La IA podría reducir los costes energéticos en las industrias de alto consumo energético entre 3 y 10 puntos porcentuales, pero el sector energético aún no aprovecha plenamente esta oportunidad.
Las barreras son en gran medida autoinfligidas: los datos se encuentran en silos propietarios y las empresas eléctricas pierden la competencia por los científicos de datos frente a las empresas tecnológicas, que pagan mucho más.
Se prevé que la demanda eléctrica de los centros de datos se duplique aproximadamente para 2030, y la IA es tanto un impulsor de esa demanda como una de las mejores herramientas disponibles para gestionarla.
Cuando los gobiernos y los líderes tecnológicos se reunieron en Ginebra en julio para la primera sesión del Diálogo Mundial de la ONU sobre la Gobernanza de la IA, uno de los cuatro temas sobre la mesa fue reducir las brechas de la IA, es decir, los cimientos digitales que determinan quién se beneficia de la tecnología.
Pocos sectores ilustran con tanta claridad el problema del acceso a la IA como la energía. Y pocos presentan una paradoja tan incómoda.
El sector energético debería ser el hogar natural de la IA. Genera más datos operativos que casi cualquier otro sector: medidores, sensores, sistemas SCADA y señales del mercado que llegan en tiempo real. El beneficio económico de aprovechar bien esos datos ya está cuantificado: la Agencia Internacional de la Energía (AIE) concluye que las aplicaciones de IA probadas podrían reducir los costes energéticos en las industrias de alto consumo energético entre 3 y 10 puntos porcentuales, y que los casos de uso bien documentados podrían ahorrar más de 13 exajulios de energía para 2035, alrededor del 3 % del consumo final mundial de energía, si se superan las barreras a su adopción.
El dividendo que el sector energético está dejando escapar
Sin embargo, el sector está desaprovechando su propia ventaja. El mismo trabajo de la AIE concluye que la energía no aprovecha plenamente la IA, y que las principales limitaciones son la escasa capacitación digital y la limitada disponibilidad de datos. Ambas son en gran medida autoinfligidas y ambas tienen solución. Los datos existen, pero se encuentran en silos propietarios y en formatos incompatibles, encerrados en sistemas operativos que nunca se diseñaron para compartirlos. La brecha de talento es igual de real: las empresas eléctricas y los operadores de redes pierden la competencia por los científicos de datos frente a las empresas tecnológicas, que pagan mucho más, y pocas han desarrollado la capacidad interna para convertir datos brutos de telemetría en modelos listos para su despliegue.
Es el esquema habitual de los cuellos de botella de la transición energética. La ambición principal, una energía más limpia, más barata y más competitiva, choca constantemente con la infraestructura básica, poco llamativa, que la sostiene. Del mismo modo que las colas de conexión y los trámites de autorización frenan las renovables, los cimientos de datos débiles y las escasas competencias digitales frenan la eficiencia impulsada por la IA.
Por qué la adopción determinará el resultado
Esa brecha de preparación explica por qué los debates sobre la «energía para la IA» y la «IA para la energía» no pueden separarse. La demanda eléctrica de los centros de datos demanda eléctrica se prevé que se duplique aproximadamente para 2030. Si el sector absorbe esa carga sin desplegar IA para compensarla, el efecto neto sobre el sistema energético será negativo: más demanda y ninguna eficiencia a cambio. Si lo adopta, el dividendo de eficiencia junto con la flexibilidad habilitada por la IA puede inclinar la balanza en sentido contrario.
La flexibilidad es un aspecto importante. Si se operan de forma más receptiva, los centros de datos podrían aportar entre 50 y 60 gigavatios de flexibilidad a los sistemas eléctricos en los próximos cinco años. Esto ayudaría a integrar las energías renovables y a aplazar inversiones costosas en la red, y la IA es lo que lo hace posible. En otras palabras, la tecnología que genera el problema de la demanda es también una de las mejores herramientas para gestionarlo, aunque solo para los sistemas preparados para utilizarla.
El efecto neto de la IA sobre la energía no es, por tanto, una propiedad de la tecnología. Es una decisión que se toma en las decisiones de contratación pública, los planes de contratación de personal, las normas de intercambio de datos y el diseño regulatorio.
Arreglar la infraestructura básica, no el algoritmo
En algunos lugares, la solución a este problema se está tomando en serio. Es el caso de la India. En 2025, el Ministerio de Energía del país lanzó el India Energy Stack, una infraestructura pública digital para el sector eléctrico, modelada explícitamente a partir del sistema de identidad Aadhaar y las plataformas de pagos UPI. Su premisa coincide precisamente con el diagnóstico anterior: los datos permanecen donde se generan, pero una capa compartida de identificadores únicos, APIs abiertas e intercambio basado en el consentimiento normaliza la interfaz entre empresas eléctricas fragmentadas. Considera los datos interoperables y listos para la IA como la base, en esencia un intento de desmantelar el problema de los silos desde la raíz en lugar de disimularlo con otro piloto más.
Otros países convergen en la misma idea desde distintos enfoques. En junio de 2026, la Comisión Europea publicó su Hoja de ruta estratégica para la digitalización y la IA en el sector energético, que combina la inversión en modelos de IA para la gestión de redes con una iniciativa paneuropea AI.grids y medidas sobre gobernanza de datos y competencias digitales, las dos limitaciones vinculantes, abordadas de forma conjunta. En Estados Unidos, la Misión Génesis del Departamento de Energía sitúa la IA en el centro de la planificación de redes y del despliegue nuclear, aprovechando décadas de datos de laboratorios nacionales. El Departamento prevé que las decisiones sobre planificación de redes, interconexión y operaciones se ejecuten entre 20 y 100 veces más rápido, con mejoras en el coste y la fiabilidad de la electricidad de hasta un 10 %. Además, está convirtiendo 80 años de investigación nuclear en una base de datos segura y consultable, en la que podrán apoyarse futuras decisiones energéticas y de seguridad.
El modelo de infraestructura pública de la India, el enfoque soberano y compartido de Europa y el impulso de laboratorios y capacidad de cálculo de Estados Unidos son tres teorías distintas sobre la misma solución, y sus diferencias son en sí mismas la lección. Una hoja de ruta no equivale a su despliegue, y la historia de la digitalización energética está llena de pilotos prometedores que nunca llegaron a escalar. El trabajo más difícil es transversal y lento: estándares y protocolos de datos comunes, interoperabilidad, una fuerza laboral capaz de operar estas herramientas y una gobernanza que genere confianza en la IA en infraestructuras críticas. Nada de ello puede quedar en el ámbito nacional. Las redes, las cadenas de suministro y los modelos de IA son internacionales, y los enfoques fragmentados diluirán el dividendo y ampliarán las brechas precisamente que la reunión de Ginebra pretendía cerrar.
Una tarea demasiado grande para un solo país
Aquí es donde un diálogo de la ONU importa más que otra estrategia nacional. La transición energética no esperará a que cada país resuelva por sí solo la interoperabilidad, y los sistemas con los cimientos de datos más débiles corren el riesgo de quedar excluidos de las ganancias de eficiencia. Convertir los pilotos nacionales en estándares compartidos y prácticas transferibles es un trabajo poco vistoso y multilateral. También es la diferencia entre un dividendo de la IA que se apropia quien resuelva antes la interoperabilidad y uno que se comparte en toda la economía energética mundial.
Gran parte del debate en Ginebra se centró, con razón, en gestionar la creciente demanda energética de la IA. Ese trabajo es esencial, pero solo cuenta la mitad de la historia. La mayor oportunidad reside en cómo la IA puede reducir el consumo energético en la industria, los edificios, el transporte y los sistemas eléctricos, a la vez que permite una mayor integración de la energía renovable. Las mejoras de eficiencia están probadas y cuantificadas. Las barreras son conocidas y abordables. Lo que queda es la ejecución: mejores datos, competencias más sólidas, voluntad institucional y una cooperación internacional más eficaz.
