso condicionado a la red y a los incentivos
Antes de aprobar un proyecto, la CNE, la Superintendencia de Electricidad, la ETED, el Ministerio de Energía y Minas y el Ministerio de Medio Ambiente deberían emitir una evaluación conjunta. Esta tendría que determinar el impacto sobre la demanda máxima, los costos de transmisión, las reservas operativas, el agua disponible, las emisiones y las comunidades receptoras.
Los incentivos fiscales deben concederse únicamente cuando el proyecto:
- Añada generación limpia y almacenamiento.
- No traslade sus costos de red a los consumidores.
- Garantice eficiencia energética y reutilización de agua.
- Presente un programa de circularidad para servidores, baterías y equipos.
- Genere empleos especializados y transferencia tecnológica.
- Publique indicadores ambientales auditables.
3. Aprobar y ampliar la Ley de Eficiencia Energética
La aprobación de la Ley de Eficiencia Energética resulta urgente. El proyecto contempla uso racional de la energía, incentivos para equipos eficientes y estándares en edificaciones y sectores productivos. Su texto debería incorporar un capítulo especial sobre centros de datos, computación de alto rendimiento e inteligencia artificial, incluyendo métricas obligatorias de eficiencia energética, hídrica y de carbono. [presidencia.gob.do], [mem.gob.do], [eldinero.com.do]
La regulación debería exigir, como mínimo, indicadores de efectividad del uso de energía, efectividad del uso de agua, proporción de electricidad limpia por hora, emisiones de alcance 1, 2 y 3 y carbono incorporado en la construcción y los equipos.
4. Crear un registro de emisiones habilitadas
La República Dominicana puede convertirse en pionera regional si incorpora el concepto de emisiones habilitadas a su gobernanza tecnológica. Las empresas que desarrollen IA para petróleo, gas, transporte, minería, cemento, agricultura o actividades logísticas deberían evaluar si sus soluciones reducen emisiones totales o solamente abaratan y expanden la actividad contaminante.
Esto no implica prohibir la IA en sectores fósiles. Un sistema que detecte fugas de metano, prevenga accidentes o reduzca desperdicios puede producir beneficios ambientales. La diferencia está entre reducir los daños de operaciones existentes y utilizar IA para ampliar reservas, producción y consumo futuros.
5. Orientar la rentabilidad hacia ventajas dominicanas sostenibles
La mayor rentabilidad nacional no tiene que provenir de vender electricidad barata a grandes servidores extranjeros. Debe surgir de aplicaciones de alto valor vinculadas con problemas dominicanos:
- Predicción de huracanes, inundaciones, sequías y erosión costera.
- Optimización solar, eólica, hidroeléctrica y de almacenamiento.
- Reducción de pérdidas eléctricas y detección de fraudes.
- Agricultura de precisión y gestión sostenible del agua.
- Protección de arrecifes, manglares, cuencas y áreas protegidas.
- Movilidad, logística portuaria y aduanera con menos emisiones.
- Turismo sostenible y manejo de la capacidad de los destinos.
- Salud pública, educación personalizada y servicios estatales.
La IA puede producir importantes reducciones cuando se orienta deliberadamente hacia electricidad, transporte, alimentación y sistemas complejos. Investigaciones del Grantham Research Institute estiman un potencial mundial de entre 3.2 y 5.4 gigatoneladas de CO₂ equivalente evitadas anualmente para 2035 bajo escenarios ambiciosos de aplicación climática. [greentechlead.com], [iea.org], [iea.org]
Veredicto final
La República Dominicana no debe renunciar a la IA ni a los centros de datos. Hacerlo significaría perder inversión, talento, soberanía digital y oportunidades de productividad. Pero tampoco debe atraerlos mediante electricidad subsidiada, expansión indiscriminada del gas, presión sobre el agua o flexibilización ambiental.
La estrategia correcta consiste en adoptar una regla nacional sencilla: ninguna gran inversión digital debe dejar al país con más dependencia energética, más emisiones, mayor vulnerabilidad hídrica o mayores costos eléctricos para la población.
El gas natural puede cumplir una función transitoria de confiabilidad, pero no debe convertirse en la fuente permanente y exclusiva de la nueva economía digital. Cada megavatio requerido por la IA debe acompañarse de capacidad limpia adicional, almacenamiento, eficiencia y beneficios nacionales verificables.
La inteligencia artificial puede ser rentable y climáticamente responsable si la República Dominicana convierte la sostenibilidad en una condición de inversión, no en una promesa publicitaria. De esa manera, el país no solo alojaría datos y algoritmos: construiría conocimiento, protegería sus recursos naturales, reduciría su vulnerabilidad energética y consolidaría un verdadero futuro tecnológico nacional.+++++
.png)
