La Inteligencia Artificial está transformando sectores enteros de la economía, pero su expansión también está generando una consecuencia mucho más física: cada vez hace falta más electricidad para sostenerla.

Los centros de datos son una buena muestra de esta evolución. En 2025, su consumo eléctrico creció un 17% a nivel mundial, mientras que el de los centros específicamente orientados a Inteligencia Artificial aumentó un 50%. En comparación, la demanda global de electricidad creció alrededor de un 3% durante el mismo año.

La diferencia permite hacerse una idea de la velocidad a la que está creciendo la infraestructura necesaria para desarrollar y utilizar IA.

Y plantea una cuestión que afecta directamente al sector energético:

El desarrollo de modelos de Inteligencia Artificial requiere una enorme capacidad de computación y, por tanto, grandes cantidades de electricidad.

Según la Agencia Internacional de la Energía (IEA), un centro de datos convencional puede demandar entre 10 y 25 MW. En los centros de datos de IA a escala hyperscale, la demanda puede superar los 100 MW. La IEA estima que el consumo anual de un centro de este tamaño puede ser comparable al de unos 100.000 hogares.

Además, estos centros no se distribuyen de manera uniforme. Su concentración en determinadas zonas puede ejercer una presión considerable sobre las redes eléctricas locales, especialmente cuando se incorporan grandes cargas en sistemas que ya tienen limitaciones de capacidad.

La cuestión, por tanto, no consiste únicamente en generar más electricidad. También es necesario disponer de redes, almacenamiento, capacidad de conexión y sistemas capaces de gestionar esa demanda en el momento y lugar en que se produce.

Y todo apunta a que esta presión seguirá aumentando. La IEA estima que el consumo eléctrico de los centros de datos podría más que duplicarse hasta 2030, mientras que el de los centros específicamente orientados a IA podría llegar a triplicarse.

La relación entre IA y energía tiene una segunda dimensión.

La misma tecnología que está contribuyendo al aumento de la demanda eléctrica puede utilizarse para gestionar mejor un sistema energético cada vez más complejo.

Los sistemas de Inteligencia Artificial pueden procesar grandes volúmenes de información y detectar patrones que permiten mejorar la previsión y la toma de decisiones. En el sector energético, esto se traduce en aplicaciones como la predicción de la demanda, la detección de anomalías, el mantenimiento predictivo, la optimización de la generación renovable o la gestión de sistemas de almacenamiento.

Esta capacidad adquiere especial importancia a medida que aumenta el peso de fuentes como la solar y la eólica, junto con el autoconsumo, las baterías y las redes inteligentes.

Un sistema energético con más fuentes de generación distribuidas y más consumidores de gran tamaño necesita responder a muchas más variables y hacerlo con mayor rapidez. La IA puede contribuir a anticipar determinados escenarios y optimizar la operación de esos sistemas.

Por eso, el impacto de la Inteligencia Artificial sobre la energía no puede medirse únicamente por la electricidad que consume. También hay que tener en cuenta cómo puede ayudar a utilizar mejor los recursos disponibles.

La evolución de estas tecnologías también está cambiando su aplicación dentro de las empresas.

Un ejemplo es Schneider Electric, que está incorporando IA y automatización a sus soluciones industriales. En 2026 presentó junto a Microsoft nuevas capacidades de fabricación basadas en IA agéntica, orientadas a automatizar determinadas tareas de ingeniería. Según la compañía, algunas de estas aplicaciones pueden reducir hasta un 50% el tiempo dedicado a determinadas tareas.

El ejemplo refleja un cambio relevante: la IA empieza a pasar de analizar información y realizar predicciones a participar en procesos que hasta ahora requerían una intervención humana más directa.

En el ámbito energético e industrial, esto puede tener aplicaciones en mantenimiento, operaciones, planificación o gestión de instalaciones. La capacidad de combinar datos en tiempo real con sistemas capaces de ejecutar determinadas acciones puede permitir responder antes a cambios en la demanda, detectar incidencias o ajustar procesos de forma más eficiente.

Pero para que estas aplicaciones funcionen a escala también hace falta una infraestructura energética capaz de sostenerlas.

El crecimiento de los centros de datos está poniendo el foco en una parte menos visible de la transformación digital: la infraestructura eléctrica que tiene que alimentarla.

La IEA estima que actualmente existen más de 2.500 GW de proyectos de generación, almacenamiento y grandes cargas —entre ellas, centros de datos— esperando para conectarse a la red en todo el mundo.

El dato muestra que el desafío no consiste simplemente en construir más centros de datos o aumentar la capacidad de generación. La electricidad tiene que poder llegar hasta los puntos donde se concentra la demanda y hacerlo mediante redes con suficiente capacidad.

Eso implica inversiones en generación, redes, transformadores, almacenamiento y sistemas de gestión. También requiere anticipar dónde aparecerán nuevas necesidades de consumo, especialmente en regiones donde se están desarrollando grandes instalaciones de computación.

La expansión de la IA está haciendo que la planificación energética y la planificación de la infraestructura digital estén cada vez más conectadas.

Este escenario está generando nuevas necesidades de conocimiento dentro del propio sector energético.

Los profesionales no necesitan convertirse necesariamente en programadores o especialistas en desarrollo de modelos. Necesitan comprender qué puede hacer la IA dentro de su ámbito profesional y cómo incorporarla a procesos reales.

Eso implica conocer aplicaciones como la previsión de demanda, el mantenimiento predictivo, la gestión de redes inteligentes, la integración de renovables o la optimización del almacenamiento. Pero también saber interpretar los resultados de estos sistemas, evaluar sus limitaciones y tomar decisiones dentro de un entorno regulado y técnicamente complejo.

La diferencia es importante. No se trata simplemente de conocer una nueva herramienta, sino de entender qué problema puede resolver, qué información necesita, cómo se integra con los sistemas existentes y qué decisiones deben seguir bajo supervisión profesional.

La relación entre ambos sectores plantea una paradoja que probablemente será cada vez más importante.

Resolver esta tensión exigirá actuar en varios frentes al mismo tiempo: desarrollar nueva capacidad de generación, reforzar las redes, mejorar el almacenamiento y utilizar tecnologías capaces de gestionar un sistema con cada vez más variables.

Pero también exigirá profesionales capaces de entender cómo funciona esa tecnología y cómo aplicarla en situaciones reales.