La descarbonización de las economías del planeta puede terminar todavía más demorada con la irrupción a gran escala de la Inteligencia Artificial (IA), cuya voracidad de energía dispara la demanda global, aunque también pueda abrir la puerta a una apuesta generalizada por las fuentes renovables.
La carrera por la Inteligencia Artificial (IA) aplicada a todos los terrenos, desde la economía a la seguridad nacional, pasando por la educación y la salud, pasará por la capacidad de los Estados para hacer frente a la voraz demanda de energía que plantean su desarrollo tecnológico y sus aplicaciones prácticas.
Para algunos, como los estadounidenses Michael Kearney y Lisa Hansmann, hoy en día “estamos en las primeras fases de una competición geopolítica por el futuro de la IA. Los ganadores dominarán la economía mundial en el siglo XXI”. Dicho esto, “la clave para ganarla es una revolución de la energía limpia”, afirman.
Ciertamente, es una oportunidad, pero la realidad inmediata permite pensar que resulta igual o más tentador para los países echar mano de los combustibles fósiles con tal de satisfacer las necesidades de la IA y mantenerse en carrera, con todo la movilización de capital que implica.
En enero, la Agencia Internacional de la Energía (AIE) publicó sus previsiones sobre el consumo mundial de energía en los próximos dos años. Por primera vez se incluyeron previsiones sobre el consumo de electricidad asociado a los centros de datos, las criptomonedas y la inteligencia artificial.
La AIE estima que, sumados, estos usos representaron casi 2% de la demanda mundial de energía en 2022, y que podría duplicarse en 2026, lo que equivaldría aproximadamente a la cantidad de electricidad utilizada por todo Japón.
Sólo en EEUU los centros de datos de IA podrían añadir a la red nacional el equivalente a la carga de tres ciudades de Nueva York en 2026, y podrían duplicar con creces su cuota de consumo de electricidad en el país, hasta el 9%, a finales de la década. Una demanda inédita en décadas.
Según una estimación reciente de Goldman Sachs, esa demanda -anteriormente estable y plana- está creciendo en torno al 2,5% anual, y los centros de datos son responsables de hasta el 66% del incremento.
En Europa, desde el máximo alcanzado en 2008, la demanda de electricidad ha disminuido acumulativamente casi un 10%. Pero hacia le futuro, entre 2023 y 2033, tanto por la expansión de los centros de datos como por la aceleración de la electrificación, la demanda podría crecer 40% y hasta 50%. Hoy, el 15% de los centros de datos del mundo están ubicados en el Viejo Continente.
Tal crecimiento se debe a los chips o microprocesadores avanzados de IA, que consumen mucha energía. Por ejemplo, se necesitan tres vatios-hora de electricidad para una consulta ChatGPT, frente a los 0,3 W/h de una búsqueda en Google.
El propio Sam Altman, CEO de OpenAI, planteó a la Casa Blanca la necesidad de contar con centros de datos de IA con una capacidad de 5 GW (gigavatios), suficiente para abastecer a más de tres millones de hogares. Los centros de datos de IA requieren una alimentación constante y fiable 24 horas al día, siete días a la semana; están en funcionamiento el 99,999% del año.
El problema, dicen Kearney y Hansmann, es que las demandas que estos usuarios a escala de GW imponen a la red eléctrica va más rápido que la ampliación en marcha de la oferta de energía sustentable. Hay más de 1.500 GW de capacidad a la espera de conectarse a la red, y el tiempo necesario para construir las líneas de transmisión que transporten esa energía se prolonga ya durante una década.
Una respuesta limpia
Incluso los expertos más optimistas reconocen que la escala sin precedentes y la densidad de energía necesaria para la IA requieren un nuevo conjunto de soluciones de generación, capaces de suministrar energía fiable 24 horas al día, 7 días a la semana y en cantidades cada vez mayores.
Pero frente a quienes sostienen que sólo una reivindicación de los combustibles fósiles podrá dar una respuesta a la demanda de la IA, al menos en una transición, otros creen que agravaría los problemas estructurales del planeta a través del impacto del cambio climático.
El aumento previsto de las emisiones de dióxido de carbono de los centros de datos representará un “costo social” de 125 mil-140 mil millones de dólares, estimó Goldman Sachs “Las conversaciones con las empresas tecnológicas indican que siguen confiando en reducir la intensidad energética, pero menos en cumplir las previsiones de emisiones absolutas debido al aumento de la demanda”.
Entonces, la mirada queda puesta en la capacidad de las fuentes de energía limpia y su capacidad de innovación para adaptarse a la demanda de potencia de cálculo de los centros de datos de IA. Allí tercian desde la fisión nuclear avanzada, que puede desplegarse rápidamente a pequeña escala, hasta la energía geotérmica de nueva generación, que puede instalarse en cualquier lugar y en cualquier momento.
El gigante Google financiará la construcción de siete pequeños reactores nucleares en EEUU, un acuerdo pionero en su género por el cual se compromete a comprar la energía generada (+500 MW a partir de finales de la década. En esa carrera ya entraron también Amazon -con tres acuerdos- y Microsoft.
En septiembre, Constellation Energy y Microsoft acordaron reactivar el reactor no dañado de Three Mile Island, donde se produjo el peor accidente nuclear del país. Antes, Amazon adquirió un centro de datos en otra central nuclear de Pensilvania.
Las reformas incluirían la propia infraestructura eléctrica: conductores avanzados para las líneas de transmisión que puedan transportar hasta 10 veces más energía a través de áreas mucho más pequeñas, además de técnicas de refrigeración de los centros de datos y transformadores de última generación que permiten el uso eficiente de la energía de alto voltaje.
La conclusión es que la convergencia de la IA y las tecnologías energéticas permitirá un desarrollo y una ampliación más rápidos de ambos sectores: uno incentivando la innovación, el otro abasteciendo la revolución digital.
Proteger y servir
Al margen de la IA, actualmente los sistemas eléctricos son cada vez más complejos y deben hacer frente cada vez más a flujos multidireccionales de electricidad entre los generadores, la red y los usuarios.
Según la Agencia Internacional de Energia (AIE), el creciente número de dispositivos conectados a la red, desde estaciones de recarga de vehículos eléctricos a instalaciones solares residenciales, hace que los flujos sean menos predecibles.
Ahí es donde la IA puede compensar sus demandas a la energía. El sector energético esté dando los primeros pasos para aprovechar el poder de la IA con el fin de aumentar la eficiencia y acelerar la innovación. La tecnología está en una posición única para apoyar el crecimiento simultáneo de las redes inteligentes y las cantidades masivas de datos que generan, según la agencia.
Por ejemplo, los contadores inteligentes producen y envían a las empresas eléctricas varios miles de veces más datos que sus predecesores analógicos. Una estimación reciente sugiere que la IA ya sirve para más de 50 usos diferentes en el sistema energético, y que el mercado de la tecnología en el sector podría tener un valor de hasta 13.000 millones de dólares.
Uno de los usos más comunes de la IA en el sector energético ha sido mejorar las predicciones de la oferta y la demanda, explican los expertos. El aprendizaje automático (machine learning) puede ayudar a ajustar la oferta variable a la demanda creciente y decreciente maximizando el valor financiero de la energía renovable y permitiendo que se integre más fácilmente en la red.
La producción de energía eólica, por ejemplo, puede preverse utilizando modelos meteorológicos e información sobre la ubicación de las turbinas. Sin embargo, las desviaciones en el flujo del viento pueden dar lugar a niveles de producción superiores o inferiores a los previstos, lo que eleva los costes operativos.
Así, Google y su filial de IA DeepMind desarrollaron una red neuronal para aumentar la precisión de las previsiones de su flota renovable de 700 MW. Basándose en datos históricos, la red desarrolló un modelo para predecir la producción futura con hasta 36 horas de antelación.
La empresa alemana E.ON ha desarrollado un algoritmo de aprendizaje automático para predecir cuándo hay que sustituir los cables de media tensión de la red usando datos de diversas fuentes para identificar patrones en la generación de electricidad y señalar incoherencias. La investigación de E.ON sugiere que el mantenimiento predictivo podría reducir los cortes en la red hasta en un 30% en comparación con un enfoque convencional.
Publicado el 02/12/2024