La conversación sobre inteligencia artificial se queda en lo que genera: innovación, empleos, eficiencia. Lo que no aparece en el balance es lo que consume para existir.
Cada consulta a un modelo de lenguaje grande demanda energía. Cada entrenamiento de algoritmos requiere refrigeración masiva. Eso se traduce en megavatios y en litros de agua que se evaporan en centros de datos. Cuando esa infraestructura está fuera de nuestras fronteras, simplemente no la contamos.
El problema es de medición. Los gobiernos y las empresas reportan el output de la IA —productos, servicios, crecimiento—, pero rara vez hacen visibles los inputs ambientales. Es como celebrar una fábrica por su producción sin preguntar cuánta agua contamina el río.
Esto importa porque la expansión de modelos de IA sigue acelerada. Si no sabemos el costo real en recursos, no podemos tomar decisiones informadas sobre dónde ubicar esa infraestructura, cómo regularla o si los beneficios justifican el gasto. Colombia, por ejemplo, discute atraer inversión en tecnología, pero sin datos claros sobre el costo ambiental, esa discusión queda incompleta.
La solución no es detener la IA. Es exigir transparencia. Que los operadores de centros de datos reporten consumo de energía y agua. Que los gobiernos incluyan esos números en su análisis de impacto. Que la conversación sobre innovación sea honesta sobre lo que cuesta sostenerla.
Mientras esa mitad del tablero siga invisible, estaremos tomando decisiones sobre la mitad de la información.