# ¿Cuál es la huella de carbono de la IA?

> La huella de carbono de la IA: emisiones por prompt, emisiones de entrenamiento según fichas de modelo, carbono incorporado, red eléctrica y grandes tecnológicas.

Source: https://greenai.guide/es/articulos/cual-es-la-huella-de-carbono-de-la-ia/  
Updated: 2026-11-20

## En resumen

La huella de carbono de la IA son los gases de efecto invernadero emitidos para fabricar el hardware y los edificios en los que funciona la IA (carbono incorporado) y para generar la electricidad que entrena y ejecuta sus modelos (carbono operativo). Por prompt de texto es pequeña: Google informa de 0,03 g de CO₂ equivalente para la mediana de un prompt a Gemini. Pero las emisiones de la IA se acumulan: se estimó que entrenar GPT-3 emitió 552 toneladas, y las emisiones totales de Microsoft pasaron de unos 12,9 a 20,3 millones de toneladas entre 2020 y 2025 a medida que ampliaba su capacidad de IA. De dónde procede la electricidad importa tanto como cuánta se consume.

## Puntos clave

- Google informa de 0,03 g de CO₂e para la mediana de un prompt de texto a Gemini en mayo de 2025, según el método basado en el mercado, una cifra 44 veces menor que un año antes; aproximadamente un tercio procede del hardware y de otras emisiones no eléctricas.
- El análisis de ciclo de vida de Mistral AI situó una respuesta de Le Chat de 400 tokens en 1,14 g de CO₂e, y el entrenamiento más 18 meses de uso de Mistral Large 2 en 20.400 toneladas.
- Se estimó que entrenar GPT-3 emitió 552 toneladas de CO₂e; Meta informa de 11.390 toneladas según el método basado en la ubicación para la familia Llama 3.1, y cero según el método basado en el mercado.
- Las emisiones de Microsoft pasaron de unos 12,9 millones de toneladas en su ejercicio fiscal 2020 a unos 20,3 millones en 2025.
- La elección del modelo, el centro de datos y el procesador puede reducir el carbono del entrenamiento entre unas 100 y 1.000 veces, según Patterson y sus colegas.
- La electricidad de los centros de datos de Estados Unidos en 2023 se asoció a unos 74 millones de toneladas de CO₂e, una media de 0,34 kg por kWh, según el Lawrence Berkeley National Laboratory.

¿Cuál es la huella de carbono de la IA? Son los gases de efecto invernadero liberados para construir el hardware y los
edificios en los que funciona la IA, y para generar la electricidad que entrena y ejecuta sus modelos. Por prompt, la
huella de carbono de la IA es pequeña; en total, las emisiones de la IA crecen deprisa, porque el consumo de
electricidad y la construcción de centros de datos crecen deprisa. Esta página expone las cifras publicadas, por qué
difieren y cómo estimar la suya.

## ¿Qué tamaño tiene la huella de carbono de la IA por prompt? {#how-big-is-ai-s-carbon-footprint-per-prompt}

**Para un prompt (instrucción) de texto corto, una fracción de gramo de CO₂ equivalente según las cuentas de los
propios proveedores; más cuando se contabiliza todo el ciclo de vida.** El CO₂ equivalente (CO₂e) suma al dióxido de
carbono otros gases de efecto invernadero, ponderados según su efecto de calentamiento.

| Cifra | Qué abarca | Fuente |
|---|---|---|
| 0,03 g de CO₂e por mediana de prompt de texto a Gemini | Electricidad (basada en el mercado), más hardware y otras emisiones; mayo de 2025 | Google, 2025 |
| 1,14 g de CO₂e por respuesta de Le Chat de 400 tokens | Análisis de ciclo de vida de la inferencia, sin el dispositivo del usuario | Mistral AI, 2025 |
| unos 0,34 Wh por consulta media a ChatGPT | Solo energía; no se ha publicado cifra de carbono | Consejero delegado de OpenAI, 2025 |

No existe una huella de carbono oficial de ChatGPT por consulta: OpenAI ha dado una cifra de energía, pero no de
carbono, y el carbono depende de las redes eléctricas de las que se abastecen sus centros de datos.

La cifra de Google se desglosa en 0,023 g procedentes de la electricidad y 0,010 g de sus emisiones de alcance 1 y
alcance 3, que incluyen la fabricación del hardware. También informa de que el carbono por mediana de prompt se
dividió por 44 en un año. La cifra de Mistral es mayor en parte porque contabiliza más fases del ciclo de vida y usa
un método distinto; las dos no son directamente comparables.

El uso intensivo cambia el panorama. Zeke Hausfather estimó que su propio uso intensivo de un agente de código de IA,
de aproximadamente 1,1 MWh de electricidad al año, emitiría unos 370 kg de CO₂e al año. Consulte [¿cuánta energía consume la IA?](/es/articulos/cuanta-energia-consume-la-ia/)

## ¿Qué diferencia hay entre el carbono operativo y el carbono incorporado? {#what-is-the-difference-between-operational-and-embodied-carbon}

**El carbono operativo procede de la electricidad usada para hacer funcionar la IA; el carbono incorporado procede de
fabricar, transportar y desechar el hardware y los edificios.** Ambos deben figurar en una huella honesta.

- **El carbono operativo** depende de cuánta energía consume el trabajo y de lo limpia que sea la electricidad.
- **El [carbono incorporado](/es/glosario/#embodied-carbon)** procede de la fabricación de chips, la fabricación de
  servidores, la construcción de centros de datos y su eliminación al final de su vida útil. Se reparte entre todas
  las tareas que realiza el hardware a lo largo de su vida.

El carbono incorporado supone una parte importante. Wu y sus colegas de Meta informaron en 2022 de que era
aproximadamente el 30 % de la huella del aprendizaje automático a gran escala de Meta. Luccioni, Viguier y Ligozat
estimaron el entrenamiento de BLOOM en unas 24,7 toneladas de CO₂e contando solo la potencia dinámica usada durante
el entrenamiento, y en unas 50,5 toneladas una vez incluido todo, desde la fabricación de los equipos hasta la energía
operativa. A medida que la electricidad se vuelve más limpia, la parte incorporada crece, lo que hace más importante
mantener el hardware en uso durante más tiempo, y mantenerlo ocupado. Consulte
[contabilizar el carbono incorporado del hardware de IA](/es/como/como-contabilizo-el-carbono-incorporado-del-hardware-de-ia/).

## ¿Cuánto carbono emite entrenar un modelo de IA? {#how-much-carbon-does-training-an-ai-model-emit}

**Las emisiones de entrenamiento de grandes modelos publicadas hasta ahora van de decenas a decenas de miles de
toneladas de CO₂e.** Las fichas de modelo (la documentación que se publica con un modelo) son el principal lugar donde
encontrarlas, aunque muchos modelos de vanguardia no publican nada.

| Modelo | Emisiones del entrenamiento | Base | Fuente |
|---|---|---|---|
| BLOOM (176.000 millones de parámetros, 2022) | unas 24,7 t de CO₂e; 50,5 t incluida la fabricación y toda la energía operativa | Estimación independiente de ciclo de vida | Luccioni, Viguier y Ligozat, 2022 |
| GPT-3 (175.000 millones de parámetros, 2020) | 552 t de CO₂e; 1.287 MWh | Estimación de investigadores de Google | Patterson et al., 2021 |
| Familia Llama 3.1 (8B, 70B, 405B, 2024) | 11.390 t de CO₂e según la ubicación; 0 t según el mercado | Ficha del modelo, 39,3 millones de horas de GPU | Meta, 2024 |
| Solo Llama 3.1 405B | 8.930 t de CO₂e según la ubicación | Ficha del modelo | Meta, 2024 |
| Mistral Large 2 (entrenamiento más 18 meses de uso) | 20.400 t de CO₂e; 281.000 m³ de agua | Análisis de ciclo de vida | Mistral AI, 2025 |

Son costes únicos, pero no lo explican todo. Patterson y sus colegas citan estimaciones del sector según las cuales el
80-90 % de la carga de trabajo de aprendizaje automático es inferencia, así que, en un modelo popular, ejecutarlo a lo
largo de su vida puede pesar más que entrenarlo. El Reglamento de IA de la UE exige ahora a los proveedores de modelos
de IA de uso general documentar ante los reguladores el consumo de energía conocido o estimado. Consulte [medir la huella de carbono del entrenamiento de un modelo](/es/como/como-mido-la-huella-de-carbono-de-entrenar-un-modelo/).

## ¿Cómo cambia la red eléctrica las emisiones de la IA? {#how-does-the-electricity-grid-change-ai-s-emissions}

**El mismo kilovatio hora puede llevar asociado un carbono muy distinto según dónde y cuándo se use.** La [intensidad
de carbono](/es/glosario/#carbon-intensity) es el CO₂e emitido por cada kilovatio hora de electricidad generado. Una red
que funciona sobre todo con energía hidráulica, nuclear, eólica o solar tiene una intensidad baja; una que funciona
con carbón o gas, alta.

- El Lawrence Berkeley National Laboratory estimó que la electricidad de los centros de datos de Estados Unidos en
  2023 se asoció a unos 74 millones de toneladas de CO₂e, una media de 0,34 kg de CO₂e por kWh, dadas las redes de
  los lugares donde se encuentran.
- Patterson y sus colegas descubrieron que elegir el modelo, el centro de datos y el procesador puede reducir la
  huella de carbono del entrenamiento entre unas 100 y 1.000 veces. La ubicación es una de las mayores de esas
  palancas.

Por eso importa dónde, y cuándo, se ejecuta la IA. Un trabajo de entrenamiento que puede esperar puede programarse
para las horas en que la red está más limpia. Consulte [elegir una región de nube con bajas emisiones de carbono](/es/como/como-elijo-una-region-de-nube-con-bajas-emisiones-de-carbono/),
[programar el entrenamiento cuando la red es más verde](/es/como/como-programo-el-entrenamiento-para-cuando-la-red-electrica-este-mas/) y
[encontrar datos de intensidad de carbono de la red](/es/como/como-encuentro-la-intensidad-de-carbono-de-mi-red-electrica/).

### Basado en la ubicación o basado en el mercado: ¿qué cifra es la correcta? {#location-based-or-market-based-which-number-is-right}

**Ambos son legítimos, pero responden a preguntas distintas, y la diferencia puede ser enorme.** Según el Greenhouse
Gas Protocol, una empresa declara de dos maneras las [emisiones de alcance 2](/es/glosario/#scope-1-2-and-3-emissions)
de la electricidad:

- **El método basado en la ubicación** usa la intensidad de carbono media de las redes de las que realmente se
  abastece.
- **El método basado en el mercado** refleja los contratos y certificados de energía limpia que compra la empresa.

Meta declara el entrenamiento de Llama 3.1 como 11.390 toneladas según el método basado en la ubicación y cero según
el basado en el mercado. El ejercicio fiscal 2025 de Microsoft muestra unas emisiones de alcance 2 de unos 12,0
millones de toneladas según la ubicación frente a 2,7 millones según el mercado. Alphabet declaró 15,1 millones de
toneladas según la ubicación frente a 2,8 millones según el mercado para 2025. Cuando una empresa diga que su IA es
"neutra en carbono" o "100 % renovable", compruebe qué método usa. Consulte
[comprobar si mi IA funciona con energía renovable](/es/como/como-compruebo-si-mi-ia-funciona-con-energia-renovable/) y
[afirmaciones ecológicas honestas](/es/buenas-practicas/afirmaciones-ambientales-honestas-sobre-la-ia/).

## ¿Están aumentando las emisiones de las tecnológicas por culpa de la IA? {#are-tech-companies-emissions-rising-because-of-ai}

**Sí: los mayores proveedores de IA declaran emisiones totales crecientes, sobre todo por la construcción y el
suministro eléctrico de los centros de datos.** Sus informes anuales de sostenibilidad muestran la tendencia.

- **Microsoft** declara unas emisiones totales de unos 12,9 millones de toneladas de CO₂e en su ejercicio fiscal 2020,
  el año de referencia de su objetivo de ser negativa en carbono en 2030, y unos 20,3 millones de toneladas en 2025
  (según sus criterios de gestión). Su consumo de electricidad se multiplicó por más de tres en el mismo periodo, de
  unos 10,8 TWh a 37,0 TWh.
- **Google** informó de que sus emisiones operativas (alcance 1 y alcance 2 basado en el mercado) bajaron un 2 % en
  2025, mientras su demanda de electricidad subía un 37 % y sus emisiones de la cadena de suministro un 25 %. Las
  cifras verificadas de Alphabet para 2025 muestran unos 15,9 millones de toneladas de emisiones de alcance 3 (cadena
  de suministro), más de cinco veces sus 2,9 millones de toneladas de emisiones operativas.

El patrón es el mismo en ambos casos: comprar electricidad limpia está conteniendo las emisiones operativas, pero la
fabricación y la construcción que hay detrás de la nueva capacidad de IA están haciendo subir las emisiones de la
cadena de suministro.

A escala nacional, el anexo de datos de la UK Compute Roadmap estimó que las emisiones del cómputo de IA entre 2025 y
2035 podrían ser de 34-123 millones de toneladas de CO₂, alrededor del 0,9-3,4 % de las emisiones previstas del Reino
Unido en ese periodo. El amplio intervalo refleja la incertidumbre sobre cuánto cómputo se construirá y lo limpia que
será la red.

## ¿Por qué no coinciden las estimaciones de carbono de la IA? {#why-do-ai-carbon-estimates-disagree}

**Porque cuentan cosas distintas, usan cifras de red distintas y se quedan anticuadas pronto.** Las principales
fuentes de diferencia:

1. **Límite.** ¿Solo los chips, o todo el servidor, la refrigeración y la capacidad inactiva? ¿La fabricación del
   hardware? ¿El entrenamiento repartido entre los usos?
2. **Método contable.** Electricidad basada en la ubicación o basada en el mercado, como se ha visto.
3. **Red y momento.** El mismo modelo ejecutado en otra región, o un año después, puede tener una huella muy distinta.
4. **Carga de trabajo.** Un prompt corto, una respuesta larga con razonamiento y una sesión con un agente difieren en
   un factor de mil en energía.

Una cifra solo tiene sentido con su límite, su método, su ubicación y su fecha. Consulte
[la medición es el cuello de botella](/es/articulos/la-medicion-es-el-cuello-de-botella-de-la-ia-verde/).

## ¿Cómo puedo estimar la huella de carbono de mi propio uso de la IA? {#how-can-i-estimate-the-carbon-footprint-of-my-own-ai-use}

**Multiplique la energía por la intensidad de carbono de la red y añada una parte de las emisiones incorporadas.**
Es la estructura de la norma Software Carbon Intensity (SCI), ISO/IEC 21031:2024, que expresa el resultado por unidad
de trabajo útil, como por solicitud o por usuario.

1. **Estime la energía** del trabajo de IA en kilovatios hora: con un medidor o una herramienta si lo ejecuta usted
   mismo, o con cifras por tarea en el caso de un servicio alojado.
2. **Busque la intensidad de carbono de la red** donde se ejecuta el trabajo, en kg de CO₂e por kWh, a ser posible
   para la hora en que se ejecutó.
3. **Multiplique ambas cifras** para obtener las emisiones operativas.
4. **Añada las emisiones incorporadas**: la huella de fabricación del hardware repartida a lo largo de su vida útil.
5. **Indique el límite**, el método (basado en la ubicación o en el mercado) y un intervalo en lugar de una sola cifra.

Las herramientas ayudan. CodeCarbon y Green Algorithms estiman las emisiones del código que usted ejecuta; EcoLogits
estima el impacto de las llamadas a modelos de IA alojados. Son estimadores, no medidores. Guías paso a paso:
[calcular mi huella de carbono personal de IA](/es/como/como-calculo-mi-propia-huella-de-carbono-de-la-ia/),
[calcular una puntuación SCI para una función de IA](/es/como/como-calculo-la-puntuacion-de-intensidad-de-carbono-del-software-de/) y
[encontrar los datos de carbono de mi proveedor de nube](/es/como/como-encuentro-los-datos-de-carbono-de-mi-proveedor-de-nube/).

## Qué hacer a continuación {#what-to-do-next}

- Reduzca primero la energía: consulte [usar la IA de forma eficiente](/es/buenas-practicas/use-la-ia-de-forma-eficiente-habitos-cotidianos/) y
  [elegir el modelo adecuado](/es/buenas-practicas/elija-el-modelo-adecuado-para-cada-tarea/).
- Ejecute la IA donde la red esté limpia: consulte [alojamiento y centros de datos](/es/buenas-practicas/alojamiento-y-centros-de-datos-para-una-ia-verde/).
- Pida a sus proveedores cifras de energía y carbono por tarea, con el método: consulte
  [compra sostenible de IA](/es/buenas-practicas/compras-sostenibles-de-ia/).
- Informe con honestidad, indicando el límite y el método: consulte [afirmaciones ecológicas honestas](/es/buenas-practicas/afirmaciones-ambientales-honestas-sobre-la-ia/).
- Piénselo antes de compensar: consulte [compensar el carbono de mi uso de la IA](/es/como/como-compenso-el-carbono-de-mi-uso-de-la-ia/).
- Lea [¿cuánta agua consume la IA?](/es/articulos/cuanta-agua-consume-la-ia/) para conocer la otra mitad de la huella.

## Preguntas frecuentes

### ¿Cuál es la huella de carbono de ChatGPT?

OpenAI no ha publicado una cifra de carbono por consulta. Su consejero delegado dio unos 0,34 Wh de energía para una consulta media; el carbono depende de la red eléctrica que abastece al centro de datos. Google informa de 0,03 g de CO₂e para la mediana de un prompt de texto a Gemini, según su propia contabilidad basada en el mercado.

### ¿Cuánto CO₂ produce entrenar un modelo de IA?

Va de decenas a miles de toneladas. Se estimó que entrenar BLOOM emitió unas 24,7 toneladas de CO₂e (50,5 si se incluyen la fabricación y toda la energía operativa), GPT-3 552 toneladas, y Meta informa de 11.390 toneladas según el método basado en la ubicación para los tres modelos Llama 3.1.

### ¿Están aumentando las emisiones de la IA?

En el caso de los mayores proveedores, sí. Las emisiones totales de Microsoft pasaron de unos 12,9 millones de toneladas en su ejercicio fiscal 2020 a 20,3 millones en 2025. Google informó de que sus emisiones operativas bajaron un 2 % en 2025, pero sus emisiones de la cadena de suministro subieron un 25 % mientras construía centros de datos.

### ¿Qué es el carbono incorporado de la IA?

Las emisiones de fabricar, transportar y desechar chips, servidores y edificios de centros de datos. Wu y sus colegas de Meta lo estimaron en aproximadamente el 30 % de la huella del aprendizaje automático a gran escala de Meta, y su peso relativo crece cuando la electricidad es limpia.

### ¿La IA que funciona con energía renovable tiene cero emisiones?

En realidad, no. La contabilidad basada en el mercado permite a una empresa declarar emisiones eléctricas bajas o nulas si compra certificados de energía renovable, aunque la red de la que se abastece siga quemando combustibles fósiles. Meta declara el entrenamiento de Llama 3.1 como 11.390 toneladas según el método basado en la ubicación, pero cero según el basado en el mercado.

### ¿Cómo calculo la huella de carbono de mi uso de la IA?

Multiplique la energía consumida, en kilovatios hora, por la intensidad de carbono de la red que la suministra, en kg de CO₂e por kWh, y añada una parte de las emisiones incorporadas del hardware. Herramientas como CodeCarbon, Green Algorithms y EcoLogits ayudan a estimar cada parte.

### ¿Es la IA mala para el clima?

Aumenta las emisiones, sobre todo por el rápido crecimiento de la electricidad y la construcción de centros de datos. Cuánto depende de cómo se use, de lo eficiente que sea y de lo limpia que sea la red. La IA también puede ayudar a reducir emisiones en otros ámbitos, pero esos beneficios no son automáticos y son más difíciles de medir.

## Fuentes

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- [Sustainable AI: environmental implications, challenges and opportunities](https://proceedings.mlsys.org/paper_files/paper/2022/hash/462211f67c7d858f663355eff93b745e-Abstract.html), Wu et al., MLSys (2022)
- [2026 environmental data fact sheet](https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Environmental-Data-Fact-Sheet-PDF.pdf), Microsoft (2026)
- [Read our 11th annual Environmental Report](https://blog.google/company-news/outreach-and-initiatives/sustainability/2026-environmental-report/), Google (2026)
- [Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics)](https://sustainability.google/files/6b09a7cbecbf228f4d30ad089301578eb599425e/alphabet-fy2025-environmental-indicators-assurance-letter.pdf), Alphabet (2026)
- [2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report), Lawrence Berkeley National Laboratory (2024)
- [Scope 2 guidance](https://ghgprotocol.org/scope-2-guidance), Greenhouse Gas Protocol (2015)
- [Regulation (EU) 2024/1689 (AI Act), Annex XI](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Union (2024)
- [UK Compute Roadmap: evidence annex](https://assets.publishing.service.gov.uk/media/69d8dae9d3e08b8871b66599/compute-evidence-annex-final.pdf), Department for Science, Innovation and Technology (2025)
- [The real energy use of agentic AI](https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai), Zeke Hausfather, The Climate Brink (2026)
- [ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification](https://www.iso.org/standard/86612.html), ISO/IEC and Green Software Foundation (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon project (2020)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [EcoLogits](https://ecologits.ai/), GenAI Impact (2025)
